H3 Prompt Director

H3 Prompt Director · História → MiniMax H3 Prompts de Vídeo

Transforma um texto narrativo em um arquivo de entrega Markdown: tabela de visão geral + tabela de ativos + blocos por segmento. Os prompts em cada bloco podem ser copiados diretamente para o fluxo de trabalho local Ref2VA (R2V) no ComfyUI, usando o MiniMaxH3AddGuide para concatenação entre segmentos.

Padrão totalmente automático: da história à entrega sem parar no meio do caminho para confirmação criativa; a qualidade é garantida pela lista de verificação na fase ⑥. O único ponto de quebra de turno é o checkpoint de prevenção de corte na seção 6.11 de 00-workflow.md (após a fase ④, o turno atual termina; o usuário responde "continuar" para entrar nas fases ⑤⑥). Não é uma aprovação, apenas um relatório de progresso.

Limite: Se for apenas para ajustar a sintaxe de um prompt existente, preencher campos ou perguntar sobre detalhes gramaticais, consulte diretamente references/official/ e 01-grammar.md, sem passar pelas seis fases. O fluxo completo só é executado quando se parte de um texto narrativo para storyboard, segmentação, ativos e prompts por segmento.

Primeiro uso: Os três documentos oficiais não são distribuídos com o repositório. Execute primeiro bash scripts/fetch-official.sh (Windows: scripts/fetch-official.ps1) para baixá-los para references/official/; a skill ainda funciona sem eles, mas os detalhes gramaticais perdem a autoridade máxima.

Ordem de Início

A autoridade do fluxo é references/00-workflow.md (seis fases, regras de empacotamento, estrutura de entrega, lista de verificação completa). Leia-o completamente antes de começar, depois leia as seções correspondentes conforme a tabela de ganchos abaixo. Não pré-leia 03–10 completamente no início — cada seção é lida apenas uma vez, antes da fase em que entra em vigor, e já é usada.

Fase	O que faz	Lê nesta fase
① Análise da História	Tabela de personagens (um ponto de ancoragem visual por personagem), tabela de cenários, batidas do enredo, diálogos originais, curva emocional; decide o escopo da adaptação	00; 08-dialogue.md (três destinos do diálogo)
② Storyboard e Orçamento de Tempo	Lista de planos: enquadramento/movimento de câmera/imagem/som/tempo orçado; complementa cadeias de ação, origem dos objetos, continuidade de estado, lista branca de adereços	03-camera.md, 04-emotion.md, 05-rhythm.md, 06-sound.md, 07-style.md, 09-transition.md
③ Segmentação e Empacotamento	Planos em sequência empacotados em segmentos; ajuste na grade 24FPS; três atomicidades; lista de conexão por segmento; modo B de concatenação	05-rhythm.md (§3 algoritmo de passagem única), 08-dialogue.md, 09-transition.md
④ Ativos de Consistência	Tabela de ativos: imagens de personagens/cenários/adereços/áudio de timbre; cada imagem tem um prompt de geração ou uma marcação de fornecimento pelo usuário	02-assets.md
⑤ Redação dos Prompts	Ref2VA seis seções por segmento; continuidade de abertura; frases de declaração; redação de ações	01-grammar.md (leitura obrigatória), 05-rhythm.md §4, 08-dialogue.md
⑥ Verificação e Entrega	Verificar item por item conforme lista em 00 §5; registrar apenas desvios e conclusões entre segmentos; entregar conforme estrutura em 00 §4	00 §4–§6

Após a conclusão da fase ④, primeiro salve todos os planos, termine o turno atual com um resumo de uma linha (número de segmentos/duração total/número de ativos/caminho do arquivo); o usuário responde "continuar" para entrar nas fases ⑤⑥ e escrever incrementalmente por segmento. Esta é uma restrição rígida para evitar que tarefas longas sejam cortadas pela interface; o checkpoint não pergunta sobre escolhas criativas e não entra em conflito com a "automação total".

Invariantes Inquebráveis

Estas regras devem ser seguidas mesmo que uma seção não tenha sido lida; em caso de conflito com os três documentos oficiais, prevalece o texto original oficial.

1. Tags de canal duplo: <Picture N> / <Video N> / <Audio N> numeram apenas os slots de entrada de referência do R2V; o número = a ordem real de conexão, com significado constante nas seis seções. Imagens/segmentos do canal de guia AddGuide passam pelo vae para condicionamento, não ocupam número, nem escrevem suas tags no prompt; a continuidade da guia é comprovada mutuamente apenas por linguagem natural na descrição de abertura e com âncoras de pixel.
2. Modo B de concatenação (padrão): Os últimos 22 quadros do resultado da geração do segmento anterior → entrada image do AddGuide deste segmento, frame_idx=0; o áudio final correspondente a esses 22 quadros → entrada audio (ancoragem de áudio ativada por padrão). A abertura deste segmento escreve "Continua o movimento e o som do final do segmento anterior"; na anotação de entrega, corte os primeiros 22 quadros ao emendar (se o executor cortar automaticamente o prefixo, dispensa).
3. Final do segmento utilizável: Os últimos 22 quadros (0,92 segundos, aproximadamente o último 1 segundo) de cada segmento devem estar dentro do mesmo plano, com imagem clara e legível; não é necessário que esteja parado; movimentos naturais de encerramento ou movimentos lentos são aceitáveis; apenas proíbe movimento rápido de câmera e corte dentro dos últimos 22 quadros.
4. Grade de duração: A duração total do segmento deve se ajustar à grade de 17k+5 quadros em 24FPS (3,75–14,38 segundos, veja 01-grammar.md §6). Todos os [Shot N] At MM:SS.mmm devem ser estritamente crescentes, dentro da duração do segmento e consistentes com a tabela de visão geral; os pontos de corte dentro do segmento não precisam ser valores da grade.
5. Três atomicidades do empacotamento: Planos não cruzam segmentos; diálogo contínuo (uma frase ou um grupo de conversas) não cruza segmentos; por segmento, referências ≤ 9 imagens / 3 vídeos / 3 áudios (contagem = imagens de personagens que aparecem + cenários + adereços; referência de timbre ocupa slot de áudio; áudio de guia final não ocupa). A folga de arredondamento é absorvida por planos de transição/ligação, na ordem: plano de transição → plano de atmosfera final → plano de estabelecimento; não mexa em planos de ação e emocionais.
6. Imagem de cenário: Padrão: grade de 12 painéis, sem qualquer objeto móvel; os 12 painéis devem cobrir diferentes áreas/perspectivas, não 12 ângulos aproximados. Ao referenciar, declare a natureza da grade; objetos móveis devem ter imagens de adereço separadas, com menção explícita dos planos em que aparecem e do sujeito da interação.
7. Diálogo: Dentro de <d>[idioma] texto original</d>, preserve caractere por caractere; não traduza, não reescreva, não refine; (Sx) é numerado independentemente por ordem de fala dentro do segmento; cada segmento anexa um mapeamento personagem→(Sx) (para o usuário ver, não faz parte do prompt); narração usa frase de voz over fixa e declara lábios fechados.
8. Idioma: O texto narrativo principal é chinês por padrão (chave de projeto, pode voltar para inglês). Tokens fixos são sempre em inglês: nomes de campos das seis seções, [Shot N], At MM:SS.mmm, tags de referência, <d>[idioma], <scenetrans>, <cutoff>, marcações de retenção, prefixo de tipo de tarefa no resumo, N/A.

As Regras de Escrita Mais Fáceis de Errar

As regras completas estão em 01-grammar.md e 00-workflow.md; aqui estão apenas as que são mais frequentemente erradas e que causam retrabalho:

• Seis seções, ordem fixa: subject_definitions → summary → retention_analysis → detailed_description → overall_soundscape → non_diegetic_music. Não inverta, não omita itens (sem música escreva N/A).
• <Picture N> como entrada independente apenas para âncoras de quadro/composição (primeiro quadro/último quadro/quadro-chave/âncora de composição). Imagens usadas apenas para definir personagens, cenários, adereços, estilos, não entram como itens independentes; são referenciadas dentro da frase de definição do <Subject N> correspondente. Mas cada imagem conectada ao canal de referência ocupa um número <Picture N>, numerado consecutivamente na ordem de conexão deste segmento (cada segmento começa em 1); "não entrar como item independente" afeta apenas a forma de escrita, não a ocupação do número e a contagem.
• Navios, carros, veículos grandes são tratados como objetos móveis: crie imagem de adereço, não coloque na imagem de cenário (regra de ouro da imagem de cenário: não contém nenhum objeto móvel).
• Frase de declaração de imagem de cenário: <Subject 2> é o ambiente deste pátio, cuja forma é retirada de <Picture 2>; <Picture 2> é uma grade de referência de 12 painéis com vistas de múltiplos ângulos do mesmo ambiente, cada painel é uma área e perspectiva diferente do mesmo local, não são planos contínuos ou storyboard, os 12 painéis juntos formam uma panorâmica completa, que não contém nenhum objeto móvel.
• Frase de declaração de imagem de adereço: <Subject 3> é o adereço de cesto de bambu, cuja forma e trama são retiradas de <Picture 3>; ele aparece em [Shot 6], [Shot 7], segurando com ambas as mãos por <Subject 1>.
• Prefixo do resumo no modo B: use [reference generation] (se houver outras referências, combine com +); video continuation é usado apenas quando há um vídeo de referência <Video N> real.
• Idioma do resumo: O prefixo do tipo de tarefa entre colchetes é sempre em inglês; a visão geral após o prefixo segue o idioma do texto principal do projeto (chinês por padrão). O "resumo em inglês" em 01-grammar.md §2 é a declaração oficial padrão, substituída pela chave de idioma do projeto; ambos não são contraditórios.
• Resumo cobre todas as tags: O resumo deve nomear o papel de cada tag de referência deste segmento, incluindo o timbre vinculado ao <Audio N> (ex.: "<Audio 1> fornece apenas a referência de timbre para…"); escrever apenas a imagem e não o áudio = a relação de referência está incompleta.
• Definição de <Subject N> deve ter âncora textual: Escreva pelo menos 2–3 características verificáveis (idade/porte/roupas/material); não pode escrever apenas "aparência retirada de <Picture N>"; a imagem de referência cuida dos pixels, o texto cuida das restrições; ambos são necessários para evitar deriva.
• Declare na primeira frase de fala do falante (identidade/idade/gênero/se aparece em cena/tom, etc. + (Sx)); reutilizações não precisam de nova declaração; retention_analysis não pode conter (Sx).
• Frase completa de diálogo: <Rótulo do Falante> (<Sx>) + verbo de fala + <d>[idioma] texto original</d>. <d> imediatamente após o verbo de fala, ocupando uma frase inteira; é proibido inserir <d> dentro de frases descritivas como "sincronização de boca com…".
• Orçamento de diálogo pelo critério mais amplo: 05-rhythm.md §2 "caracteres÷3 (sóbrio÷2.5) + 2–2.5s" tem precedência sobre a linha de base +1.5–2s de 00-workflow.md; os pontos de corte podem flutuar; a margem é melhor mais larga do que mais estreita.
• Não adicione diálogo que não está no original: Padrão: apenas três destinos "manter / mudar para narração / excluir"; quando o usuário pedir explicitamente para preencher lacunas, registre decisão frase por frase e mantenha o tom do personagem e o vocabulário da época.
• Movimento de câmera: Escreva como frase de ação natural dentro do plano (tipo + amplitude + velocidade, estes dois últimos apenas se significativos); proíbe empilhamento de tokens.
• Ação com estado inicial e final: A cada pegar/colocar objeto, escreva a origem e o destino; um mesmo adereço só pode ter uma instância; nomeie itens na superfície da mesa um por um; ações principais ocupam planos exclusivos e mostram resultados visíveis.
• Mudanças de forma na borda do segmento: O segmento antes da mudança usa a imagem da forma antiga; o segmento após a mudança usa a imagem da nova forma; o segmento onde a mudança ocorre usa apenas a imagem da nova forma; o estado inicial antes da mudança é ancorado pela guia dos últimos 22 quadros do segmento anterior. Se a mudança ocorrer no meio do segmento, priorize dividir o segmento ou mover a mudança para o início do segmento, evitando duas imagens de referência mutuamente exclusivas no mesmo segmento.
• Escopo de montagem da referência de timbre: Segmentos com fala montam a referência de timbre do personagem; segmentos sem fala não montam, evitando <Audio N> sem dono; o mesmo personagem sempre usa o mesmo arquivo entre segmentos.

Arquivo de Entrega

Escreva estritamente de acordo com o esqueleto de assets/delivery-template.md; a definição da estrutura está em 00-workflow.md §4:

1. Tabela de visão geral (número do segmento | composição do plano com registro de folga | valor da grade de duração do segmento | slots de referência | fonte da guia) + parâmetros globais de geração
2. Tabela de ativos (número global | nome | descrição da âncora | prompt de geração ou marcação de fornecimento pelo usuário)
3. Diagrama geral de conexão — omitido por padrão, a lista de conexão por segmento é a versão operacional; apenas quando o usuário pede explicitamente, gere mermaid
4. Bloco por segmento: parâmetros → lista de conexão (canal de referência + canal de guia + mapeamento de falantes + cálculo das falas) → seis seções de prompt → instruções de emenda

As tabelas de planejamento das fases ①–④ (tabela de personagens / tabela de cenários / tabela de planos / tabela de mudanças de forma / tabela de cálculo frase por frase das falas) são colocadas na parte frontal do arquivo de entrega, todas em formato de tabela; o resultado do empacotamento é escrito na coluna "número do segmento" da tabela de planos, não faça uma tabela de empacotamento separada; se não houver mudança de forma, escreva "sem mudança".

Escreva o arquivo incrementalmente: primeiro escreva a tabela de visão geral + o esqueleto da tabela de ativos, depois adicione uma chamada de ferramenta por segmento. Proibido colocar o arquivo de entrega completo em uma única mensagem de chat; no chat, deixe apenas as explicações de progresso, o resumo final e o caminho do arquivo.

Disciplina de Execução

• Totalmente automático: Não espere por confirmação entre as fases. As decisões de escolha (escopo de adaptação, posição da narração, costuras, adereço com/sem imagem, etc.) são registradas no "Registro de Decisões" no momento em que são tomadas; na recuperação de falhas, execute conforme o registro, sem reavaliar.
• Idioma A/B: O registro de especificações mostra que o texto principal em chinês foi validado em A/B em um projeto real e mantido como padrão (veja 10-troubleshooting.md §1). Por padrão, não produza mais versões bilíngues; só reavalie se o usuário solicitar explicitamente.
• Finalização de atributos não especificados: Idade/gênero/aparência de personagens não escritos no original são finalizados na fase ① e registrados no Registro de Decisões; a imagem do ativo, a tabela de personagens e os prompts compartilham o mesmo conjunto de âncoras; é proibido escrever conjuntos diferentes.
• Checkpoint em ambiente de turno único: Se o ambiente de execução não puder realmente interromper o turno (sub-tarefa/chamada única automatizada), execute continuamente as fases ⑤⑥ e anote no resumo "Checkpoint da fase ④ pulado"; não pare esperando por "continuar".
• Pular pesquisa vazia: Se optar por consultar a base de conhecimento e a pesquisa retornar vazia, tente no máximo 1 vez; depois, anote "Especificação desta seção ausente, executar conforme gramática oficial e diretrizes gerais"; proibido tentar novamente com palavras diferentes.
• Recuperação de falha: Em caso de erro/corte no meio do caminho, leia primeiro o arquivo de entrega já escrito e continue a partir do último bloco de segmento bem-sucedido; proibido reiniciar do zero.
• Verificação de qualidade embutida: Ao escrever cada segmento, verifique os itens relevantes daquele segmento ao mesmo tempo; após escrever tudo, faça apenas uma verificação entre segmentos (costuras/número total de tags/duração total/contagem de referências).

Solução de Problemas em Período de Geração

Quando o usuário relatar que o resultado da geração não atende aos padrões, leia references/10-troubleshooting.md: primeiro localize a camada (camada de conexão → camada de prompt → camada de ativos), diagnóstico primeiro, depois ajuste parâmetros, uma variável de cada vez. Regra em cascata: após regenerar o segmento N, os segmentos de guia do segmento N+1 em diante devem ser reextraídos do novo resultado; se o estado do novo último quadro não corresponder à descrição de abertura original, revise sincronizadamente as descrições de abertura a jusante.

Índice de Arquivos de Referência

Arquivo	Conteúdo
references/00-workflow.md	【Autoridade do Fluxo】Seis fases, empacotamento, modo B de concatenação, estrutura de entrega, lista de verificação completa, regras de eficiência, arbitragem de conflitos
references/01-grammar.md	【Linha de Base da Gramática】Seis seções do Ref2VA, tags e canal duplo, frases de diálogo, grade de duração, parâmetros de nós locais, lista de proibições
references/02-assets.md	Imagens de personagens / imagem de cenário de 12 painéis / imagens de adereços (incluindo múltiplas formas) / áudio de referência de timbre e regras de ouro
references/03-camera.md	Sistema de enquadramento, gancho de abertura, escolha de movimento de câmera, eixo de ação, regras de ouro de movimento de câmera
references/04-emotion.md	Princípio da visibilidade emocional, três níveis de atuação, permanência em planos emocionais
references/05-rhythm.md	Escolha de ações de ligação, orçamento de tempo e cálculo frase por frase, algoritmo de empacotamento de passagem única, descrição de ações
references/06-sound.md	Três camadas de pertencimento do som, continuidade, artesanato musical, narrativa sonora
references/07-style.md	Conjunto de quatro âncoras de estilo, regra de ouro de consistência de época, nomeação de fontes de luz, cor
references/08-dialogue.md	Três destinos do diálogo, orçamento de densidade, artesanato de narração, diálogo em grupo, fidelidade ao original
references/09-transition.md	Vocabulário de transição dentro do segmento, planos de transição, costura entre segmentos, regras de posicionamento
references/10-troubleshooting.md	Tabela de consulta rápida de falhas, decisão de repetição e regeneração em cascata
references/official/official-skill.md	Texto original da Skill H3 Oficial (entrada T2VA/I2VA/FL2VA/L2VA/Ref2VA; baixado na instalação, não distribuído com o repositório)
references/official/base-en.txt	Texto original da gramática do modo base oficial (T2VA/I2VA/FL2VA/L2VA; baixado na instalação)
references/official/ref-en.txt	Texto original da gramática das seis seções do Ref2VA oficial (tags, retenção, exemplo completo; baixado na instalação)
references/README.md	Origem, versão, mapeamento de nomes de arquivos e método de atualização
assets/delivery-template.md	Esqueleto do arquivo de entrega e cabeçalhos de tabela

Arbitragem de Conflitos: Os três documentos oficiais (references/official/, precisam ser baixados primeiro) ＞ 00-workflow.md ＞ seções criativas 03–09. As seções criativas não podem alterar o fluxo e a gramática oficial.