Communityコーディング&開発github.com

h3-prompt-director

将故事、小说、剧本、大纲或人物设定转换为可直接用于 MiniMax H3(Ref2VA / R2V 参考工作流 + MiniMaxH3AddGuide 接段)的分镜与视频提示词交付文件。

h3-prompt-director とは?

H3 Prompt Director 是一个专为 MiniMax H3 视频生成模型设计的 AI 技能,它能够将叙事文本(故事、小说、剧本等)自动转化为结构化的 Markdown 交付文件,包含分镜、资产表和逐段视频提示词。该技能深度集成 ComfyUI 的 Ref2VA/R2V 参考工作流和 MiniMaxH3AddGuide 扩展,支持跨段接续生成。它遵循六阶段自动化流程,从故事解析、分镜、资产一致性到最终质检和交付,全程无需人工干预,默认使用中文正文。该技能适合需要将复杂叙事快速转化为 AI 视频生成指令的开发者和内容创作者,尤其适用于处理 H3/Ref2VA/R2V/AddGuide 相关工作流。

対応✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/zdwl001/h3-prompt-director/tree/main

Installed? Explore more コーディング&開発 skills: steipete/bluebubbles, steipete/eightctl, steipete/blucli · View all 6 →

お気に入りのAIに質問する

このエージェントスキルを事前に読み込んだ状態で新しいチャットを開きます。

ドキュメント

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。

  1. 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。
  2. 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)。
  3. 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。
  4. 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。
  5. 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。
  6. 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。
  7. 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。
  8. 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:

  1. 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
  2. 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)
  3. 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
  4. 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。

関連スキル