Communitygithub.com

cinematic-continuity-prompt

Rédige, révise ou reconstruit des prompts vidéo chinois de haute précision pour les modèles de génération vidéo par IA (Seedance, Jimeng, Xiao Yunque, MiniMax H3, etc.).

Qu'est-ce que cinematic-continuity-prompt ?

Cette compétence est conçue pour les développeurs et utilisateurs avancés d'agents IA qui travaillent avec des modèles de génération vidéo comme Seedance, Jimeng, Xiao Yunque ou MiniMax H3. Elle transforme des idées créatives en instructions vidéo précises, vérifiables et directement exploitables par ces modèles. La compétence se distingue par une approche structurée en trois couches (visuelle statique, mouvement continu, synchronisation audio-vidéo) et une gestion rigoureuse des incohérences. Elle gère de multiples modes d'entrée : génération sans référence, avec image de début, de fin, ou les deux, références multimodales, ou encore correction de prompts ayant échoué. Un cadre de résolution de conflits est intégré, avec des priorités claires (référence visuelle > instruction utilisateur > cohérence globale). En mode haute précision, la compétence adapte automatiquement le niveau de détail photographique (focale, profondeur de champ) sans exiger de connaissances techniques préalables de l'utilisateur. Le résultat final est un prompt complet, copiable, en chinois, prêt à être utilisé, avec une version de secours simplifiée pour les cas complexes.

Compatible avec~Claude Code~Codex CLI~Cursor
npx skills add shaoye0219-svg/cinematic-continuity-prompt

Demander à votre IA préférée

Ouvre une nouvelle conversation avec cette compétence d'agent déjà préchargée.

Documentation

Prompt de continuité cinématographique

Transformez des idées créatives en instructions de mise en scène générables et vérifiables. Par défaut, utilisez le langage naturel chinois ; la précision provient des faits visuels concrets, des relations de cause à effet dans l'action, du retour physique, de la chronologie audio-vidéo et de l'état final explicite, et non d'adjectifs vagues ou de modèles de plateforme empilés.

Déterminez d'abord la tâche et le niveau de précision

Relation d'entrée

Identifiez d'abord le mode d'entrée le plus proche :

  • Génération sans référence : Construisez une chronologie audio-vidéo complète à partir du texte.
  • Image de début comme référence : L'image de référence est la seconde 0. Développez selon "ancrage de début → déclenchement de l'action → développement continu → résultat ou réaction".
  • Images de début et de fin comme référence : Les deux images verrouillent le début et la fin. Écrivez en détail le chemin intermédiaire observable et le processus de convergence progressive.
  • Image de fin comme référence : Partez d'un état antérieur plausible et convergez progressivement vers la composition et l'état définis par l'image de référence.
  • Références multimodales : Les images, vidéos et audios assument respectivement les responsabilités d'identité, de scène, de style, d'action, de mouvement de caméra, de composition, de voix ou d'image clé.
  • Image de référence en amont : Concevez d'abord une image de début adaptée à la poursuite du mouvement, puis réécrivez le prompt vidéo en fonction de l'image générée et confirmée par l'utilisateur.
  • Révision de prompt / Correction d'échec : Identifiez la première erreur de causalité, le conflit ou le point de surcharge, puis réécrivez une version complète et copiable.

Choisissez ensuite l'organisation du tournage : plan continu unique, correspondance d'action entre plans, évolution d'image de référence, prise de vue native sur mobile, micro-jeu d'acteur, interaction intime adulte et sobre. Ne considérez pas les plans uniques, les vues subjectives (FPV), les prises de vue aériennes ou les mouvements de caméra complexes comme intrinsèquement supérieurs.

Niveaux de précision

  • Mode normal : Sélectionnez automatiquement les paramètres qui affectent réellement l'image, en vous concentrant sur l'écriture des résultats visibles.
  • Mode haute précision : Activez-le lorsque l'utilisateur dit "prompt détaillé", "aussi détaillé que possible", "prompt complet", "version réalisateur complète", "au niveau réalisateur" ou toute expression similaire. Les prompts longs sont autorisés, mais chaque phrase doit correspondre à un fait visuel, une exigence de continuité ou un risque d'échec réel.

En mode haute précision, si les réglages photographiques sont absents, demandez d'abord en langage courant l'effet souhaité (espace ouvert ou oppressant, personnage proche ou distant, arrière-plan net ou flou, caméra à main levée ou stabilisée, reportage ou élégance), puis traduisez la réponse en catégorie d'équipement, focale, ouverture, profondeur de champ, mise au point et paramètres de mouvement. N'exigez pas que l'utilisateur connaisse d'abord les paramètres techniques. Si le sujet est déjà clairement défini comme mobile, drone, caméra de surveillance ou documentaire, respectez directement la logique de l'équipement correspondant.

Utilisez une architecture à trois couches

1. Couche visuelle statique

Sélectionnez parmi les éléments suivants ceux qui affectent réellement la génération, sans remplir mécaniquement un tableau :

  • Temps : Époque, saison, moment de la journée.
  • Sujet : Identité, âge, apparence, physique, vêtements, matériaux, accessoires, posture initiale.
  • Scène : Environnement naturel, structure architecturale, météo, mobilier, relations spatiales et traces de vie.
  • Photographie : Style, format d'image, composition, position de la caméra, angle, perspective, mise au point, profondeur de champ, source lumineuse, direction de la lumière et couleur.

N'écrivez la marque de la caméra, la focale spécifique et l'ouverture que si elles peuvent expliquer la perspective, la profondeur de champ ou la qualité de l'image, et qu'elles ne sont pas en conflit avec le mode d'équipement.

2. Couche de mouvement continu

Chaque action clé est écrite selon une chaîne d'état complète :

État initial → Déclencheur visible → Préparation → Démarrage → Processus → Retour du corps/accessoire/tissu/environnement → Décélération ou arrêt → État final vérifiable

Le centre de gravité du personnage, le regard, les mains, l'état des accessoires et le trajet de la caméra doivent partager la même logique spatiale. Les actions déjà terminées ne sont pas répétées. Les objets ne peuvent pas apparaître, disparaître, changer de main ou changer de matériau sans cause.

3. Couche de synchronisation audio-vidéo

Traitez séparément le bruit ambiant, les sons d'action, les sons non verbaux du personnage, le dialogue/la voix off et la musique de fond. Pour chaque son clé, expliquez la source, la distance, l'action déclencheuse, le début et la fin, l'intensité et le changement spatial. N'ajoutez pas de musique de fond sans condition.

Le modèle complet et la liste de vérification se trouvent dans references/prompt-framework.md.

Verrouillez les invariants et les responsabilités des références

Avant d'écrire, déterminez :

  1. L'identité ou l'invariant structurel ;
  2. L'espace initial, la composition et la direction de la lumière ;
  3. Le point de départ, le trajet et le point d'arrivée de la caméra ;
  4. L'action du sujet et la causalité psychologique ;
  5. Les détails visibles apportés par le changement de distance ;
  6. Le vent, le tissu, les cheveux, les ombres, les reflets et les retours sonores ;
  7. L'image de fin vérifiable et l'interface pour le plan suivant.

Les références multimodales doivent établir un tableau des responsabilités. Chaque matériau assume des responsabilités claires. Il peut y avoir plusieurs responsabilités, mais il ne faut pas exiger de manière vague "tout référencer" :

MatériauResponsabilités assignables
ImageIdentité, vêtements, apparence du produit, scène, composition, style, image de début, image clé, image de fin
VidéoAction, mouvement de caméra, rythme de montage, structure temporelle, édition ou continuation de la vidéo source
AudioRéutilisation de la bande sonore originale, timbre de voix, manière de parler, rythme, style musical, continuité sonore

Distinguez "doit être intégralement conservé", "permet des variations locales", "ne transfère qu'une propriété donnée", "sert uniquement d'ambiance générale". C'est un langage de vérification interne ; ne forcez pas la sortie de champs spécialisés ou d'étiquettes en anglais pour MiniMax H3.

Résolvez les conflits

Vérifiez l'identité, l'âge, les traits du visage, la coiffure, les vêtements, le temps, l'espace, la direction de la lumière, l'équipement, la profondeur de champ, le mouvement de caméra, la main droite/gauche, l'ordre des actions, le timing du dialogue et l'état final.

Priorité :

Fait visuel explicitement spécifié par l'utilisateur comme référence > Instruction explicite actuelle de l'utilisateur > Paramètre unifié global > Description cohérente et répétée > Description locale de la chronologie > Rhétorique atmosphérique

Lorsque vous pouvez juger, unifiez activement et expliquez brièvement dans la décision de mise en scène ; ne demandez que si les deux versions sont également cruciales et modifient le résultat final. Le prompt final copiable ne doit pas contenir de paramètres mutuellement exclusifs.

Organisez la chronologie et les plans

Organisez d'abord les actions par battements sémantiques, puis mappez-les en secondes lorsque l'utilisateur fournit une durée, un point de coupe, une synchronisation avec le dialogue ou les besoins de la plateforme. Pour chaque battement, écrivez clairement l'espace actuel, la préparation de l'action, le processus de l'action, le retour, le point final et le déclencheur suivant.

Le mouvement de caméra doit pouvoir être réduit à :

Type de mouvement + Amplitude + Vitesse + Cible du mouvement + État d'arrêt

Distinguez le mouvement principal de la caméra des petites perturbations du corps/véhicule. Les avancées, les dérives latérales et les variations de hauteur peuvent être fusionnées en une seule courbe de mouvement, mais ne doivent pas être des instructions parallèles de même intensité. Privilégiez un mouvement de caméra continu pour les changements mineurs de plan ou d'angle ; un changement de plan doit apporter un nouvel espace, un nouveau temps, une nouvelle information, un nouvel état ou une correspondance d'action nécessaire.

Distance, jeu d'acteur et retour physique

  • Plan large : Écrivez l'échelle, la direction et les relations spatiales.
  • Plan moyen : Écrivez la posture, le centre de gravité, le contour des vêtements et les relations entre les personnages.
  • Plan rapproché : Écrivez le mouvement des yeux, les clignements, la respiration, les commissures des lèvres, les points de contact et les forces exercées sur le tissu.
  • Gros plan : Écrivez uniquement les pores, les duvets, les textures de maquillage, les micro-imperfections, les reflets de verre ou les rayures de métal.

L'expression faciale doit être déclenchée par un événement : Stimulus → Perception → Changement du regard/respiration en premier → Réaction de la tête ou du corps → Confirmation → Retour émotionnel → Posture finale.

Le contact doit d'abord établir le point de contact et la force appliquée, puis écrire la réaction de l'autre personne ou de l'objet, le changement de centre de gravité, le changement de tissu et l'état d'arrêt. Les machines complexes doivent également écrire le verrouillage, les forces, le mouvement, la décélération et l'arrêt stable.

Flux de travail avec image de référence en amont

Lorsque l'utilisateur demande d'abord une image de début ou de référence, lisez la section "Image de référence en amont" dans references/prompt-framework.md et exécutez :

  1. Émettez un jugement de mise en scène concis ;
  2. Émettez un prompt d'image indépendant, complet et copiable ;
  3. Faites en sorte que l'image de début soit dans un état ouvert, sur le point de se produire ou venant de commencer, et non dans une pose de poster fermée après l'action ;
  4. Réservez de l'espace pour les mains, les pieds, les accessoires, le regard, la direction du mouvement, la parallaxe avant/arrière et le trajet de la caméra ;
  5. Une fois que l'utilisateur a fourni l'image générée réelle, utilisez les faits visibles dans l'image comme nouvelle base, établissez un tableau de cohérence image-vidéo et réécrivez le prompt vidéo.

Ne faites pas comme si vous aviez verrouillé la composition spécifique de l'image de début alors que l'utilisateur ne l'a pas encore fournie.

Modes spécialisés

Contrat de sortie

Sauf si l'utilisateur demande explicitement une version simplifiée, livrez par défaut :

  1. Jugement de mise en scène : Événement central, accent visuel, causalité de l'action, choix du mouvement de caméra, risque de génération maximal ; restez concis.
  2. Prompt complet directement copiable : Principalement en chinois, écrivez-le complètement dans l'ordre de lecture ; n'utilisez pas "le reste inchangé", "comme ci-dessus", "référez-vous au texte précédent" ou des points de suspension pour remplacer le corps du texte.
  3. Version de secours stable : Fournissez-la uniquement en cas de trop grand nombre de personnages, d'actions trop denses, d'échanges à plusieurs mains, de mouvements de caméra complexes, de multiples matériaux de référence ou d'autres combinaisons à haut risque ; réduisez les actions concurrentes sans modifier la conclusion narrative.

À l'intérieur du prompt, vous pouvez utiliser des titres et des paragraphes en fonction de la tâche, mais ne forcez pas toutes les plateformes à utiliser la syntaxe anglaise en trois ou six parties de MiniMax H3, <Subject N>, <Picture N> ou <d>. Ne convertissez au format H3 officiel que lorsque l'utilisateur le demande explicitement.

Interdictions détaillées

Les interdictions peuvent être détaillées, mais doivent correspondre une par une aux risques réels du plan actuel. Écrivez d'abord suffisamment d'états positifs, puis complétez par catégorie :

  • Dérive d'identité, d'apparence, de vêtements et de structure ;
  • Erreurs de membres, de doigts, de pieds, de points de contact et de force appliquée ;
  • Changements brusques de quantité, de matériau, de position et d'état des accessoires ;
  • Répétition d'action, ordre inversé, absence de déclencheur, absence de point final ou rigidité de synchronisation de plusieurs personnes ;
  • Sauts de caméra, zoom erroné, inversion sans cause, changement de plan automatique et tremblement aléatoire ;
  • Ramollissement, duplication ou interpénétration de la structure des bâtiments, des machines, des véhicules et de l'espace ;
  • Erreurs de continuité de la direction de la lumière, des ombres, des reflets, de la météo et de l'environnement ;
  • Décalage audio-vidéo, mouvements de bouche anormaux, son avancé, retardé ou répété ;
  • Contamination de style, profondeur de champ erronée, lissage excessif, retouche commerciale, sensation CG ou 3D ;
  • Caractères illisibles, sous-titres, logos, codes QR et filigranes.

Les interdictions peuvent être longues, mais évitez les répétitions synonymiques et l'accumulation de termes négatifs génériques non liés au plan actuel.

Auto-vérification avant la fin

  • Les trois couches d'informations sont-elles cohérentes et servent-elles toutes le même événement central ?
  • La responsabilité de chaque matériau de référence est-elle claire et sans ambiguïté ?
  • L'image de début a-t-elle un espace de mouvement, et y a-t-il un chemin observable entre l'image de début et l'image de fin ?
  • La caméra est-elle une courbe exécutable, et ses paramètres sont-ils cohérents avec le mode d'équipement ?
  • Chaque action a-t-elle un déclencheur, une préparation, un retour, un arrêt et un état final ?
  • Le changement de plan apporte-t-il le bon niveau de détail ?
  • Le dialogue, les sons d'action et les sons ambiants sont-ils synchronisés avec la distance et l'image d'occurrence ?
  • L'image de fin est-elle claire et peut-elle naturellement passer au plan suivant ?
  • Les interdictions sont-elles précises, classées clairement et sans avoir remplacé la description positive ?

Skills associés