高ダイナミックカメラワーク（H3 図生ビデオプロンプト）
プラグインで自動読み込みされた参照画像を、完全な MiniMax H3 図生ビデオ Ref2VA プロンプトに変換します。このスキルはビデオプロンプトのみを生成し、キャラクターカード、アクション初フレームのテキスト-画像プロンプト、ストーリーボードテーブルは出力しません。
入力モード
- 画像モード（推奨）：プラグインが 1〜6 枚の参照画像を自動読み込み済み。
h3-ref2va-contract.mdのタグルールを使用して各画像を定義：<Subject N>は再利用可能な内容（人物、シーン、小道具、スタイル）を定義、<Picture N>は画像を初フレーム/キーフレームアンカーとして使用する場合のみ使用。 - 純テキストモード：参照画像が提供されていない場合、エラーを出したり拒否したりしてはいけません。代わりに、ユーザーのテキスト記述に基づいて
subject_definitionsに主体定義を作成します（例：<Subject 1> is a ... described by the user as ...）。<Picture N>の初フレームアンカーは表示せず、summaryは[reference generation]を使用します。ユーザーがアクション構図の記述を明確に提供し、それを開始画面として使用したい場合のみ、その記述を開始画面アンカーとして宣言しkeyframe completionを追加します。 - どちらのモードもキャラクターカードやアクション初フレームのテキスト-画像プロンプトを出力しません。画像生成タスクはこのスキルの範囲外です。
参照ファイル
references/h3-ref2va-contract.md：6 セクション Ref2VA 構造、タグ、保持マーカー、タイムライン、サウンドルールの唯一の権威ある契約。references/high-motion-h3.md：高ダイナミック定義、カメラ指示構文、モーション密度と因果連鎖、拒否リスト。references/generalized-speed-grammar.md：モーションプロトタイプライブラリ、カメラモジュールライブラリ、弾力的時間配分、高速語彙。
visual-case-design.md と sample-motion-blueprint.md は読み込みません。ユーザーが明示的に hoverboard サンプル構造の再現を要求しない限り、その固定タイムポイント、ジャンプ、180 度旋回、着地ドリフトを流用してはいけません。
出力フォーマット
厳密にノードフォーマットに従い、2 つのセクションを出力します。
[視覚分析]
参照画像またはテキスト記述内の主体、シーン、アクション、利用可能なスタイルアンカーを 2〜3 文の日本語で要約。
[最終ビデオプロンプト]
英語の 6 セクション。フィールド名と順序は厳密に固定：
subject_definitions:
...
summary:
...
retention_analysis:
...
detailed_description:
...
overall_soundscape:
...
non_diegetic_music:
...
detailed_description は、H3 が必要とする構図、主体のアイデンティティ、環境と照明、アクションと状態変化、カメラワーク、同期物理サウンドエフェクト、および参照内容が有効になる位置を完全にカバーしなければなりません。文字数を稼ぐためにアクションを捏造せず、時間的実現可能性を優先します。
高ダイナミックハード要件
すべてのプロンプトは以下を同時に満たす必要があります。
- 主体は少なくとも 2 軸に沿って移動：前進+下降、横移動+上昇、前進+横回転/バンクなど。
- 主体の見かけのスケールまたはカメラ距離が顕著に変化：フレームいっぱいになる、遠ざかる、カメラに近づいて通過する、距離が急速に変わる。
- 前景構造、ケーブル、手すり、破片、または粒子がフレームを横切り、高速視差を形成。
- 主体が物理要素と相互作用：ドアを通過、障害物を越える、レールを擦る、車を避ける、表面に衝突、推力を偏向、車両を追い越す、すれ違う。
- 加速/減速が可視：身体の圧縮、推力形態、後流の歪み、火花、舞い上がる塵、雨水の剥離、衝撃波、衣類/髪の遅れ。
- カメラが能動的に追跡：押し込む、引き離す、横移動、上下動、横に変える、距離を変える、バンクに追従。中央で静止または等速平行追従してはいけません。
各ビートに因果連鎖を書く：主体の力/アクション → 身体/装備の応答 → 環境反応 → カメラ応答。速度のコントラストを使用し、全体を通して等速平行追跡は禁止。
カメラ指示構文
- 公式括弧指示：
[Truck left]、[Truck right]、[Pan left]、[Pan right]、[Push in]、[Pull out]、[Pedestal up]、[Pedestal down]、[Tilt up]、[Tilt down]、[Zoom in]、[Zoom out]、[Shake]、[Tracking shot]、[Static shot]。 - 同時指示は同じ括弧内にカンマ区切りで記述（例：
[Tracking shot,Push in]）；1 つの括弧に最大 3 つまで。異なる時点では異なる指示グループを使用。 - 高ダイナミックモードでは
[Static shot]を禁止、同時に押し込み＋引き離しなどの相反する指示も禁止。 - 弧線、旋回、クレーン、反転、接近通過など公式指示がないカメラワークは自然英語で記述し、存在しない括弧指示を捏造してはいけません。
- 少なくとも 2〜3 組の順次カメラ指示を配置し、追跡、方向転換、終了をカバー。
時間配分
ビデオ時間に応じてビートを割り当て、固定タイムスタンプは流用しない：
- 約 5 秒：3 ビート。0.0-0.5 で即座に高速に入り、中間で複合通過または方向転換、終了で決定的な空間収束。
- 6〜8 秒：3〜4 ビート。1 回の追加反転、障害物、または環境の開示を許可。
- 約 10 秒：4〜5 ビート。1 回の大きな速度コントラストと 1 回の環境遷移を含む。
タイムラインとサウンド
[Shot 1]の先頭にAtで時間を区切ってはいけません。後続のショットはAt MM:SS.mmmを使用し、厳密に増加し、総時間を超えないこと。<Picture 1>を開始アンカーとして使用する場合、the shot begins from <Picture 1>と明示的に記述。- 会話/歌詞は
<d>[言語] ...</d>で囲み、元の言語を保持。話者は安定した(S1)、(S2)で識別。 detailed_descriptionに同期会話、人間の声、ショット内サウンドイベントを配置。overall_soundscapeに持続的な環境音と物理アクション音を配置。non_diegetic_musicには観客に聞こえる BGM のみを配置し、楽器、テンポ、リズム、ダイナミクスを明記。欠落している場合はN/Aと記述。3 つのセクションは互いに重複してはいけません。
セルフチェックリスト（出力前に各項目を通過）
- 6 つのフィールドがそれぞれ 1 回出現し、順序が厳密に固定されている。
- すべてのタグが
subject_definitionsで定義された後に使用され、全体で意味が一貫している。 summaryのタスクタイプが入力モードと一致：純テキスト参照は[reference generation]。画像初フレームアンカーは[keyframe completion + reference generation]。- 各タグが
retention_analysisでちょうど 1 行、固定マーカーを使用（fully_preserved、partially_preserved、attribute_transfer、weak_reference；音声はfully_copy、partially_copy、reference、weak_reference）。 detailed_descriptionが[Shot 1]で始まり、[Shot 1]にAtタイムスタンプがない。後続のショットの時間は増加し、持続時間内である。- 少なくとも 2 組の順次公式カメラ指示。
[Static shot]なし。単一括弧内に 3 つ以上の指示がない。 - 6 つの高ダイナミックハード要件を満たす：2 軸移動、スケール変化、前景視差、障害物接触、可視加速度、能動的カメラ。
- 因果連鎖が完全：動作 → 身体/装備の応答 → 環境反応 → カメラ応答。
- 少なくとも 3 つの明確な時点が開始、通過、終了をカバー。
overall_soundscapeとnon_diegetic_musicが会話を繰り返さず、互いに重複しない。- 終了が開始状態から与えられた持続時間内に実現可能であり、静的なジェスチャーやウインクで終了を偽装しない。
- 画像モードではプラグインが提供する参照画像のみを使用。純テキストモードではユーザーの記述に基づいて主体を作成し、記述されていない詳細を捏造しない。