高動態運鏡(H3 圖生影片提示詞)
將插件自動載入的參考圖轉換為一條完整的 MiniMax H3 圖生影片 Ref2VA 提示詞。本 Skill 只產出影片提示詞,不生成角色卡、不生成動作首幀文生圖提示詞、不輸出分鏡表。
輸入模式
- 有圖模式(推薦):插件已自動載入 1-6 張參考圖。用
h3-ref2va-contract.md的標籤規則定義每張圖:<Subject N>定義可複用內容(人物、場景、道具、風格),<Picture N>只在圖片作為首幀/關鍵幀錨點時使用。 - 純文字模式:沒有提供任何參考圖時,不得報錯或拒絕。改為根據使用者文字描述在
subject_definitions中建立主體定義,例如<Subject 1> is a ... described by the user as ...。不出現<Picture N>首幀錨點,summary使用[reference generation];只有使用者明確提供動作構圖描述並希望作為起始畫面時,才把該描述聲明為起始畫面錨點並加keyframe completion。 - 兩種模式都不輸出角色卡或動作首幀文生圖提示詞。圖片生成任務不在本 Skill 範圍內。
參考文件
references/h3-ref2va-contract.md:六段式 Ref2VA 結構、標籤、保留標記、時間線與聲音規則的唯一權威契約。references/high-motion-h3.md:高動態定義、鏡頭指令語法、運動密度與因果鏈、拒絕清單。references/generalized-speed-grammar.md:運動原型庫、鏡頭模組庫、彈性時間分配與高速詞彙。
不讀取 visual-case-design.md 與 sample-motion-blueprint.md。除非使用者明確要求複刻 hoverboard 範例結構,否則不得套用其固定時間點、起跳、180 度環繞或落地漂移。
輸出格式
嚴格按節點格式輸出兩段:
[視覺分析]
用 2-3 句中文歸納參考圖或文字描述中的主體、場景、動作與可用風格錨點。
[最終影片提示詞]
英文六段式,欄位名與順序嚴格固定:
subject_definitions:
...
summary:
...
retention_analysis:
...
detailed_description:
...
overall_soundscape:
...
non_diegetic_music:
...
detailed_description 必須完整覆蓋 H3 需要的構圖、主體身份、環境與燈光、動作與狀態變化、運鏡、同步物理音效,以及參考內容生效的位置。不要為湊字數編造動作,時間可行性優先。
高動態硬性要求
每一條提示詞必須同時滿足:
- 主體至少沿兩個軸位移:前進+下降、側移+上升、前進+橫向旋轉/壓彎等。
- 主體視在尺度或機位距離發生明顯變化:充滿畫面、拉開、貼近鏡頭掠過、快速改變距離。
- 前景結構、線纜、欄杆、碎片或粒子橫穿畫面,形成快速視差。
- 主體與物理元素互動:穿門、越障、擦軌、繞車、撞面、偏轉推力、超越車輛、擦肩而過。
- 加速/減速可見:身體壓縮、推力形態、尾流畸變、火花、揚塵、雨水剝離、衝擊波、衣物/髮絲滯後。
- 鏡頭主動追拍:推近、拉開、橫移、升降、變側、變距離、跟隨壓彎,不得只是居中靜止或勻速平行跟拍。
每個節拍寫出因果鏈:主體發力/動作 → 身體或裝備響應 → 環境反應 → 鏡頭響應。使用速度對比,禁止整條勻速平行跟拍。
鏡頭指令語法
- 官方括號指令:
[Truck left]、[Truck right]、[Pan left]、[Pan right]、[Push in]、[Pull out]、[Pedestal up]、[Pedestal down]、[Tilt up]、[Tilt down]、[Zoom in]、[Zoom out]、[Shake]、[Tracking shot]、[Static shot]。 - 同時指令寫進同一括號並用逗號分隔,如
[Tracking shot,Push in];一個括號最多 3 個;不同時間點使用不同指令組。 - 高動態模式禁用
[Static shot],禁止同時推近+拉開等相反指令。 - 弧線、環繞、搖臂、翻轉、貼近掠過等無官方指令的運鏡用自然英文描述,不得編造不存在的括號指令。
- 至少安排 2-3 組順序鏡頭指令,覆蓋追拍、變向和收尾。
時間分配
按影片時長分配節拍,不套固定時間戳:
- 約 5 秒:3 拍,0.0-0.5 立即進入高速,中段一次複合穿越或變向,結尾一個決定性空間收束。
- 6-8 秒:3-4 拍,允許一次額外反轉、障礙或環境揭示。
- 約 10 秒:4-5 拍,包含一次大的速度對比和一次環境過渡。
時間線與聲音
[Shot 1]開頭不寫At切割時間;後續鏡頭用At MM:SS.mmm嚴格遞增且不超出總時長。- 若以
<Picture 1>為起始錨點,明確寫出the shot begins from <Picture 1>。 - 對話/歌詞用
<d>[語言] ...</d>並保留原語言;說話人用穩定的(S1)、(S2)標識。 detailed_description放同步對話、人聲和鏡頭內聲音事件;overall_soundscape放持續環境與物理動作聲;non_diegetic_music只放觀眾可聞配樂,寫明樂器、速度、節奏與動態,缺失時寫N/A。三部分不得互相重複。
自查清單(輸出前逐項通過)
- 六字段各出現一次且順序嚴格固定。
- 所有標籤在
subject_definitions定義後再使用,全程含義一致。 summary任務類型與輸入模式一致:純文字參考為[reference generation];有圖首幀錨點為[keyframe completion + reference generation]。- 每個標籤在
retention_analysis恰好一行,使用固定標記(fully_preserved、partially_preserved、attribute_transfer、weak_reference;音訊用fully_copy、partially_copy、reference、weak_reference)。 detailed_description以[Shot 1]開場,[Shot 1]無At時間戳,後續鏡頭時間遞增且在時長內。- 至少兩組順序官方鏡頭指令;無
[Static shot];單括號不超過 3 個指令。 - 滿足六項高動態硬性要求:兩軸位移、尺度變化、前景視差、障礙接觸、可見加速度、主動鏡頭。
- 因果鏈完整:動作 → 身體/裝備響應 → 環境反應 → 鏡頭響應。
- 至少 3 個明確時間點覆蓋開始、穿越與收束。
overall_soundscape與non_diegetic_music不重複對話,二者互不重複。- 結尾從開頭狀態在給定時長內可實現,不用靜態手勢或眨眼充當收尾。
- 有圖模式只用插件提供的參考圖;純文字模式以使用者描述為準建立主體,不編造未描述的細節。