StarAI-2026/ComfyUI-MiniMax-H3-SkillBridge

MV Estética Musical

Propósito

Use esta Skill quando o usuário quiser criar, revisar, auditar ou gerar prompts de videoclipe ou prompts de curta-metragem emocional onde música, letras, tipografia, referências, ritmo, performance e linguagem de câmera devem ser projetados em conjunto. O fluxo de trabalho adapta regras de prompt de MV para execução em Hub: decisões criativas são confirmadas, prompts bloqueados são escritos em nós de texto do canvas e a criação de mídia é delegada a agentes do Hub.

Não use para inserção de legendas comum, edição de vídeo genérica, anúncios de produtos não musicais ou solicitações simples de imagem única / clipe único sem estrutura de MV.

Regras de compatibilidade do Hub

• Não assuma ferramentas de terceiros, scripts de shell, plugins de navegador ou APIs de geração externas.
• Escreva prompts bloqueados e revisões em nós de texto do canvas do Hub.
• Delegue cartões de personagem, cartões de cena, cartões de tipografia, clipes de vídeo, BGM e montagem final a agentes de imagem, vídeo, música e edição do Hub.
• Não codifique caminhos de saída; sempre use caminhos retornados pelo Hub.
• Se o usuário disser "pule a confirmação / apenas faça", aplique isso apenas para a execução atual, a menos que o orquestrador externo tenha autorização de sessão ativa.
• Se o usuário quiser apenas um prompt, pare após a entrega. Se o usuário quiser um MV finalizado, continue para a geração e montagem após a confirmação.

Princípios centrais

1. Entenda o trabalho antes de escolher uma estrutura. Modelos organizam, mas não são formas obrigatórias.
2. Use a intenção criativa confirmada mais recente.
3. Omita campos irrelevantes em vez de preencher espaços reservados.
4. Não adicione mecanicamente performance, tipografia, transições, movimentos de câmera ou ações de personagem apenas porque um preset os inclui.
5. Texto na tela é uma camada visual projetada, não legendas comuns, a menos que o usuário solicite explicitamente legendas.
6. Se o usuário enviar uma música ou batida real, ela é a faixa musical mestre, a menos que eles solicitem substituição.
7. Edição multi-plano natural para vídeos >15s: quando a duração excede o limite de geração única do modelo, use "decomposição de storyboard multi-plano + continuação de quadro de cauda/cabeça + cortes duros na batida + alinhamento de áudio mestre global". Cada segmento deve preservar o mesmo groove, sensação de tempo, proporção de aspecto, lógica de personagem, preset visual, linguagem de iluminação e regras de movimento de tipografia.
8. Se o usuário quiser um MV estético musical finalizado sem letras, gere e bloqueie letras originais primeiro. O MV final deve referenciar personagem, embalagem de tipografia e cartões de cena juntos. O cartão de embalagem de tipografia controla apenas o estilo de embalagem de texto, textura de fonte, design gráfico, proporção de layout e linguagem de movimento.

ETAPA 1: Bloqueio pré-voo

Antes de escrever o prompt de produção final, confirme a base mínima com opções recomendadas concisas.

1.1 Formato de vídeo

Ofereça opções fixas:

Caso de uso	Proporção	Resolução
TikTok / Reels / Shorts vertical	9:16	1080×1920
YouTube / Bilibili horizontal	16:9	1920×1080
Quadrado para feed	1:1	1080×1080
Teste de anúncio vertical denso	9:16	720×1280
MV widescreen cinematográfico	21:9	2560×1080

A proporção selecionada deve ser reutilizada nos cartões de personagem, cena, referências de tipografia, prompts de plano, clipes de vídeo e montagem final.

1.2 Duração alvo e estrutura multi-plano

Antes de escrever o prompt ou gerar vídeo, confirme a duração alvo do MV. Nunca silenciosamente use o padrão do modelo como intenção do usuário.

Ofereça um cartão de duração compacto:

1. Teste de 10 segundos: um ou dois planos para verificar personagem, cena, tipografia e estilo de áudio.
2. Gancho de 15 segundos: 2–4 planos curtos para um refrão / gancho / frase de performance mais completa.
3. MV completo de 30 segundos ou mais (edição multi-plano): porque muitos modelos têm um teto de geração única de 15 segundos, use automaticamente um fluxo de edição Multi-Plano. Primeiro gere ou bloqueie uma música / BGM contínua, divida 30 segundos em 4–8 planos dinâmicos de 2–5 segundos, depois edite via sincronia de batida e continuidade de quadro de cabeça/cauda.
4. Duração personalizada: o usuário fornece a duração; planeje a contagem de planos e a edição com base no limite de clipe único do modelo selecionado.

Se houver música carregada, a duração confirmada é o comprimento da janela musical.

1.3 Janela musical

Se a música carregada ou especificada for maior que a duração confirmada, bloqueie um segmento antes de escrever prompts:

1. Janela recomendada: o assistente identifica o refrão / gancho / virada emocional mais forte e solicita confirmação.
2. Timestamps do usuário: o usuário fornece segundos de início e fim; verifique se ambos estão dentro do áudio.
3. Multivariante: apenas para teste de gancho de anúncio ou múltiplas direções criativas.

Se a música for mais curta que a duração alvo, use o áudio completo, a menos que o usuário peça explicitamente para esticar ou estender.

1.3.0 Bloqueio de letras e fallback de letras primeiro

Antes dos prompts de vídeo finais ou geração, determine a propriedade das letras:

1. Se o usuário fornecer letras, essas são letras bloqueadas. Não gere, adicione, reescreva, expanda, traduza, parafraseie ou substitua, a menos que explicitamente solicitado.
2. Se o usuário quiser um MV estético musical finalizado sem letras, gere letras originais curtas combinando com o estilo musical, modo vocal, duração, emoção e preset visual, depois bloqueie-as.
3. Letras bloqueadas são o único texto fonte para performance de rap/canto e tipografia visível.
4. Divida as letras bloqueadas em cada plano: Linha de Rap:, Linha Vocal:, Linha Vocal Suave: ou Linha Falada:.
5. Cada campo Tipografia: deve vir das mesmas letras bloqueadas. Durante a performance vocal, o texto visível deve corresponder palavra por palavra à frase performada.
6. No MV de tipografia final, o performer deve cantar ou fazer rap das letras bloqueadas com formas labiais visíveis, movimento de mandíbula, respiração, acentos faciais, acenos e acentos de mão seguindo a frase e o ritmo.

1.3.1 Edição multi-plano padrão para vídeos >15s

Para MVs >15s, como 30 segundos, o script de prompt multi-plano global é a fonte autoritativa:

1. Bloqueie o Áudio Mestre completo: bloqueie uma faixa de música / BGM contínua com o vocal e groove completos como a única linha de base de áudio.
2. Construa uma Linha do Tempo de Lista de Planos: divida 30 segundos em 4–8 planos curtos de 2–5 segundos, mapeados precisamente para timestamps de letras e batidas como caixa, 808 e drop.
3. Continuidade de quadro de cabeça/cauda e cena: se o Plano B continuar a mesma cena, use o quadro de cauda do Plano A como quadro de cabeça do Plano B. Se for um corte duro, preserve o mesmo cartão de personagem, guarda-roupa, prompt de iluminação e use movimento de câmera na mesma direção ou elementos visuais de corte combinado.
4. Geração e montagem de edição: o agente de vídeo gera cada plano a partir da Lista de Planos. O agente de edição alinha todos os clipes à grade de batida do Áudio Mestre global, cortando, ajustando velocidade e editando para sincronia labial natural, sincronia de batida e transições.

ETAPA 2: Contrato Criativo

Antes dos prompts finais, crie um contrato criativo conciso:

• Gênero musical, instrumentação, sensação de tempo/BPM, modo vocal e temperatura emocional.
• Fonte das letras e letras bloqueadas.
• Duração alvo e decomposição multi-plano, por ex., 30s dividido em 6 planos curtos.
• Papéis da imagem de referência: cartão de personagem, cartão de cena, cartão de embalagem de tipografia.
• Linguagem de câmera, tamanhos de plano, foco, densidade de cortes de batida e lógica de transição.
• Exclusões, como sem fades, sem rosto de beleza AI brilhante, sem superalongamento de plano único que cause deformação.

ETAPA 3: Papéis de referência e amostragem de cena

Atribua a cada imagem de referência um trabalho restrito:

• Cartão de referência de tipografia: controla apenas o estilo de embalagem de texto, textura de fonte, design gráfico, proporção de layout e linguagem de movimento. Não deve contribuir com pessoas ou cenas.
• Cartão de referência de personagem: controla identidade do personagem, aura facial, penteado, silhueta de roupa, proporções, postura e presença.
• Cartão de referência de cena: controla estilo de cena, atmosfera espacial, textura de imagem, profundidade de fundo e clima de iluminação.

3.1 Troca de cena close-up e amostragem multi-plano

Para Trap, Dark-pop, Cyber-grunge e outros MVs de ritmo acelerado, alterne rapidamente entre vários espaços close-up:

• Mantenha o clima da cena unificado, mas o espaço de cada plano deve diferir claramente, como fundo local, túnel, parede, faixa de luz ou piso reflexivo.
• As trocas de cena devem ser acionadas por impactos musicais: batida de baixo, drop de 808, caixa, acento vocal ou quebra de tipografia.
• As trocas de plano são "amostras visuais" na batida trap: cortes duros, jump cuts, cortes com glitch de varredura, flash cuts ou action match cuts.

ETAPA 4: Gramática de preset, exemplo Dark-pop / Cyber-grunge e Trap

Linguagem visual e de edição

• Textura realista de alta moda e textura de revista de filme, referenciando revistas indie do final dos anos 90 / início dos anos 2000, papel de fotocópia, scans de filme e colagem de zine.
• Grão pesado, leve tremor de filme, pontos de meio-tom, bordas de impressão ásperas, deslocamentos de scan.
• A edição deve usar apenas cortes duros. Sem fades, dissoluções ou transições suaves.
• Imagem e tipografia respondem fortemente a pistas de batida: rolo de hi-hat cria micro-tremor / pulo de quadro, caixa aciona escala para cima / corte duro / queda de ombro, batida de baixo 808 cria compressão de baixa frequência / esticar / deslocamento.

Regras de embalagem de tipografia

• A tipografia é um sujeito gráfico dinâmico no espaço, não uma barra de legenda. Pode estar em primeiro plano, plano médio, fundo ou ser ocluída por ombros / mãos.
• O texto nunca deve cobrir os olhos ou a expressão facial principal; evite a boca durante sincronia labial crítica.
• Com vocais, as palavras visíveis devem corresponder exatamente às letras performadas. Cada plano tem apenas um evento principal de tipografia.

ETAPA 5: Modelo de estrutura de prompt

Um script multi-plano deve ser modular por plano, com duração precisa e mapeamento de áudio:

[Bloqueio Global de Estética e Personagem]: (personagem global e prompt de âncora estética)

Plano 1 (0,0s - 3,5s)
Linha Vocal: "..."
Tipografia: "..."
Visual & Ação: ...
Câmera & Movimento: ...
Transição de Saída: corte duro para Plano 2 na batida de baixo / whip pan na mesma direção

Plano 2 (3,5s - 7,0s)
Linha Vocal: "..."
Tipografia: "..."
Visual & Ação: ...
Câmera & Movimento: ...
Transição de Saída: ...

ETAPA 6: Continuidade de BGM e sistema de edição multi-plano natural

6.1 Continuidade global de áudio

O MV inteiro deve se vincular a uma única faixa de Áudio Mestre. Durante a geração de vídeo segmentado, não use áudio de clipe independente desconectado. Todos os clipes de vídeo são alinhados aos seus timestamps correspondentes na linha do tempo do Áudio Mestre durante a montagem de edição.

6.2 Protocolo de Edição Natural

Para edição >15s, aplique cinco bloqueios de continuidade:

Continuidade Vocal e Labial: Os pontos de corte devem cair em pausas de letras, respirações, caixa ou drop. Não faça corte duro dentro de uma vogal ou letra ativa, a menos que o próximo plano seja um close-up extremo com formato de boca contínuo.

Correspondência de Ritmo e Batida: Os pontos de corte devem acertar a grade de batida 1/4 ou 1/8. Use ajuste de velocidade para alinhar acenos de cabeça, gestos de mão e piscadas às batidas.

Gradução de Cor e Estética: Cada geração de plano cruzado carrega o mesmo prompt de cabeçalho estético: nível de grão, direção de LUT e direção de luz. A montagem final usa grão de filme 35mm e LUT unificados para ocultar diferenças de cor entre lotes.

Continuidade de Movimento e Transição: Para continuação de plano longo, use o quadro de cauda anterior como o próximo quadro de cabeça e solicite continuação da ação. Para trocas de cena duras, use continuidade cinética, como panorâmica na mesma direção ou corte combinado de oclusão de mão.

Edição de Movimento de Tipografia: O texto no plano anterior deve se despedaçar, varrer ou quebrar a tela em uma batida de baixo; o texto do próximo plano entra ou se desdobra no acento, transferindo impulso visual.

ETAPA 7: Lista de verificação

Verifique silenciosamente antes da entrega:

• Se a duração alvo exceder 15s, a decomposição Multi-Plano foi usada automaticamente?
• Um Áudio Mestre global está bloqueado e os pontos de corte estão alinhados à batida?
• Os cortes evitam quebras vocais no meio da letra, com continuidade natural de lábios e respiração?
• Os planos adjacentes têm lógica de edição clara, como continuação de cauda/cabeça, movimento na mesma direção, corte combinado ou corte duro na batida?
• O estilo de edição é estritamente corte duro, sem fades ou transições suaves?
• Os cartões de personagem / cena / tipografia estão isolados sem contaminação cruzada?
• A tipografia é uma camada espacial que nunca bloqueia os olhos ou a expressão facial principal?
• A qualidade da imagem, grão, cor e iluminação são consistentes globalmente?

ETAPA 8: Entrega no canvas

Após o script de prompt completo do MV estar bloqueado, escreva-o em um nó de texto de canvas dedicado chamado Prompt Completo do MV ou 完整MV Prompt. O nó deve conter o script de prompt multi-plano completo e notas de edição. Revisões posteriores atualizam o mesmo nó.

ETAPA 9: Geração final do MV e fluxo de montagem

1. Bloqueio de prompt e escrita no canvas: confirme que o script de prompt multi-plano completo com timestamps, mapeamento de letras e lógica de transição está escrito no canvas.
2. Geração paralela de planos: o agente de vídeo gera cada plano de 2–5s a partir da Lista de Planos. Para planos de continuação, extraia o quadro de cauda do plano anterior como o próximo quadro de cabeça I2V.
3. Edição e edição multi-faixa: o agente de edição importa o Áudio Mestre global, alinha todos os vídeos de plano por timestamp, corta e ajusta velocidade na grade de batida e verifica emendas com movimento na mesma direção ou máscara de flash cut.
4. Finalização: aplique LUT de filme unificado e sobreposição de grão de filme 35mm para reduzir a plasticidade da IA e travar a consistência visual.
5. Entrega: saída do arquivo de vídeo MV completo e contínuo.