映画連続運動プロンプト は何をしますか?
クリエイティブを、生成可能かつ検証可能な監督の演出に変換します。デフォルトでは中国語の自然言語を使用。精度は、具体的な画面事実、アクション因果、物理フィードバック、音響タイミング、明確な終状態に基づきます。漠然とした形容詞やプラットフォームフォーマットの積み重ねには拠りません。
まずタスクと精度を判定する
入力関係
まず最も近い入力モードを特定します。
- 無参照生成: テキストから完全な音響タイムラインを構築。
- 先頭フレーム駆動: 参照画像を0秒とし、「先頭フレームアンカー→アクション開始→連続発展→結果または反応」の順に展開。
- 先頭末尾フレーム駆動: 2枚の画像で開始と終了を固定し、観測可能な中間経路と段階的収束プロセスに重点を置く。
- 末尾フレーム駆動: 妥当な事前状態から出発し、参照画像で規定された構図と状態に徐々に収束。
- マルチモーダル参照: 画像、動画、音声がそれぞれ、識別情報、シーン、スタイル、アクション、カメラワーク、構図、声質、キーフレームなどの役割を担う。
- 参照画像先行: まず動きに適した先頭フレーム画像を設計し、ユーザーが実際に生成・確認した画像に基づいて動画プロンプトを書き直す。
- プロンプトレビュー/失敗修正: 最も早い因果エラー、競合、過負荷ポイントを特定し、その後完全でコピー可能なバージョンを書き直す。
次に撮影構成を選択します。連続ワンカット、アクションマッチングカット、参照画像進化、スマホネイティブ実写、人物マイクロ演技、大人向け抑制的親密なインタラクション。ワンカット、FPV、航空撮影、複雑なカメラワークを自然に高級とみなさないこと。
精度レベル
- 通常モード: 実際に画面に影響を与えるパラメータを自動選択し、可視結果に重点を置く。
- 高精度モード: ユーザーが「詳細なプロンプト」「できるだけ詳細に」「完全なプロンプト」「完全な監督版」「監督級」などと近い表現をした場合に有効。長いプロンプトを許可するが、各文は画面事実、連続性要件、または実際の失敗リスクに対応していなければならない。
高精度モードで撮影設定が不足している場合、まず一般的な言葉で期待される効果(空間が広いか圧迫感があるか、人物が親密か距離があるか、背景が明確かぼやけているか、手持ちか安定か、ドキュメンタリー調か洗練されているか)を尋ね、その回答を機器カテゴリ、焦点距離、絞り、被写界深度、フォーカス、モーションパラメータに変換します。ユーザーに先に専門用語を理解するよう要求しないでください。もし題材が明確にスマホ、ドローン、監視カメラ、ドキュメンタリーであれば、その機器のロジックに直接従います。
三層アーキテクチャを使用する
1. 静的ビジュアル層
以下の要素から本当に生成に影響を与えるフィールドを選択します。機械的に表を埋めないでください。
- 時間: 年代、季節、時刻。
- 主体: 識別情報、年齢、外見、体格、服装、素材、小道具、初期姿勢。
- シーン: 自然環境、建築構造、天気、調度品、空間関係、生活感。
- 撮影: スタイル、アスペクト比、構図、カメラ位置、角度、遠近法、フォーカス、被写界深度、光源、光の方向、色彩。
カメラブランド、具体的な焦点距離や絞りは、遠近法、被写界深度、または画質を説明でき、かつ機器モードと矛盾しない場合にのみ記述します。
2. 動的連続層
各キーアクションは完全な状態チェーンで記述します。
初期状態 → 可視トリガー → 準備 → 開始 → プロセス → 身体/小道具/衣料/環境フィードバック → 減速または停止 → 検証可能な終状態
人物の重心、視線、手、小道具の状態、カメラパスは、同じ空間ロジックを共有しなければなりません。完了したアクションは繰り返さず、物体が原因なく出現、消失、持ち替え、素材変更してはいけません。
3. 音響同期層
環境ノイズ、アクション音、人物の非言語音声、台詞/ナレーション、BGMをそれぞれ処理します。各キーサウンドについて、発生源、距離、トリガーアクション、開始終了、強弱、空間変化を説明します。無条件にBGMを追加しないでください。
完全なテンプレートとチェックリストは references/prompt-framework.md を参照してください。
不変量と参照の役割を固定する
書き始める前に以下を決定します。
- 識別情報または構造の不変量。
- 初期空間、構図、光の方向。
- カメラの開始点、パス、終了点。
- 主体のアクションと心理的因果。
- 距離変化に伴う可視詳細。
- 風、衣料、髪、影、反射、音響フィードバック。
- 検証可能な末尾フレームと次のカットへのインターフェース。
マルチモーダル参照では役割テーブルを確立します。各素材は明確な役割のみを担い、複数の役割を持てますが、「すべて参照」のように曖昧にしてはいけません。
| 素材 | 割り当て可能な役割 |
|---|---|
| 画像 | 識別情報、服装、製品外観、シーン、構図、スタイル、先頭フレーム、キーフレーム、末尾フレーム |
| 動画 | アクション、カメラワーク、編集リズム、時間構造、ソース動画の編集または続き |
| 音声 | オリジナル音声の再利用、声質、話し方、リズム、音楽スタイル、音響の連続性 |
「完全に保持必須」「部分的な変化を許可」「特定の属性のみ移行」「大まかな雰囲気参照のみ」を区別します。これは内部チェック用の言語であり、MiniMax H3の専用フィールドや英語タグを出力することを強制しません。
競合を解決する
識別情報、年齢、顔立ち、髪型、服装、時間、空間、光の方向、機器、被写界深度、カメラワーク、左右の手、アクション順序、台詞タイミング、終状態をチェックします。
優先順位:
ユーザーが明確に指定した参照画像の事実 > ユーザーの現在の明確な指示 > グローバル統一設定 > 何度も繰り返され一貫した記述 > タイムラインの局所的な記述 > 雰囲気の修辞
判断できる場合は能動的に統一し、監督判断の中で簡単に説明します。二つのバージョンが同程度に重要で、最終的な映像を変える場合にのみ質問します。最終的なコピー可能なプロンプト内に、相互に排他的な設定を残してはいけません。
タイムラインとカットを構成する
まずセマンティックビートでアクションを構成し、その後ユーザーが指定した長さ、カットポイント、台詞同期、またはプラットフォームの要件に応じて秒数にマッピングします。各ビートについて、現在の空間、アクション準備、アクションプロセス、フィードバック、終点、次のトリガーを明確に記述します。
カメラワークは以下に還元可能でなければなりません。
動作タイプ + 振幅 + 速度 + 移動目標 + 停止状態
カメラの主要な動きと、小さな人体/乗り物の微動を区別します。押し出し、横移動、高さの起伏は一つの運動曲線に融合できますが、同等の強度の並列指示としては記述しません。軽微なショットサイズや角度の変化は連続カメラワークを優先します。カットは新しい空間、新しい時間、新しい情報、新しい状態、または必要なアクションマッチングをもたらす場合にのみ使用します。
距離、演技、物理フィードバック
- 遠景ではスケール、方向、空間関係を記述。
- 中景では姿勢、重心、服装のシルエット、人物関係を記述。
- 近景では目の動き、瞬き、呼吸、口元、接触点、衣料の応力を記述。
- クローズアップでのみ、毛穴、産毛、ファンデーション感、微細な傷、ガラスの反射、金属の傷を記述。
表情はイベントによってトリガーされなければなりません。 刺激 → 知覚 → 視線/呼吸が先に変化 → 頭部または身体の反応 → 確認 → 感情の収束 → 最終姿勢。
接触は最初に接触点と力を確立し、その後相手または物体のフィードバック、重心変化、衣料変化、停止状態を記述します。複雑な機械も同様に、ロック、力、動き、減速、停止を記述します。
参照画像先行ワークフロー
ユーザーが先頭フレームまたは参照画像を要求した場合、references/prompt-framework.md の「参照画像先行」セクションを読み、以下を実行します。
- 簡潔な監督判断を出力。
- 独立した、完全で、コピー可能な画像プロンプトを出力。
- 先頭フレームを、アクションがまさに起ころうとしている、または始まったばかりのオープンな状態にします。アクション完了後の閉じたポスターのような姿勢にしないでください。
- 手足、小道具、視線、移動方向、前景と背景の視差、カメラパスにスペースを残します。
- ユーザーが実際に生成した画像を提供した後は、画像内の可視事実を新しいベースラインとして、画像-動画一貫性テーブルを確立し、動画プロンプトを書き直します。
ユーザーが最終的な先頭フレームを提供していない段階で、その具体的な構図を確定したふりをしないでください。
特化モード
- スマホネイティブ、POV、人物マイクロ演技、大人向け抑制的親密なインタラクションまたは台詞タスクについては、references/precision-writing-guide.md を読む。
- ユーザーが提供する優れたサンプルを学習する場合、または同様の言語密度が必要な場合、references/exemplar-library.md を読む。
- 影视飓风フレームワーク、既存手法、MiniMax H3公式手法のトレードオフを理解する必要がある場合、references/method-comparison.md を読む。
- このSkillを更新する場合、または新しいルールを検証する場合、references/regression-suite.md を読む。
出力契約
ユーザーが簡易版を明確に要求しない限り、デフォルトで以下を納品します。
- 監督判断: 核心イベント、ビジュアルフォーカス、アクション因果、カメラワークの選択、最大生成リスク。簡潔に保つ。
- 直接コピー可能な完全なプロンプト: 中国語を主とし、再生順に完全に記述。「その他は不変」「同上」「前文参照」、または省略記号で本文を置き換えてはいけません。
- 安定リトライ版: 人物が多すぎる、アクションが密集している、複数の手での受け渡し、複雑なカメラワーク、複数の参照素材、またはその他の高リスクな組み合わせの場合にのみ提供。同時アクションを減らすが、ナラティブの結論は変えない。
プロンプト内部ではタスクに応じてタイトルや段落を使用できますが、すべてのプラットフォームにMiniMax H3の英語三段式、六段式、<Subject N>、<Picture N>、<d>構文を強制しないでください。ユーザーが明確にH3公式フォーマットを要求した場合のみ、そのフォーマットに変換します。
詳細禁止項目
禁止項目は詳細にできますが、現在のカットの実際のリスクに一つ一つ対応し、まず十分なポジティブな状態を記述し、その後カテゴリごとに補足します。
- 識別情報、顔立ち、服装、構造のドリフト。
- 手足、指、足、接触点、力の誤り。
- 小道具の数、素材、位置、状態の突然の変化。
- アクションの繰り返し、逆順、トリガー欠如、終点欠如、複数人物の同期の硬直化。
- カメラのジャンプ、誤ったズーム、原因のない逆方向、自動カット、ランダムな揺れ。
- 建築物、機械、車両、空間構造の軟化、複製、貫通。
- 光の方向、影、反射、天気、環境の連続性エラー。
- 音響と映像のずれ、口の動きの異常、音声の先行、遅延、繰り返し。
- スタイル汚染、誤った被写界深度、過度な肌補正、商業的レタッチ、CG感、3D感。
- 文字化け、字幕、ロゴ、QRコード、ウォーターマーク。
長さは許容しますが、同義反復や現在のカットに関係のない一般的なネガティブワードの積み重ねは禁止します。
完了前の自己チェック
- 三層の情報は一貫しており、すべて同じ核心イベントにサービスしているか?
- 各参照素材の役割は明確で、曖昧さがないか?
- 先頭フレームは動きの余地を持ち、先頭フレームと末尾フレームの間に観測可能な経路があるか?
- カメラは実行可能な曲線であり、パラメータは機器モードと一致しているか?
- 各アクションにトリガー、準備、フィードバック、停止、終状態があるか?
- ショットサイズの変化は正しいレベルの詳細をもたらしているか?
- 台詞、アクション音、環境音は距離と発生フレームに同期しているか?
- 末尾フレームは明確で、自然に次のカットに入れるか?
- 禁止項目は正確で、分類が明確で、ポジティブな記述に置き換えられていないか?