StarAI-2026/ComfyUI-MiniMax-H3-SkillBridge

MV Esthétique Musicale

Objectif

Utilisez cette compétence lorsque l'utilisateur souhaite créer, réviser, auditer ou générer des prompts de clips musicaux ou de courts-métrages émotionnels où la musique, les paroles, la typographie, les références, le rythme, la performance et le langage de caméra doivent être conçus ensemble. Le flux de travail adapte les règles de prompt MV à l'exécution Hub : les décisions créatives clés sont confirmées, les prompts verrouillés sont écrits dans les nœuds de texte du canevas, et la création des médias est déléguée aux agents Hub.

Ne l'utilisez pas pour du sous-titrage basique, du montage vidéo générique, des publicités non musicales, ou des requêtes simple image / simple clip sans structure MV.

Règles de compatibilité Hub

• Ne supposez pas d'outils tiers, de scripts shell, de plugins navigateur ou d'API de génération externes.
• Écrivez les prompts verrouillés et les révisions dans les nœuds de texte du canevas Hub.
• Déléguez les fiches personnages, fiches scènes, fiches typographie, clips vidéo, BGM et l'assemblage final aux agents Hub image, vidéo, musique et montage.
• Ne codez pas en dur les chemins de sortie ; utilisez toujours les chemins retournés par Hub.
• Si l'utilisateur dit "skip confirmation / just do it", appliquez-le uniquement à l'exécution en cours, sauf si l'orchestrateur externe dispose d'une autorisation de session active.
• Si l'utilisateur ne veut qu'un prompt, arrêtez après la livraison. Si l'utilisateur veut un MV finalisé, continuez jusqu'à la génération et l'assemblage après confirmation.

Principes fondamentaux

1. Comprenez l'œuvre avant de choisir une structure. Les modèles organisent, mais ne sont pas des formes obligatoires.
2. Utilisez la dernière intention créative confirmée.
3. Omettez les champs non pertinents au lieu de remplir des espaces réservés.
4. N'ajoutez pas mécaniquement performance, typographie, transitions, mouvements de caméra ou actions de personnage simplement parce qu'un préréglage les inclut.
5. Le texte à l'écran est une couche visuelle conçue, pas des sous-titres ordinaires, sauf si l'utilisateur demande explicitement des sous-titres.
6. Si l'utilisateur télécharge une vraie chanson ou un beat, c'est la piste musicale maîtresse sauf s'il demande un remplacement.
7. Assemblage multi-plans naturel pour les vidéos >15s : lorsque la durée dépasse la limite de génération unique du modèle, utilisez "découpage en storyboard multi-plans + continuation de trame de fin/début + coupures nettes sur le beat + alignement audio maître global". Chaque segment doit conserver le même groove, sensation de tempo, ratio d'aspect, logique de personnage, préréglage visuel, langage d'éclairage et règles de mouvement typographique.
8. Si l'utilisateur souhaite un MV esthétique musical finalisé sans paroles, générez et verrouillez d'abord des paroles originales. Le MV final doit référencer ensemble les fiches personnage, typographie et scène. La fiche d'emballage typographique contrôle uniquement le style d'emballage du texte, la texture de police, le design graphique, le ratio de mise en page et le langage de mouvement.

ÉTAPE 1 : Pré-vérification

Avant d'écrire le prompt de production final, confirmez les bases minimales avec des choix recommandés concis.

1.1 Format vidéo

Proposez des options fixes :

Cas d'utilisation	Ratio d'aspect	Résolution
TikTok / Reels / Shorts vertical	9:16	1080×1920
YouTube / Bilibili horizontal	16:9	1920×1080
Carré pour flux	1:1	1080×1080
Test publicitaire vertical dense	9:16	720×1280
MV cinémascope	21:9	2560×1080

Le ratio sélectionné doit être réutilisé dans les fiches personnage, scène, références typographiques, prompts de plans, clips vidéo et assemblage final.

1.2 Durée cible et structure multi-plans

Avant l'écriture du prompt ou la génération vidéo, confirmez la durée cible du MV. N'utilisez jamais silencieusement la valeur par défaut du modèle comme intention de l'utilisateur.

Proposez une carte de durée compacte :

1. Test de 10 secondes : un ou deux plans pour vérifier le personnage, la scène, la typographie et le style audio.
2. Accroche de 15 secondes : 2 à 4 plans courts pour une phrase de refrain / accroche / performance plus complète.
3. MV complet de 30 secondes ou plus (assemblage multi-plans) : comme de nombreux modèles ont un plafond de 15 secondes par génération, utilisez automatiquement un flux de travail d'assemblage multi-plans. Générez ou verrouillez d'abord une chanson / BGM continue, divisez 30 secondes en 4 à 8 plans dynamiques de 2 à 5 secondes, puis assemblez via la synchronisation sur le beat et la continuité des trames de début/fin.
4. Durée personnalisée : l'utilisateur fournit la durée ; planifiez le nombre de plans et l'assemblage en fonction de la limite par clip du modèle sélectionné.

Si une musique téléchargée existe, la durée confirmée est la longueur de la fenêtre musicale.

1.3 Fenêtre musicale

Si la musique téléchargée ou spécifiée est plus longue que la durée confirmée, verrouillez un segment avant d'écrire les prompts :

1. Fenêtre recommandée : l'assistant identifie le refrain / accroche / tournant émotionnel le plus fort et demande confirmation.
2. Horodatages utilisateur : l'utilisateur fournit les secondes de début et de fin ; vérifiez que les deux sont dans l'audio.
3. Multi-variante : uniquement pour les tests d'accroche publicitaire ou plusieurs directions créatives.

Si la musique est plus courte que la durée cible, utilisez l'audio complet sauf si l'utilisateur demande explicitement de l'étirer ou de le prolonger.

1.3.0 Verrouillage des paroles et repli sur les paroles

Avant les prompts vidéo finaux ou la génération, déterminez la propriété des paroles :

1. Si l'utilisateur fournit des paroles, celles-ci sont verrouillées. Ne générez, n'ajoutez, ne réécrivez, n'étendez, ne traduisez, ne paraphrasez ou ne remplacez pas sauf demande explicite.
2. Si l'utilisateur souhaite un MV esthétique musical finalisé sans paroles, générez de courtes paroles originales correspondant au style musical, au mode vocal, à la durée, à l'émotion et au préréglage visuel, puis verrouillez-les.
3. Les paroles verrouillées sont la seule source textuelle pour la performance rap/chant et la typographie visible.
4. Divisez les paroles verrouillées en Ligne de rap :, Ligne vocale :, Ligne vocale douce :, ou Ligne parlée : de chaque plan.
5. Chaque champ Typographie : doit provenir des mêmes paroles verrouillées. Pendant la performance vocale, le texte visible doit correspondre mot pour mot à la phrase interprétée.
6. Dans le MV typographique final, l'interprète doit rapper ou chanter les paroles verrouillées avec des formes de lèvres visibles, des mouvements de mâchoire, de la respiration, des accents faciaux, des hochements de tête et des gestes de la main suivant le phrasé et le rythme.

1.3.1 Assemblage multi-plans par défaut pour les vidéos >15s

Pour les MV >15s comme 30 secondes, le script de prompt multi-plans global est la source faisant autorité :

1. Verrouillez l'audio maître complet : verrouillez une piste de chanson / BGM continue avec la voix complète et le groove comme seule base audio.
2. Construisez une chronologie de plans : divisez 30 secondes en 4 à 8 plans courts de 2 à 5 secondes, mappés précisément aux horodatages des paroles et aux beats tels que caisse claire, 808 et drop.
3. Continuité des trames de début/fin et de scène : si le plan B continue la même scène, utilisez la trame de fin du plan A comme trame de début du plan B. S'il s'agit d'une coupure franche, conservez la même fiche personnage, garde-robe, prompt d'éclairage, et utilisez un mouvement de caméra dans la même direction ou des éléments visuels de raccord.
4. Génération et assemblage de montage : l'agent vidéo génère chaque plan à partir de la liste de plans. L'agent de montage aligne tous les clips sur la grille de beats de l'audio maître global, en coupant, en ajustant la vitesse et en assemblant pour un lipsync, une synchronisation sur le beat et des transitions naturels.

ÉTAPE 2 : Contrat créatif

Avant les prompts finaux, créez un contrat créatif concis :

• Genre musical, instrumentation, sensation de tempo/BPM, mode vocal et température émotionnelle.
• Source des paroles et paroles verrouillées.
• Durée cible et découpage multi-plans, par ex. 30s divisées en 6 plans courts.
• Rôles des images de référence : fiche personnage, fiche scène, fiche d'emballage typographique.
• Langage de caméra, tailles de plan, mise au point, densité des coupures sur le beat et logique de transition.
• Exclusions telles que pas de fondus, pas de visage de beauté AI brillant, pas d'étirement excessif d'un seul plan provoquant une déformation.

ÉTAPE 3 : Rôles des références et échantillonnage de scène

Attribuez à chaque image de référence un rôle étroit :

• Fiche de référence typographique : contrôle uniquement le style d'emballage du texte, la texture de police, le design graphique, le ratio de mise en page et le langage de mouvement. Elle ne doit pas contribuer aux personnes ou aux scènes.
• Fiche de référence personnage : contrôle l'identité du personnage, l'aura faciale, la coiffure, la silhouette des vêtements, les proportions, la posture et la présence.
• Fiche de référence scène : contrôle le style de la scène, l'atmosphère spatiale, la texture de l'image, la profondeur de l'arrière-plan et l'ambiance lumineuse.

3.1 Changement de scène en gros plan et échantillonnage multi-plans

Pour les MV Trap, Dark-pop, Cyber-grunge et autres rythmes rapides, alternez rapidement entre plusieurs espaces en gros plan :

• Gardez l'ambiance de la scène unifiée, mais l'espace de chaque plan doit différer clairement, comme arrière-plan local, tunnel, mur, bande lumineuse ou sol réfléchissant.
• Les changements de scène doivent être déclenchés par des impacts musicaux : coup de basse, drop 808, caisse claire, accent vocal ou smash typographique.
• Les changements de plan sont des "échantillons visuels" sur le beat trap : coupures franches, jump cuts, scan-glitch cuts, flash cuts ou raccords d'action.

ÉTAPE 4 : Grammaire de préréglage, exemple Dark-pop / Cyber-grunge et Trap

Langage visuel et de montage

• Texture réaliste de haute couture et texture de magazine photo, référençant les magazines indépendants de la fin des années 90 / début des années 2000, papier photocopie, scans de film et collage zine.
• Grain lourd, léger tremblement de film, points de trame, bords d'impression rugueux, décalages de scan.
• Le montage doit utiliser uniquement des coupures franches. Pas de fondus, de dissolutions ou de transitions douces.
• L'image et la typographie réagissent fortement aux indices de beat : le roulement de hi-hat crée des micro-secousses / sauts de trame, la caisse claire déclenche un agrandissement / coupure franche / chute d'épaule, le coup de basse 808 crée une compression / étirement / décalage basse fréquence.

Règles d'emballage typographique

• La typographie est un sujet graphique dynamique dans l'espace, pas une barre de sous-titres. Elle peut se trouver au premier plan, au milieu, à l'arrière-plan, ou être occultée par des épaules / mains.
• Le texte ne doit jamais couvrir les yeux ou l'expression faciale principale ; évitez la bouche pendant le lipsync critique.
• Avec des voix, les mots visibles doivent correspondre exactement aux paroles interprétées. Chaque plan n'a qu'un seul événement typographique principal.

ÉTAPE 5 : Modèle de structure de prompt

Un script multi-plans doit être modulaire par plan, avec une durée et un mapping audio précis :

[Global Aesthetic & Character Lock]: (prompt d'ancrage global du personnage et de l'esthétique)

Plan 1 (0.0s - 3.5s)
Ligne vocale : "..."
Typographie : "..."
Visuel & Action : ...
Caméra & Mouvement : ...
Transition de sortie : coupure franche vers le Plan 2 sur le coup de basse / panoramique fouetté dans la même direction

Plan 2 (3.5s - 7.0s)
Ligne vocale : "..."
Typographie : "..."
Visuel & Action : ...
Caméra & Mouvement : ...
Transition de sortie : ...

ÉTAPE 6 : Continuité BGM et système d'assemblage multi-plans naturel

6.1 Continuité audio globale

Le MV entier doit être lié à une seule piste audio maître. Pendant la génération vidéo segmentée, n'utilisez pas de pistes audio de clip indépendantes déconnectées. Tous les clips vidéo sont alignés sur leurs horodatages correspondants sur la chronologie audio maître lors de l'assemblage du montage.

6.2 Protocole d'assemblage naturel

Pour l'assemblage >15s, appliquez cinq verrous de continuité :

Continuité vocale & des lèvres : les points de coupure doivent atterrir sur des pauses de paroles, des respirations, des caisses claires ou des drops. Ne coupez pas franchement à l'intérieur d'une voyelle ou d'une parole active sauf si le plan suivant est un gros plan extrême avec une forme de bouche continue.

Correspondance rythmique & de beat : les points de coupure doivent atteindre la grille de beats 1/4 ou 1/8. Utilisez des variations de vitesse pour aligner les hochements de tête, les gestes de la main et les clignements sur les beats.

Esthétique & étalonnage des couleurs : chaque génération inter-plans porte le même prompt d'en-tête esthétique : niveau de grain, direction LUT et direction lumineuse. L'assemblage final utilise un grain de film 35mm et une LUT unifiés pour masquer les différences de couleur par lot.

Continuité des transitions & du mouvement : pour la continuation d'un plan long, utilisez la trame de fin précédente comme trame de début suivante et incitez à la continuation de l'action. Pour les changements brusques de scène, utilisez la continuité cinétique comme un panoramique dans la même direction ou un raccord par occultation de la main.

Assemblage des mouvements typographiques : le texte du plan précédent doit se briser, balayer ou écraser l'écran sur un coup de basse ; le texte du plan suivant s'écrase ou se déploie sur l'accent, transférant l'élan visuel.

ÉTAPE 7 : Liste de vérification

Vérifiez silencieusement avant la livraison :

• Si la durée cible dépasse 15s, le découpage multi-plans a-t-il été utilisé automatiquement ?
• Un seul audio maître global est-il verrouillé et les points de coupure sont-ils alignés sur les beats ?
• Les coupures évitent-elles les ruptures vocales en milieu de paroles, avec une continuité naturelle des lèvres et de la respiration ?
• Les plans adjacents ont-ils une logique d'assemblage claire comme la continuation trame de fin/début, un mouvement dans la même direction, un raccord ou une coupure franche sur le beat ?
• Le style de montage est-il strictement en coupures franches, sans fondus ni transitions douces ?
• Les fiches personnage / scène / typographie sont-elles isolées sans contamination croisée ?
• La typographie est-elle une couche spatiale qui ne bloque jamais les yeux ou l'expression faciale principale ?
• La qualité d'image, le grain, la couleur et l'éclairage sont-ils cohérents globalement ?

ÉTAPE 8 : Livraison sur le canevas

Une fois le script de prompt MV complet verrouillé, écrivez-le dans un nœud de texte de canevas dédié nommé Complete MV Prompt ou 完整MV Prompt. Le nœud doit contenir le script de prompt multi-plans complet et les notes d'assemblage. Les révisions ultérieures mettent à jour le même nœud.

ÉTAPE 9 : Génération du MV final et flux de travail d'assemblage

1. Verrouillage du prompt et écriture sur le canevas : confirmez que le script de prompt multi-plans complet avec les horodatages, le mapping des paroles et la logique de transition est écrit sur le canevas.
2. Génération parallèle des plans : l'agent vidéo génère chaque plan de 2 à 5 secondes à partir de la liste de plans. Pour les plans de continuation, extrayez la trame de fin du plan précédent comme trame de début I2V suivante.
3. Montage et assemblage multi-pistes : l'agent de montage importe l'audio maître global, aligne toutes les vidéos de plans par horodatage, coupe et ajuste la vitesse sur la grille de beats, et vérifie les coutures avec un mouvement dans la même direction ou un masquage par flash cut.
4. Finition : appliquez une LUT de film unifiée et une superposition de grain de film 35mm pour réduire le plastique AI et verrouiller la cohérence visuelle.
5. Livraison : produisez le fichier vidéo MV complet sans couture.