H3 Prompt Director · Histoire → Prompt vidéo MiniMax H3

Que fait H3 Prompt Director · Histoire → Prompt vidéo MiniMax H3 ?

Transforme un texte narratif en un fichier de livraison Markdown : tableau récapitulatif + table des assets + blocs par segment. Les prompts de chaque bloc peuvent être copiés directement dans le workflow local Ref2VA (R2V) de ComfyUI, associé à MiniMaxH3AddGuide pour l'enchaînement entre segments.

Par défaut, tout est automatique : du récit à la livraison sans interruption pour validation créative. La qualité est garantie par la checklist de l'étape ⑥. La seule limite de tour est le point de contrôle anti-coupure du 00-workflow.md §6.11 (après la finalisation de l'étape ④, le tour en cours se termine et l'utilisateur répond 'continuer' pour passer aux étapes ⑤⑥) ; ce n'est pas une demande d'approbation, mais un simple rapport d'avancement.

Limites : lorsque vous modifiez uniquement la syntaxe d'un prompt existant, complétez des champs ou posez des questions sur des détails syntaxiques, consultez directement references/official/ et 01-grammar.md sans passer par les six étapes. Le processus complet n'est déclenché que lorsque vous passez d'un texte narratif à un storyboard, un découpage, des assets et des prompts par segment.

Première utilisation : les trois documents officiels ne sont pas distribués avec le dépôt. Exécutez d'abord bash scripts/fetch-official.sh (Windows : scripts/fetch-official.ps1) pour les télécharger dans references/official/ ; le skill peut toujours fonctionner sans les avoir récupérés, mais les détails syntaxiques manqueront de l'autorité de niveau le plus élevé.

Ordre de démarrage

L'autorité de référence est references/00-workflow.md (six étapes, règles de regroupement, structure de livraison, checklist complète). Lisez-le entièrement avant de commencer, puis lisez les sections correspondantes selon le tableau d'accroche ci-dessous. Ne pré-lisez pas 03–10 au démarrage — chaque section est lue une seule fois, juste avant l'étape où elle est utilisée.

Étape	Ce qu'on fait	Ce qu'on lit pour cette étape
① Analyse du récit	Tableau des personnages (un ancrage visuel par personnage), tableaux des scènes, beats de l'intrigue, dialogues originaux, courbe émotionnelle ; décision du périmètre d'adaptation	00 ; 08-dialogue.md (les trois devenirs des dialogues)
② Storyboard et budget temporel	Décomposition en plans : échelle de cadre/mouvement de caméra/image/son/budget temporel ; complément de chaîne d'actions, provenance des objets, continuité des états, liste blanche des accessoires	03-camera.md, 04-emotion.md, 05-rhythm.md, 06-sound.md, 07-style.md, 09-transition.md
③ Regroupement en segments	Regroupement des plans en segments dans l'ordre ; accrochage à la grille 24 FPS ; trois atomicités ; fiche de connexion par segment ; mode B d'enchaînement	05-rhythm.md (§3 algorithme de passage unique), 08-dialogue.md, 09-transition.md
④ Assets de cohérence	Table des assets : images de personnages/images de scènes/images d'accessoires/audio de timbre ; chaque image est accompagnée d'un prompt de génération ou d'une indication de l'utilisateur	02-assets.md
⑤ Rédaction des prompts	Ref2VA six sections par segment ; continuité d'ouverture ; formulation de déclaration ; formulation des actions	01-grammar.md (lecture obligatoire), 05-rhythm.md §4, 08-dialogue.md
⑥ Contrôle qualité et livraison	Vérification selon la checklist du 00 §5 ; ne noter que les écarts et les conclusions inter-segments ; livrer selon la structure du 00 §4	00 §4–§6

Après l'étape ④, toutes les tables de planification sont finalisées, puis un résumé d'une ligne termine le tour en cours (nombre de segments/durée totale/nombre d'assets/chemin du fichier). L'utilisateur répond 'continuer' avant de passer aux étapes ⑤⑥ pour rédiger les segments un par un. Il s'agit d'une contrainte stricte pour éviter la coupure de la tâche longue par l'interface ; le point de contrôle ne questionne pas les choix créatifs et n'est pas en conflit avec l'automatisation.

Invariants intouchables

Même si une section n'est pas lue, ces règles doivent être respectées. En cas de conflit avec les trois documents officiels, le texte officiel prévaut.

1. Double canal de tags : <Picture N> / <Video N> / <Audio N> numérote uniquement les slots d'entrée de référence R2V ; le numéro = l'ordre de connexion réel, et sa signification reste la même à travers les six segments. Les images/fragments du canal de guidage AddGuide passent par le vae dans le conditioning, n'occupent pas de numéro, et ne sont pas écrits dans les tags du prompt ; la continuité du guidage n'est justifiée que par le langage naturel dans la description d'ouverture, en corrélation avec les points d'ancrage des pixels.
2. Mode B d'enchaînement (par défaut) : les 22 dernières images du résultat du segment précédent → entrée image de AddGuide du segment actuel, frame_idx=0 ; l'audio correspondant à ces 22 images → entrée audio (audio anchoring activé par défaut). La description d'ouverture du segment actuel écrit 'Prolonge le mouvement et le son de la fin du segment précédent'. Dans la livraison, lors de l'assemblage, retirer les 22 premières images (si l'exécution supprime automatiquement le préfixe, cela n'est pas nécessaire).
3. Fin de segment utilisable : les 22 dernières images (environ 0,92 seconde, soit environ la dernière seconde) de chaque segment doivent se trouver dans le même plan, avec une image claire et lisible ; pas besoin d'immobilité, les mouvements naturels de fin ou les mouvements lents sont acceptables ; seuls les mouvements de caméra rapides et les changements de plan dans les 22 dernières images sont interdits.
4. Grille temporelle : la durée totale d'un segment s'accroche à la grille 17k+5 images en 24 FPS (3,75–14,38 secondes, voir 01-grammar.md §6). Tous les [Shot N] At MM:SS.mmm sont strictement croissants, compris dans la durée du segment, et cohérents avec le tableau récapitulatif ; les points de coupure intra-segment ne sont pas nécessairement des valeurs de la grille.
5. Trois atomicités du regroupement : un plan ne traverse pas les segments ; un dialogue continu (une phrase ou un groupe d'échanges) ne traverse pas les segments ; par segment, référence ≤9 images / 3 vidéos / 3 audios (comptage = images des personnages présents + images de scène + images d'accessoires ; la référence de timbre audio occupe un slot audio, l'audio de guidage de fin n'en occupe pas). Le slack d'arrondi est absorbé par les plans de transition/liaison, dans l'ordre : plan de transition → plan d'ambiance finale → plan d'établissement ; ne pas toucher aux plans d'action ni aux plans émotionnels.
6. Image de scène : par défaut, une image de grille 12 cases, ne contenant aucun objet mobile ; les 12 cases doivent couvrir différentes zones/angles de vue, pas 12 angles similaires. La nature de la grille doit être déclarée lors de la référence. Les objets mobiles sont traités séparément dans les images d'accessoires, avec mention des plans d'apparition et du sujet en interaction.
7. Dialogues : le texte original est conservé mot pour mot à l'intérieur de <d>[langue] original</d>, sans traduction, réécriture ni polissage ; (Sx) est numéroté indépendamment selon l'ordre d'expression dans le segment, avec une table de mapping personnage→(Sx) jointe à chaque segment (pour l'utilisateur, ne fait pas partie du prompt) ; la voix off utilise une formulation fixe de narration hors champ et déclare la bouche fermée.
8. Langue : le corps du texte est par défaut en chinois (interrupteur de projet, peut passer en anglais). Les tokens fixes restent toujours en anglais : les noms de champ des six sections, [Shot N], At MM:SS.mmm, les tags de référence, <d>[langue], <scenetrans>, <cutoff>, les marqueurs de rétention, le préfixe du type de tâche dans le résumé, N/A.

Les formulations les plus sujettes à erreur

Les règles complètes se trouvent dans 01-grammar.md et 00-workflow.md, voici celles qui causent le plus souvent des reprises :

• Six sections, ordre fixe : subject_definitions → summary → retention_analysis → detailed_description → overall_soundscape → non_diegetic_music. Inchangeable, ne pas omettre (pour l'absence de musique, écrire N/A).
• Les entrées indépendantes <Picture N> sont réservées aux points d'ancrage d'image/de composition (première image / dernière image / image clé / point d'ancrage de composition). Les images utilisées uniquement pour définir des personnages, scènes, accessoires ou styles ne font pas l'objet d'une entrée indépendante, elles sont référencées dans la phrase de définition du <Subject N> correspondant. Mais chaque image connectée au canal de référence occupe un numéro <Picture N>, numéroté dans l'ordre de connexion de ce segment (chaque segment commence à 1) ; 'ne fait pas l'objet d'une entrée indépendante' n'affecte que la formulation, pas l'occupation du numéro ni le comptage.
• Les navires, véhicules, grands engins sont traités comme des objets mobiles : ils donnent lieu à une image d'accessoire, pas une image de scène (règle rouge de l'image de scène : ne contient aucun objet mobile).
• Formulation de déclaration de l'image de scène : <Subject 2> est l'environnement de cette cour, sa forme est tirée de <Picture 2> ; <Picture 2> est une grille de référence de 12 vues du même environnement, chaque case représentant une zone et un angle différents du même lieu, ni plans continus ni storyboard, les 12 cases forment ensemble un panorama complet, sans aucun objet mobile.
• Formulation de déclaration de l'image d'accessoire : <Subject 3> est l'accessoire panier en bambou, sa forme et son tressage sont tirés de <Picture 3> ; il apparaît dans [Shot 6], [Shot 7], porté à deux mains par <Subject 1>.
• Préfixe du résumé en mode B : utiliser [reference generation] (s'il y a d'autres références, combiner avec +) ; video continuation n'est utilisé que lorsqu'il existe une vraie vidéo de référence <Video N>.
• Langue du résumé : le préfixe du type de tâche entre crochets est toujours en anglais ; l'aperçu après le préfixe suit la langue du corps du texte du projet (chinois par défaut). Le 'résumé en anglais' du §2 de 01-grammar.md est la formulation officielle par défaut, écrasée par l'interrupteur de langue du projet ; les deux ne sont pas contradictoires.
• Le résumé couvre tous les tags : le résumé doit mentionner le rôle de chaque tag de référence de ce segment, y compris le timbre associé à <Audio N> (par exemple, '<Audio 1> fournit uniquement la référence de timbre de...') ; ne décrire que l'image sans l'audio = relation de référence incomplète.
• Les définitions <Subject N> doivent avoir des points d'ancrage textuels : au moins 2 à 3 caractéristiques vérifiables (âge/corpulence/vêtements/matière), ne pas se contenter de 'l'apparence est tirée de <Picture N>' ; l'image de référence est responsable des pixels, le texte est responsable de la contrainte ; les deux sont nécessaires pour éviter les dérives.
• Déclaration lors de la première émission du locuteur : (identité/âge/sexe/présence à l'image/hauteur de voix etc. + (Sx)), puis pas de redéclaration lors des réutilisations ; (Sx) est interdit dans retention_analysis.
• Formulation complète du dialogue : <étiquette du locuteur> (<Sx>) + verbe de parole + <d>[langue] original</d>. <d> suit immédiatement le verbe de parole et occupe une phrase entière ; il est interdit d'intégrer <d> dans des phrases de description comme 'la bouche est synchronisée avec...'.
• Budget temporel du dialogue selon la règle la plus large : 05-rhythm.md §2 'nombre de caractères÷3 (posé÷2,5) + 2–2,5s' a priorité sur la base +1,5–2s du 00-workflow.md ; les points de coupure peuvent dériver, il vaut mieux une marge trop large que trop serrée.
• N'ajoutez pas de dialogues qui ne sont pas dans le texte original : par défaut, seuls trois devenirs sont possibles : 'conserver / transformer en voix off / supprimer' ; lorsque l'utilisateur demande explicitement un ajout, inscrivez la décision phrase par phrase dans le registre des décisions, et conservez le ton du personnage et le vocabulaire de l'époque.
• Les mouvements de caméra s'écrivent comme des phrases de mouvement naturel dans le plan (type + amplitude + vitesse, ces deux derniers seulement si significatifs), empilement de tokens interdit.
• Les actions ont un état de début et un état de fin ; chaque prise/pose d'objet mentionne la provenance et la destination ; un même accessoire n'apparaît qu'en un seul exemplaire ; les objets sur une table sont nommés un par un ; les actions principales occupent un plan à elles seules et produisent un résultat visible.
• Les changements de forme se placent en bordure de segment : le segment avant le changement porte l'image de l'ancienne forme, le segment après le changement porte l'image de la nouvelle forme ; le segment contenant l'action de changement ne porte que l'image de la nouvelle forme, l'état de début avant le changement est ancré par les 22 dernières images du segment précédent. Si le changement a lieu en milieu de segment, il est préférable d'ajuster en déplaçant le changement au début du segment pour éviter deux images de référence mutuellement exclusives dans le même segment.
• Périmètre d'accroche de la référence de timbre : accrocher la référence de timbre d'un personnage aux segments où il parle ; ne pas l'accrocher aux segments où il ne parle pas, pour éviter un <Audio N> sans propriétaire ; pour un même personnage, utiliser toujours le même fichier à travers les segments.

Fichier de livraison

Respecter strictement la structure du fichier assets/delivery-template.md, la définition de la structure se trouve dans le 00-workflow.md §4 :

1. Tableau récapitulatif (numéro de segment｜composition des plans avec enregistrement du slack｜durée du segment en valeur de grille｜slots de référence｜source de guidage) + paramètres globaux de génération
2. Table des assets (numéro global｜nom｜description d'ancrage｜prompt de génération d'image ou indication de l'utilisateur)
3. Diagramme de connexion global — par défaut omis, la fiche de connexion par segment fait office de version opérationnelle ; n'est fournie en mermaid que sur demande explicite de l'utilisateur
4. Blocs par segment : paramètres → fiche de connexion (canal de référence + canal de guidage + mapping des locuteurs + calcul des répliques) → six sections de prompt → instructions d'assemblage

Les tables de planification des étapes ①–④ (tableau des personnages / tableau des scènes / tableau des plans / tableau des changements de forme / tableau de calcul des répliques une par une) sont placées en tête du fichier de livraison, toutes sous forme de tableaux ; le résultat du regroupement est inscrit dans la colonne 'numéro de segment' du tableau des plans, pas de tableau de regroupement séparé ; s'il n'y a pas de changement de forme, la table correspondante indique 'aucun'.

Écrire le fichier de manière incrémentale : d'abord le tableau récapitulatif + le squelette de la table des assets, puis ajouter un segment à la fois par appel d'outil. Interdiction de caser la livraison complète dans un seul message de chat ; ne laisser dans le chat que les explications d'avancement, le résumé final et le chemin du fichier.

Discipline d'exécution

• Entièrement automatique : pas d'attente de confirmation entre les étapes. Les décisions de compromis (périmètre d'adaptation, position de la voix off, jointure, utilisation ou non d'une image d'accessoire, etc.) sont consignées dans le « registre des décisions » au moment où elles sont prises dans le livrable. En cas de reprise après incident, exécuter selon le registre, sans arbitrer à nouveau.
• Langue A/B : le registre des normes indique que le texte en chinois du corps du texte a été validé par un test A/B sur un projet réel et reste la valeur par défaut en chinois (voir 10-troubleshooting.md §1). Par défaut, ne pas produire de version bilingue ; ne tester à nouveau que si l'utilisateur le demande explicitement.
• Attributs non spécifiés finalisés : l'âge/le sexe/l'apparence d'un personnage non mentionné dans le texte original sont finalisés lors de l'étape ① d'analyse et consignés dans le registre des décisions ; les images d'assets, le tableau des personnages et les prompts partagent le même jeu d'ancrages, il est interdit d'en avoir un différent pour chacun.
• Point de contrôle en environnement monocoup : si l'environnement d'exécution ne peut pas réellement interrompre le tour (sous-tâche/appel unique automatisé), exécuter ⑤⑥ en continu, et préciser dans le résumé 'le point de contrôle de l'étape ④ a été sauté' ; ne pas s'arrêter mort en attendant un 'continuer'.
• Saut en cas de recherche vide : si vous choisissez d'utiliser la base de connaissances pour une vérification et que la recherche est vide, essayez au maximum 1 fois, puis mentionnez 'la section de normes est absente, exécution selon la grammaire officielle et les règles générales', ne réessayez pas avec d'autres termes.
• Auto-sauvetage en cas d'échec : en cas d'erreur/de coupure en cours de route, lire d'abord le livrable déjà écrit, reprendre à partir du dernier bloc de segment réussi, ne pas tout recommencer.
• Contrôle qualité en ligne : en écrivant chaque segment, vérifiez au passage les points correspondants de ce segment ; après avoir tout écrit, ne faire qu'une seule vérification transversale (jointure/nombre total de tags/durée totale/comptage des références).

Dépannage en phase de génération

Lorsque l'utilisateur signale que le résultat de la génération n'est pas à la hauteur, lisez references/10-troubleshooting.md : commencez par identifier la couche (couche de câblage → couche de prompt → couche d'asset), diagnostiquez d'abord, puis ajustez les paramètres, un seul changement à la fois. Règle de cascade : après avoir régénéré le segment N, le fragment de guidage du segment N+1 et suivants doit être réextrait du nouveau résultat ; si l'état de la nouvelle dernière image ne correspond pas à la description d'ouverture originale, révisez en aval la description d'ouverture de manière synchrone.

Index des fichiers de référence

Fichier	Contenu
references/00-workflow.md	【Autorité de processus】Six étapes, regroupement, mode B d'enchaînement, structure de livraison, checklist de contrôle qualité complète, règles d'efficacité, arbitrage des conflits
references/01-grammar.md	【Limite syntaxique】Ref2VA six sections, tags et double canal, formulation des dialogues, grille temporelle, paramètres des nœuds locaux, liste des interdictions
references/02-assets.md	Image de personnage / Image de scène 12 cases / Image d'accessoire (incluant les formes multiples) / Audio de référence de timbre et règles rouges
references/03-camera.md	Système d'échelles de cadre, accroche d'ouverture, choix des mouvements de caméra, axe, règles rouges des mouvements de caméra
references/04-emotion.md	Principe de visibilité des émotions, trois niveaux de jeu, arrêt sur un plan émotionnel
references/05-rhythm.md	Choix des actions de liaison, budget temporel et calcul phrase par phrase, algorithme de regroupement en un passage, description des actions
references/06-sound.md	Trois strates d'appartenance du son, continuité, art de la musique de fond, narration sonore
references/07-style.md	Quatre éléments d'ancrage du style, règle rouge de cohérence temporelle, nomination des sources lumineuses, couleurs
references/08-dialogue.md	Trois devenirs des dialogues, budget de densité, art de la voix off, dialogues à plusieurs, fidélité au texte original
references/09-transition.md	Vocabulaire des transitions intra-segment, plans de transition, jointure inter-segments, règle de placement
references/10-troubleshooting.md	Tableau de recherche rapide des pannes, décision de réessai et régénération en cascade
references/official/official-skill.md	Texte original du skill officiel H3 (entrée T2VA/I2VA/FL2VA/L2VA/Ref2VA ; récupéré lors de l'installation, non distribué avec le dépôt)
references/official/base-en.txt	Texte original de la grammaire du mode de base officiel (T2VA/I2VA/FL2VA/L2VA ; récupéré lors de l'installation)
references/official/ref-en.txt	Texte original de la grammaire officielle Ref2VA six sections (tags, rétention, exemple complet ; récupéré lors de l'installation)
references/README.md	Source, version, mapping des noms de fichiers et méthode de mise à jour
assets/delivery-template.md	Structure du fichier de livraison et en-têtes de tableau

Arbitrage des conflits : les trois documents officiels (references/official/, à récupérer d'abord) ＞ 00-workflow.md ＞ sections de création 03–09. Les sections de création ne peuvent pas modifier le processus ni la grammaire officielle.