H3 Prompt Director · 故事 → MiniMax H3 视频提示词
把一篇叙事文本变成一份 Markdown 交付文件:总览表 + 资产表 + 逐段区块。每段区块里的提示词可以直接复制进 ComfyUI 本地 Ref2VA(R2V)工作流,配合 MiniMaxH3AddGuide 做跨段接续。
默认全自动:从故事到交付不中途停下等创作确认;质量由阶段⑥的检查清单兜底。唯一的回合边界是 00-workflow.md §6.11 的防截断检查点(阶段④落盘后结束当前回合,用户回复“继续”即进入⑤⑥),它不是等待审批,只做进度汇报。
边界:只是改一条现有提示词的语法、补字段或问语法细节时,直接看 references/official/ 与 01-grammar.md,不必走六阶段;只有从叙事文本走到分镜、分段、资产与逐段提示词时,才走完整流程。
首次使用:官方三文档不随仓库分发。先运行 bash scripts/fetch-official.sh(Windows 用 scripts/fetch-official.ps1)把它们下载到 references/official/;未拉取时 skill 仍可运行,但语法细节缺少最高优先级依据。
开工顺序
流程权威是 references/00-workflow.md(六阶段、装箱规则、交付结构、完整质检清单)。开工先完整读它,再按下面的挂钩表读对应板块。不要在开工时全量预读 03–10——每个板块只在她生效的阶段开始前读一次,读过即用。
| 阶段 | 做什么 | 本阶段读取 |
|---|---|---|
| ① 故事解析 | 人物表(每人一条外貌锚点)、场景表、情节节拍、对白原文、情绪曲线;决定改编范围 | 00;08-dialogue.md(对白三去向) |
| ② 分镜与时长预算 | 拆镜头列表:景别/运镜/画面/声音/预算时长;补动作链、物体出处、状态连续性、道具白名单 | 03-camera.md、04-emotion.md、05-rhythm.md、06-sound.md、07-style.md、09-transition.md |
| ③ 分段装箱 | 镜头按序装箱成段;吸附 24FPS 网格;三原子性;逐段连接清单;模式 B 接段 | 05-rhythm.md(§3 单趟算法)、08-dialogue.md、09-transition.md |
| ④ 一致性资产 | 资产表:角色图/场景图/道具图/音色音频;每张图一条生图提示词或用户提供标记 | 02-assets.md |
| ⑤ 提示词成文 | Ref2VA 六段逐段成文;开场连续性;声明句式;动作措辞 | 01-grammar.md(必读)、05-rhythm.md §4、08-dialogue.md |
| ⑥ 质检与交付 | 按 00 §5 清单逐条过;只记偏离项与跨段结论;按 00 §4 结构交付 | 00 §4–§6 |
阶段④完成后先落盘全部计划表,用一行摘要结束当前回合(段数/总时长/资产数/文件路径);用户回复“继续”后再进入⑤⑥逐段增量写完。这是为避免长任务被接口截断的硬约束;检查点不询问创作取舍,与“全自动”不冲突。
不可违反的不变量
这些规则即使某个板块没读到也必须遵守;与官方三文档冲突时以官方原文为准。
- 双通道标签:
<Picture N>/<Video N>/<Audio N>只编号 R2V 参考输入槽位,编号 = 实际连接顺序,跨六段含义不变。AddGuide 引导通道的图/片段经 vae 进 conditioning,不占编号、提示词中不写其标签;引导连续性只用自然语言在开场描述中与像素锚点互证。 - 接段模式 B(默认):上一段生成结果末尾 22 帧 → 本段 AddGuide 的 image 输入、
frame_idx=0;同一 22 帧对应的尾音频 → audio 输入(默认开启音频锚定)。本段开场写“延续上一段结尾的运动与声音”;交付物标注拼接时裁掉前 22 帧(执行端自动裁前缀则免)。 - 尾段可用:每段最后 22 帧(0.92 秒,约最后 1 秒)必须落在同一镜头内,画面清晰可读;不要求静止,自然动作收尾或缓速运动都可以;只禁止末 22 帧内的快速运镜与切镜。
- 时长网格:段总时长吸附 24FPS 下 17k+5 帧网格(3.75–14.38 秒,见
01-grammar.md§6)。所有[Shot N] At MM:SS.mmm时间戳严格递增、在段时长内,且与总览表一致;段内切点不必是网格值。 - 装箱三原子性:镜头不跨段;连续对白(一句或一组对话)不跨段;每段参考 ≤9 图 / 3 视频 / 3 音频(计数 = 出场角色图 + 场景图 + 道具图;音色参考占音频槽,引导尾音频不占)。取整 slack 由过渡/衔接镜头吸收,顺序:过渡镜头 → 末尾氛围镜头 → 建立镜头;不动动作镜头与情绪镜头。
- 场景图:默认 12 格分格图,不含任何可移动物体;12 格必须覆盖不同区域/视角,不是 12 个近似角度。引用时必须声明网格性质;可移动物体单独出道具图,并写明出现镜头与交互主体。
- 对白:
<d>[语言] 原文</d>内逐字保留,不翻译、不改写、不润色;(Sx)按段内发声顺序独立编号,每段附角色→(Sx) 映射表(给用户看,不属于提示词);旁白用固定画外音句式并声明闭唇。 - 语言:叙述正文默认中文(项目开关,可切回英文)。固定 token 永远英文:六段字段名、
[Shot N]、At MM:SS.mmm、参考标签、<d>[语言]、<scenetrans>、<cutoff>、retention 标记、summary 任务类型前缀、N/A。
最容易踩的几条写法
完整规则在 01-grammar.md 与 00-workflow.md,这里只列最常错、且一错就返工的:
- Six sections, fixed order:
subject_definitions→summary→retention_analysis→detailed_description→overall_soundscape→non_diegetic_music。不可调换、不可缺项(无音乐写N/A)。 <Picture N>独立条目仅限帧/构图锚点(首帧/尾帧/关键帧/构图锚点)。仅用于定义角色、场景、道具、风格的图,不单独立条,在对应<Subject N>定义句内引用源图。但每张接入参考通道的图都占一个<Picture N>编号,按本段连接顺序连续编号(每段从 1 起);“不单独立条”只影响写法,不影响占号和计数。- 船、车、大型载具按可移动物体处理:出道具图,不入场景图(场景图红线:不含任何可移动物体)。
- 场景图声明句式:
<Subject 2> 是这座院落的环境,形制取自 <Picture 2>;<Picture 2> 是同一环境多角度视图的 12 格参考网格,各格为同一地点的不同区域与视角,非连续镜头或分镜,12 格合起来构成完整全景,其中不含任何可移动物体。 - 道具图声明句式:
<Subject 3> 是竹匾道具,形制与编纹取自 <Picture 3>;它出现在 [Shot 6]、[Shot 7],由 <Subject 1> 双手端持。 - 模式 B 段的 summary 前缀用
[reference generation](有其他参考时用+组合);video continuation只在存在真实<Video N>参考视频时使用。 - summary 语言:方括号任务类型前缀永远英文;前缀后的概述语言随项目正文语言(默认中文)。
01-grammar.md§2 的“英文概述”是官方默认表述,被项目语言开关覆盖,两者不矛盾。 - summary 覆盖所有标签:summary 必须点名本段每个参考标签的角色,包括
<Audio N>绑定的音色(如“<Audio 1> 只提供……的音色参考”);只写画面不写音频=参考关系不完整。 <Subject N>定义要有文字锚点:至少写 2–3 个可核对特征(年龄/身形/服装/材质),不能只写“外貌取自<Picture N>”;参考图负责像素,文字负责约束,两者缺一都会漂移。- 说话人首次发声句内声明(身份/年龄/性别/是否出镜/音高等 +
(Sx)),之后复用不重声明;retention_analysis中禁止出现(Sx)。 - 对白完整句式:
<说话人标签> (<Sx>) + 说话动词 + <d>[语言] 原文</d>。<d>紧跟说话动词、独占一句;禁止把<d>嵌进“口型与……同步”这类描述句。 - 对白预算按更宽口径:
05-rhythm.md§2 的“字数÷3(沉稳÷2.5)+ 2–2.5s”优先于00-workflow.md的 +1.5–2s 基线;切点会漂移,缓冲宁宽勿窄。 - 不新增原文没有的对白:默认只做“保留 / 改旁白 / 删除”三种去向;用户明确要求补白时,逐句写入决策记录,并保持人物口吻与时代语汇。
- 运镜写成镜内自然动作句(类型 + 幅度 + 速度,后两者有意义才写),禁止 token 堆叠。
- 动作有起始态与结束态;每次拿/放物体写明来源与去向;同一道具只出现一个实例;案面陈设逐个点名;核心动作独占镜头并写出可见结果。
- 形态变化安排在段边界:变化前的段挂旧形态图,变化后的段挂新形态图;变化动作所在段只挂新形态图,变化前的起始态由上一段末 22 帧引导锚定。若变化发生在段中,优先拆段或把变化移到段首,避免同段两张互斥参考图。
- 音色参考的挂载范围:有发声的段挂该角色的音色参考;无发声的段不挂,避免无主
<Audio N>;同一角色跨段始终用同一条文件。
交付文件
严格按 assets/delivery-template.md 的骨架写,结构定义见 00-workflow.md §4:
- 总览表(段号|镜头构成含 slack 记录|段时长网格值|参考槽位|引导来源)+ 全局生成参数
- 资产表(全局编号|名称|锚点描述|生图提示词或用户提供标记)
- 整体连线图——默认省略,逐段连接清单即操作版;仅用户明确要求时出 mermaid
- 逐段区块:参数 → 连接清单(参考通道 + 引导通道 + 说话人映射 + 台词核算)→ 六段提示词 → 拼接说明
阶段①–④的计划表(人物表 / 场景表 / 镜头表 / 形态变化表 / 台词逐句核算表)放在交付文件前部,全部用表格;装箱结果写进镜头表“段号”列,不单独做装箱表;无形态变化时该表写“无”。
增量写文件:先写总览表 + 资产表骨架,再一段一次工具调用追加。禁止把完整交付物塞进单条聊天消息;聊天里只留进度说明、最终摘要与文件路径。
执行纪律
- 全自动:不在阶段之间等确认。取舍决策(改编范围、旁白位置、接缝、道具出图/免图等)在做出的当下写入交付物「决策记录」,崩溃恢复时按记录执行,不重新权衡。
- 语言 A/B:规范库记录显示中文正文已于一个真实项目项目完成 A/B 验证并维持中文默认(见
10-troubleshooting.md§1)。默认不再出双语版;仅当用户明确要求时重测。 - 未指定属性定稿:原文没写的人物年龄/性别/外形,在①解析时定稿并写入决策记录;资产图、人物表、提示词共用同一套锚点,禁止各写一套。
- 单轮环境的检查点:若运行环境无法真正中断回合(子任务/自动化单轮调用),连续执行完⑤⑥,并在摘要注明“已跳过阶段④回合检查点”;不要为了等“继续”而停死。
- 空检索跳过:如果选择用知识库回查而检索为空,最多尝试 1 次,然后注明“该板块规范缺位,按官方语法与总纲执行”,禁止换词重试。
- 失败自救:中途报错/截断时,先读已写入的交付物,从最后一个成功段区块续写,禁止从头重跑。
- 内联质检:写每段时随写随核该段相关项;全部写完后只做一次跨段检查(接缝/标签总数/时长合计/参考计数)。
生成期排障
用户反馈生成结果不达标时,读 references/10-troubleshooting.md:先定位层(接线层 → 提示词层 → 资产层),先诊断后动参,一次只改一个变量。级联规则:重生成段 N 后,段 N+1 及之后的引导片段必须从新结果重新抽取;若新尾帧状态与原开场描述不符,同步修订下游开场描述。
参考文件索引
| 文件 | 内容 |
|---|---|
references/00-workflow.md | 【流程权威】六阶段、装箱、接段模式 B、交付结构、完整质检清单、效率规则、冲突仲裁 |
references/01-grammar.md | 【语法底线】Ref2VA 六段、标签与双通道、对白句式、时长网格、本地节点参数、禁止清单 |
references/02-assets.md | 角色图 / 12 格场景图 / 道具图(含多形态)/ 音色参考音频与红线 |
references/03-camera.md | 景别体系、开场钩子、运镜选择、轴线、运镜红线 |
references/04-emotion.md | 情绪可见性原则、表演三层次、情绪镜头停留 |
references/05-rhythm.md | 衔接动作取舍、时长预算与逐句核算、单趟装箱算法、动作描写 |
references/06-sound.md | 声音三层归属、连续性、配乐工艺、声音叙事 |
references/07-style.md | 风格锚点四件套、时代一致性红线、光源点名、色彩 |
references/08-dialogue.md | 对白三去向、密度预算、旁白工艺、多人对话、原文保真 |
references/09-transition.md | 段内转场词汇、过渡镜头、跨段接缝、走位规则 |
references/10-troubleshooting.md | 故障速查表、重试决策与级联重生成 |
references/official/official-skill.md | 官方 H3 Skill 原文(T2VA/I2VA/FL2VA/L2VA/Ref2VA 入口;安装时拉取,不随仓库分发) |
references/official/base-en.txt | 官方 base 模式语法原文(T2VA/I2VA/FL2VA/L2VA;安装时拉取) |
references/official/ref-en.txt | 官方 Ref2VA 六段语法原文(标签、retention、完整示例;安装时拉取) |
references/README.md | 来源、版本、文件名映射与更新方法 |
assets/delivery-template.md | 交付文件骨架与表头 |
冲突仲裁:官方三文档(references/official/,需先拉取)> 00-workflow.md > 03–09 创作板块。创作板块不得改动流程与官方语法。