Communitygithub.com

shaoye0219-svg/cinematic-continuity-prompt

Escreva, revise ou reconstrua prompts de vídeo em chinês de alta precisão para modelos de IA de vídeo como Seedance, Jimeng, Xiao Yunque, MiniMax H3 e outros. Adequado para geração sem referência, condução por primeiro/primeiro e último/último quadro, referência multimodal, quadro de referência primeiro, movimento contínuo de câmera, storyboard com correspondência de ação, POV de celular, micro-atores humanos, sincronização de diálogo, movimentos físicos complexos e reparo de falhas de geração.

O que é cinematic-continuity-prompt?

Este skill é projetado para profissionais que trabalham com modelos de geração de vídeo por IA, permitindo a criação de prompts em chinês com altíssima precisão e controle. Ele se destaca por oferecer uma metodologia estruturada em três camadas (visual estática, contínua dinâmica e sincronização audiovisual) que garante consistência lógica e espacial ao longo de toda a sequência do vídeo. O skill é compatível com múltiplas plataformas, incluindo Seedance, Jimeng, Xiao Yunque e MiniMax H3, e suporta diversos modos de entrada, como geração sem referência, condução por quadros-chave, referência multimodal e reparo de falhas. Além disso, inclui modos especiais para POV de celular, micro-atores humanos, interações íntimas contidas adultas e sincronização de diálogo, fornecendo diretrizes detalhadas para cada cenário. Sua abordagem de "bloqueio de invariantes" e "resolução de conflitos" garante que o prompt final seja livre de contradições, preciso e pronto para produção, com ênfase em fatos visuais, causais e temporais, evitando adjetivos vagos ou formatação excessiva específica de plataformas.

Funciona com~Claude Code~Codex CLI~Cursor
npx skills add shaoye0219-svg/cinematic-continuity-prompt

Perguntar na sua IA favorita

Abre um novo chat com esta habilidade de agente já pré-carregada.

Documentação

Prompt de Continuidade Cinematográfica

Traduza sua ideia criativa em instruções de direção geráveis e verificáveis. O padrão é usar linguagem natural em chinês; a precisão vem de fatos visuais concretos, causalidade de ação, feedback físico, sincronização audiovisual e estados finais definidos – não de adjetivos vagos ou empilhamento de formatação de plataforma.

Primeiro, Determine a Tarefa e a Precisão

Relação de Entrada

Identifique primeiro o modo de entrada mais próximo:

  • Geração sem referência: Construir uma linha do tempo audiovisual completa a partir do texto.
  • Condução por primeiro quadro: A imagem de referência é o segundo 0; progrida de "ancoragem do primeiro quadro → início da ação → desenvolvimento contínuo → resultado ou reação".
  • Condução por primeiro e último quadros: Duas imagens bloqueiam o início e o fim; concentre-se em escrever o caminho intermediário observável e o processo de convergência gradual.
  • Condução por último quadro: Parta de um estado anterior razoável e gradualmente caia na composição e estado especificados pela imagem de referência.
  • Referência multimodal: Imagens, vídeos e áudio assumem respectivamente as responsabilidades de identidade, cena, estilo, ação, movimento de câmera, composição, linha vocal ou quadro-chave.
  • Quadro de referência primeiro: Primeiro, projete uma imagem de primeiro quadro adequada para movimento contínuo; depois, reescreva o prompt de vídeo com base na imagem gerada e confirmada pelo usuário.
  • Revisão de prompt/Reparo de falha: Identifique o ponto mais antigo de erro causal, conflito ou sobrecarga; depois, reescreva uma versão completa e copiável.

Em seguida, escolha a organização da filmagem: plano-sequência contínuo, storyboard com correspondência de ação, evolução de imagem de referência, filmagem nativa de celular, micro-ator humano, interação íntima contida adulta. Não considere plano-sequência, FPV, drone ou movimento de câmera complexo como inerentemente superiores.

Níveis de Precisão

  • Modo normal: Selecione automaticamente os parâmetros que realmente afetam a imagem; concentre-se em escrever resultados visíveis.
  • Modo de alta precisão: Ativado quando o usuário diz "prompt detalhado", "o mais detalhado possível", "prompt completo", "versão completa do diretor", "nível de diretor" ou expressões similares. Permite prompts longos, mas cada frase deve corresponder a um fato visual, requisito de continuidade ou risco real de falha.

No modo de alta precisão, se faltarem configurações de filmagem, primeiro pergunte em linguagem comum sobre o efeito desejado, como espaço aberto ou opressivo, personagens próximos ou distantes, fundo nítido ou desfocado, câmera na mão ou estável, documental ou requintado; depois, traduza as respostas em categoria de equipamento, distância focal, abertura, profundidade de campo, foco e parâmetros de movimento. Não exija que o usuário entenda parâmetros técnicos primeiro. Se o tema já é claramente celular, drone, vigilância ou documentário, siga diretamente a lógica do equipamento correspondente.

Use a Arquitetura de Três Camadas

1. Camada Visual Estática

Selecione dentre os seguintes elementos aqueles que realmente afetam a geração; não preencha uma tabela mecanicamente:

  • Tempo: Era, estação, momento.
  • Sujeito: Identidade, idade, aparência, físico, vestuário, material, adereços, postura inicial.
  • Cena: Ambiente natural, estrutura arquitetônica, clima, mobiliário, relações espaciais e vestígios de vida.
  • Filmografia: Estilo, proporção de tela, composição, posição da câmera, ângulo, perspectiva, foco, profundidade de campo, fonte de luz, direção da luz e cor.

Marca da câmera, distância focal específica e abertura só devem ser escritos quando puderem explicar perspectiva, profundidade de campo ou textura da imagem e não entrarem em conflito com o modo do equipamento.

2. Camada Dinâmica Contínua

Cada ação-chave deve ser escrita seguindo uma cadeia de estados completa:

Estado inicial → Gatilho visível → Preparação → Início → Processo → Feedback do corpo/adereços/tecido/ambiente → Desaceleração ou parada → Estado final verificável

O centro de gravidade do personagem, a linha de visão, as mãos, o estado dos adereços e o trajeto da câmera devem compartilhar a mesma lógica espacial. Ações já concluídas não se repetem; objetos não podem aparecer, desaparecer, mudar de mão ou alterar material sem causa.

3. Camada de Sincronização Audiovisual

Processe separadamente: ruído de fundo do ambiente, som de ação, som não verbal do personagem, diálogo/off-screen e música. Cada som-chave deve explicar fonte, distância, ação gatilho, início e fim, intensidade e mudança espacial. Não adicione música incondicionalmente.

O modelo completo e a lista de verificação estão em references/prompt-framework.md.

Bloqueie Invariantes e Responsabilidades de Referência

Antes de começar a escrever, determine:

  1. Invariantes de identidade ou estrutura;
  2. Espaço, composição e direção da luz iniciais;
  3. Ponto de partida, trajeto e ponto final da câmera;
  4. Causalidade da ação do sujeito e psicologia;
  5. Detalhes visíveis trazidos pela mudança de distância;
  6. Vento, tecido, cabelo, sombras, reflexos e feedback sonoro;
  7. Último quadro verificável e interface para o próximo plano.

A referência multimodal deve estabelecer uma tabela de responsabilidades. Cada material assume responsabilidades claras; pode ter múltiplas responsabilidades, mas não pode exigir vagamente "referenciar tudo":

MaterialResponsabilidades Atribuíveis
ImagemIdentidade, vestuário, aparência do produto, cena, composição, estilo, primeiro quadro, quadro-chave, último quadro
VídeoAção, movimento de câmera, ritmo de edição, estrutura temporal, edição ou continuação do vídeo fonte
ÁudioReutilização do som original, linha vocal, maneira de falar, ritmo, estilo musical, continuidade sonora

Diferencie entre "deve ser completamente mantido", "permite variação local", "apenas migra um determinado atributo", "serve apenas como referência ampla de atmosfera". Isso é linguagem de verificação interna; não é obrigatório gerar campos dedicados ou tags em inglês do MiniMax H3.

Resolva Conflitos

Verifique: identidade, idade, traços faciais, penteado, vestuário, tempo, espaço, direção da luz, equipamento, profundidade de campo, movimento de câmera, mão direita/esquerda, ordem das ações, timing do diálogo e estado final.

Prioridade:

Fato da imagem de referência especificada pelo usuário > Instrução atual clara do usuário > Configuração global unificada > Descrição repetida e consistente > Descrição local da linha do tempo > Retórica de atmosfera

Quando puder julgar, unifique ativamente e explique brevemente na decisão de direção; pergunte apenas quando duas versões são igualmente críticas e podem alterar o resultado final. O prompt copiável final não deve conter configurações mutuamente exclusivas.

Organize a Linha do Tempo e os Planos

Primeiro, organize as ações por batidas semânticas; depois, mapeie para segundos quando o usuário fornecer duração, pontos de corte, sincronização de diálogo ou necessidade da plataforma. Cada batida deve descrever claramente o espaço atual, preparação da ação, processo da ação, feedback, ponto final e próximo gatilho.

O movimento de câmera deve ser redutível a:

Tipo de movimento + Amplitude + Velocidade + Alvo do movimento + Estado de parada

Diferencie o movimento principal da câmera de pequenas perturbações do corpo/veículo. Avanço, deslocamento horizontal e variação de altura podem ser fundidos em uma curva de movimento, mas não como instruções paralelas de igual intensidade. Pequenas mudanças de planos ou ângulos priorizam movimento contínuo de câmera; um corte deve trazer novo espaço, novo tempo, nova informação, novo estado ou correspondência de ação necessária.

Distância, Atuação e Feedback Físico

  • Plano geral: Escreva escala, direção e relações espaciais.
  • Plano médio: Escreva postura, centro de gravidade, contorno do vestuário e relações entre personagens.
  • Primeiro plano: Escreva movimento dos olhos, piscadas, respiração, cantos da boca, ponto de contato e tensão do tecido.
  • Close-up: Só escreva poros, pelos, textura da pele, pequenas imperfeições, reflexos de vidro ou arranhões de metal.

Expressões devem ser acionadas por eventos: Estímulo → Percepção → Mudança nos olhos/respiração primeiro → Reação da cabeça/corpo → Confirmação → Declínio emocional → Postura final.

Contato deve primeiro estabelecer ponto de contato e força, depois escrever o feedback da outra pessoa ou objeto, mudança no centro de gravidade, mudança no tecido e estado de parada. Máquinas complexas também devem escrever travamento, força, movimento, desaceleração e estabilização.

Fluxo de Trabalho: Quadro de Referência Primeiro

Quando o usuário solicitar primeiro um quadro de referência, leia a seção "Quadro de Referência Primeiro" em references/prompt-framework.md e execute:

  1. Produza um julgamento de direção conciso;
  2. Produza um prompt de imagem independente, completo e copiável;
  3. Faça com que o primeiro quadro esteja em um estado aberto, prestes a acontecer ou começando, não em uma pose de pôster fechada após a ação;
  4. Reserve espaço para mãos, pés, adereços, linha de visão, direção do movimento, paralaxe entre primeiro e segundo plano e trajeto da câmera;
  5. Depois que o usuário fornecer a imagem gerada real, estabeleça uma tabela de consistência imagem-vídeo com base nos fatos visíveis na imagem e reescreva o prompt de vídeo.

Não finja que a composição específica já está bloqueada quando o usuário ainda não forneceu o primeiro quadro final.

Modos Especiais

Contrato de Saída

A menos que o usuário solicite explicitamente uma versão resumida, entregue por padrão:

  1. Julgamento do Diretor: Evento central, foco visual, causalidade da ação, escolha do movimento de câmera, maior risco de geração; mantenha conciso.
  2. Prompt completo diretamente copiável: Principalmente em chinês, escrito na ordem de reprodução; não deve conter "o resto permanece inalterado", "como acima", "consulte o texto anterior" ou reticências substituindo o texto.
  3. Versão para retry estável: Forneça apenas quando houver muitos personagens, ações muito densas, múltiplas trocas de mão, movimento de câmera complexo, múltiplos materiais de referência ou outras combinações de alto risco; reduza ações concorrentes sem alterar a conclusão narrativa.

Internamente, o prompt pode usar títulos e parágrafos conforme a tarefa, mas não force todas as plataformas a usar a sintaxe inglesa de três parágrafos, seis parágrafos, <Subject N>, <Picture N> ou <d> do MiniMax H3. Converta para o formato H3 oficial apenas quando o usuário solicitar explicitamente.

Itens Proibidos Detalhados

Os itens proibidos podem ser detalhados, mas devem corresponder a riscos reais do plano atual, um por um; primeiro escreva o estado positivo suficiente, depois complemente por categoria:

  • Deriva de identidade, feições, vestuário e estrutura;
  • Erros de membros, dedos, pés, ponto de contato e força;
  • Mudança abrupta na quantidade, material, posição e estado dos adereços;
  • Ação repetida, reversa, sem gatilho, sem ponto final ou rigidez de sincronização de múltiplos personagens;
  • Salto de câmera, zoom incorreto, reversão sem causa, corte automático e tremor aleatório;
  • Amolecimento, duplicação ou clipping de estruturas de edifícios, máquinas, veículos e espaços;
  • Erros de continuidade de direção da luz, sombras, reflexos, clima e ambiente;
  • Dessincronização audiovisual, lábios anormais, som adiantado, atrasado ou repetido;
  • Contaminação de estilo, profundidade de campo incorreta, suavização excessiva da pele, retoque comercial, sensação CG ou 3D;
  • Texto ilegível, legendas, logotipos, QR codes e marcas d'água.

Permite ser longo, mas proíbe repetição sinônima e acúmulo de palavras negativas genéricas irrelevantes para o plano atual.

Autoverificação Antes de Finalizar

  • As informações das três camadas são consistentes e todas servem ao mesmo evento central?
  • A responsabilidade de cada material de referência é clara e inequívoca?
  • O primeiro quadro tem espaço para movimento? Existe um caminho observável entre o primeiro e o último quadro?
  • A câmera é uma curva executável? Os parâmetros são consistentes com o modo do equipamento?
  • Cada ação tem gatilho, preparação, feedback, parada e estado final?
  • A mudança de enquadramento traz o nível correto de detalhes?
  • O diálogo, som de ação e som ambiente estão sincronizados com a distância e o quadro de ocorrência?
  • O último quadro é claro e pode entrar naturalmente no próximo plano?
  • Os itens proibidos são precisos, categorizados de forma clara e não substituem descrições positivas?

Habilidades Relacionadas