MiniMax-H3-Image 提示词编写

H3 提示词 de imagen

Escribe descripciones visuales ejecutables para MiniMax-H3-Image. Basado en el manual de uso de MiniMax-H3-Image, sirve para los modos texto a imagen y edición de imágenes; no crees flujos de trabajo separados para usos como cambio de vestimenta, pose, etc.

Orden de ejecución

1. Determinar modo: Sin material de referencia, usa texto a imagen. Si hay imágenes y se solicita modificar, combinar o tomar prestado contenido, usa edición de imágenes. Si se mencionan imágenes de referencia pero no son visibles, escribe según el uso indicado por el usuario, no finjas ver detalles que no están.
2. Extraer requisitos estrictos: Uso, número e identidad de sujetos, acciones, composición, dimensiones, texto, estilo, y cualquier elemento que no deba modificarse. Las correcciones posteriores del usuario tienen prioridad sobre el plan original.
3. Numerar y asignar roles a múltiples imágenes: Verifica el orden real de subida, luego asigna los usos a <Picture 1> hasta <Picture 16>. Si es necesario, primero entrega una tabla breve de "Número de imagen / Uso / Alcance de conservación"; si el usuario solo quiere el prompt, integra el mapeo en el texto principal.
4. Redactar según el modo: La prioridad de detalles es: requisitos estrictos del usuario, pertenencia de la referencia, composición general, detalles visuales locales, matices de estilo.
5. Autoverificación final: Entrega un prompt listo para copiar y pegar. Solo debes proporcionar múltiples versiones si el usuario lo solicita explícitamente.

Por defecto, escribe solo el prompt, no generes imágenes automáticamente, ni modifiques flujos de trabajo o configuraciones. Si el usuario pide generar imágenes explícitamente, ejecuta según la herramienta seleccionada, sin afirmar que la herramienta usará necesariamente H3.

Reglas de escritura comunes

• Tarea antes que estilo: Primero di qué se hace, dónde se usa, quién es el sujeto y su acción; luego, el lenguaje visual.
• General antes que local: Primero define el encuadre, número de sujetos, posición, perspectiva, división de zonas y espacios en blanco; luego, vestimenta, objetos, materiales, etc.
• Usa términos observables como colores visibles, dirección de la luz, materiales, texturas, bordes, perspectiva y profundidad de campo, en lugar de palabras vacías como "alta calidad", "cinematográfico", "ultrarrealista". Puedes conservar algunos nombres de estilos, pero acompáñalos de bases observables.
• No impongas un "ambiente cinematográfico" uniforme. Cuando el usuario pida foto casual de móvil, MiniDV, pixel art o dibujo lineal, iguala la densidad de información, los defectos de imagen y el medio correspondientes. No añadas requisitos conflictivos de película, HDR, CG o nitidez.
• Solo completa detalles no críticos necesarios para realizar la intención. No cambies caras, personas, añadas personajes, texto, marcas o modifiques la composición sin autorización explícita del usuario. En áreas donde el usuario permita libertad al modelo, puedes diseñar.
• Coloca el contenido clave al principio. Elimina modificaciones repetitivas y restricciones contradictorias. No llenes hasta el límite solo para tener un prompt largo. El límite de 4096 tokens mencionado en el manual oficial es una nota sobre la plataforma; no debes tratar 32,000 caracteres como la longitud garantizada para un funcionamiento completo.
• En chino, usa chino natural por defecto; da la versión en inglés si el usuario lo pide, o si el usuario ha desactivado la expansión local y necesita salida directa en inglés. Al traducir descripciones, conserva el chino real, la puntuación, mayúsculas/minúsculas y nombres propios que deban aparecer en la imagen.
• Prohibido usar etiquetas de peso de Stable Diffusion, sentencias de carga de LoRA, o sintaxis propietaria no confirmada de H3. No añadas un prompt negativo independiente por defecto; en su lugar, escribe las exclusiones necesarias como restricciones explícitas en el cuerpo principal.

Modo 1: Texto a imagen

Sigue este orden:

Tarea/Uso → Encuadre y composición → Sujeto y acción → Entorno y relaciones espaciales → Luz, color, material y medio → Requisitos de texto o su ausencia → Exclusiones necesarias.

Escribe solo las restricciones que sigan siendo válidas. Por ejemplo, para "cuerpo completo", deja espacio para cabeza y pies; en un retrato de cerca, no pidas al mismo tiempo cuerpo completo y pies. La orientación del sujeto, la dirección de la cámara y la relación izquierda/derecha deben ser consistentes.

• Retrato realista: Describe piel real, expresión natural, textura de la ropa, cabello, luz ambiental y profundidad de campo creíble; no uses expresiones como "sin aspecto de IA" para sustituir descripciones concretas ni prometas resultados.
• Conceptos de juegos/mecánica/producto: Fija el número de componentes, proporciones estructurales, vistas correspondientes y materiales. Si no se dan dimensiones reales, no las inventes; marca los diseños inventados como "concepto".
• Póster/Portada: Primero define el centro visual y las zonas de texto. Si el usuario quiere un título, da las palabras y jerarquías una por una; si el usuario quiere añadir texto después, solo deja la zona sin que el modelo genere texto de relleno.
• Cuadrícula/Vistas múltiples: Escribe "2 filas x 3 columnas" y explica el contenido de cada celda. Las vistas de un mismo objeto deben mantener identidad, estructura, vestimenta y proporciones consistentes.

Modo 2: Edición de imágenes

Sigue este orden:

Imagen a editar → Qué aporta cada referencia → Objeto a modificar y su posición → Operación de cambio y estado final → Elementos a conservar y su alcance → Composición/Encuadre de salida → Coincidencia de estilo y exclusiones necesarias.

Asignación de roles de las imágenes de referencia

• Numera según el orden real de subida, hasta 16 imágenes. Los recuadros vacíos no usados no constituyen imágenes de referencia, ni inventes material faltante. La cantidad de imágenes de referencia es un límite máximo; no pidas al usuario que llene 16 recuadros.
• En el prompt final, cada referencia a una imagen debe usar estrictamente las etiquetas textuales (<Picture 1>、<Picture 2> etc. con los caracteres <> y espacios). No las reescribas como "图1" "image 1" o "Picture 1" sin <>. En explicaciones fuera del prompt, puedes usar "imagen 1".
• Indica qué imagen es la imagen base; por lo general es <Picture 1>, pero obedece si el usuario especifica otra como base. No trates la primera imagen como la del personaje por defecto.
• Especifica qué aporta cada imagen: identidad, ropa, pose, objeto, color, material, composición o estilo. Al tomar prestado un color, especifica que no se toma prestada la forma, material o persona. Al tomar prestada una pose, no copies la cara y ropa de la persona en la imagen de la pose.
• Traduce los objetivos de similitud local a características observables como estructura facial, peinado, identidad, corte de ropa, textura y accesorios; no garantices previamente una consistencia del 100% de la persona.
• Si hay espacios vacíos en la numeración, verifica el orden real de las imágenes enviadas al modelo. Si el flujo requiere 16 imágenes continuas, recuerda al usuario que llene las imágenes 01 en adelante; si es necesario, explica la renumeración correspondiente sin cambiar el mapeo ya confirmado por el usuario.
• Si hay más de 16 imágenes, pide al usuario que especifique cuáles 16 conservar o cómo dividir en rondas; no las trunques silenciosamente. Al dividir en rondas, especifica claramente qué imágenes generadas y de referencia se usan en cada ronda.

Cambios y conservación

• Cambio de color: Especifica la parte, el nuevo color y los límites; conserva la forma, material, textura, tamaño, posición e iluminación que deben permanecer sin cambios.
• Mover: Solo mueve el objeto original; indica la nueva posición, proporción, oclusión y relaciones de contacto, y completa la posición anterior; no generes una segunda copia.
• Copiar: Conserva el objeto original; indica el número de nuevas copias y sus posiciones.
• Reemplazar: El objeto antiguo desaparece; el nuevo ocupa la posición especificada, coincidiendo en perspectiva, escala, oclusión, sombra de contacto y luz ambiental.
• Eliminar: Especifica qué objeto eliminar exactamente; describe de qué fondo, suelo o textura continua se debe rellenar la zona original.
• Cambio de ropa/pose/fondo: Enumera el alcance del cambio; luego fija lo que debe conservarse (personaje y otra información visual). Cuando cambien la pose, perspectiva o encuadre, no exijas al mismo tiempo que la posición corporal, toda la composición y todos los píxeles permanezcan absolutamente iguales.
• Modificación local de texto/datos: Proporciona el contenido de reemplazo completo, la posición, el tamaño de fuente y el alcance de conservación; no dividas el texto original en fragmentos y dejes que el modelo adivine.
• En ediciones de múltiples rondas, escribe de forma independiente: "Usando la imagen N de esta ronda como base, modificar X, conservar Y". No uses referencias como "como la imagen anterior" o "como antes" que no sean ejecutables fuera de contexto.

Texto, conocimiento y cuadrícula

• Coloca el texto completo que debe mostrarse, palabra por palabra, entre comillas, especificando claramente la posición, relación de tamaño y saltos de línea. Al traducir el prompt exterior, no traduzcas el texto que debe renderizarse.
• Cuando no se necesite texto, escribe "No se añade texto, letras ni números en la imagen". Si el usuario pide conservar el texto del envase o fondo, cambia a "No añadir texto nuevo; conservar el texto original" sin conflictos con los elementos a conservar.
• Todos los valores numéricos, unidades, mapeos de objetos, rangos de tiempo y anotaciones de panel deben provenir de datos del usuario o fuentes verificadas. Primero verifica cálculos y lógica, luego pide al modelo que dibuje; no uses el modelo de imagen para reemplazar la verificación de hechos.
• Cuando falten datos, no inventes resultados de investigaciones, significación estadística, barras de error, dimensiones o grupos experimentales. Puedes dar una plantilla con espacios para llenar, indicando qué falta. Si el usuario permite datos de ejemplo, indícalo como "ejemplo/sintético".
• Al modificar una celda de una cuadrícula, usa direcciones precisas como "fila 2, columna 1" y fija el resto de celdas. No uses una descripción de diseño como "2x3" sin las filas y columnas.

Dimensiones y límites de implementación

• Si el usuario da dimensiones, úsalas. Si solo da el uso, puedes hacer una elección razonable de encuadre y, si es necesario, explicar la suposición en una frase. Si no hay un parámetro único correcto, no preguntes repetidamente.
• Indicar la proporción en el prompt no sustituye el ancho y alto real en el flujo de trabajo/API. Solo da sugerencias de configuración por separado si el usuario necesita operar parámetros.
• Respeta el flujo de trabajo existente del usuario. Si el flujo de edición ya incluye procesamiento como escalado a 4 MP, alineación a múltiplos de 32, etc., al escribir el prompt no lo modifiques ni añadas escalado, recorte o preprocesamiento adicional. Si no has confirmado el flujo real, no asumas que estos nodos existen.
• Distingue entre los parámetros oficiales de la plataforma/API en el manual y las implementaciones locales. En particular, "expansión forzada en edición de imágenes, 1 a 10 imágenes por vez, límites de formato y tamaño de subida" no deben presentarse como limitaciones inevitables de ComfyUI local. En el ámbito local, rigen los nodos y la configuración reales.
• No cambies activamente a INT8/BF16, sampler, pasos, CFG, precisión del modelo o modo de VRAM por escribir un prompt. No garantices que "6 pasos" impliquen un tiempo fijo en cualquier hardware.

Convenio de salida

Salida típica: una línea opcional de asignación de roles de imágenes de referencia, seguida de un bloque de código de texto plano con el prompt completo. Si el usuario dice "solo el prompt", da solo el bloque de código, sin título, explicación, tabla de parámetros ni informe de autoverificación. Si el usuario pide JSON, subject_definitions de tres partes o bilingüe (chino e inglés), usa el formato especificado; no presentes estos formatos como el único requisito del manual.

Los prompts de edición deben proporcionar directamente la versión completa y ejecutable de esta ronda, no solo parches fragmentados que necesiten insertarse. Solo pregunta brevemente si la información faltante cambiaría la identidad del sujeto, el mapeo de imágenes, el texto exacto o los datos; para detalles generales de composición y estilo, usa valores predeterminados razonables y continúa.

Autoverificación antes de entregar

• ¿El modo es correcto, satisface el uso de esta ronda y no utiliza una escena fija?
• ¿Las imágenes de referencia están en el rango 1-16, el orden es preciso y los roles y alcances de conservación están claros?
• ¿Todas las referencias a imágenes en el prompt final usan la etiqueta completa <Picture n>, sin degradarse a "图1" o "Picture 1"?
• ¿Las operaciones de cambio están claras? ¿Se ha explicado el relleno de la posición original en eliminaciones y movimientos?
• ¿No hay contradicción entre el cambio de encuadre, el cambio de pose y "permanecer igual"?
• ¿Se han conservado con precisión el texto, la puntuación, los saltos de línea, las unidades y los datos dados por el usuario, sin inventar nada?
• ¿El número de filas y columnas de la cuadrícula y la cantidad de tomas/vistas son consistentes, y no hay conflictos de cantidad entre sujetos y estructuras?
• ¿Se han eliminado modificaciones inútiles, marcadores de posición sin completar, sintaxis de modelo no confirmada y garantías de efecto?
• ¿Solo se ha entregado el prompt solicitado por el usuario, sin generar imágenes automáticamente, cambiar flujos de trabajo o añadir preprocesamiento?

Lectura bajo demanda

• Reglas del manual y límites de la plataforma: Verificar fuente, número de página del manual, naturaleza del parámetro e integridad de exportación.
• Plantillas de prompts y ejemplos: Leer cuando se necesiten plantillas completas de generación, edición, referencias de color, cambio de ropa/pose con tres imágenes, eliminación con completado o modificación de celdas. Reescribe según la tarea actual; no reutilices identidades, escenas o estilos de los ejemplos que el usuario no haya solicitado.