ComfyUI H3 腳本轉影片（v5.0 導演級視聽語言與工業工程化規範版）
v5.0 重大里程碑更新（2026-11，視聽語言工業化與七大落地痛點全量攻堅）
- 1. 分鏡定幀圖前置生成工序（I2V 場景/角色/道具聯合定幀）： 徹底終結無定幀圖下的 T2V 盲跑。每個分鏡在影片取樣前，先由生圖模型結合分鏡機位、角色三視圖、道具設定生成 16:9 聯合首幀定幀圖（
keyframe_segXX.png），質檢定案後餵入 I2V 節點，第 0 幀鎖死骨骼幾何、衣服紋理與道具輪廓。- 2. 單人說話鎖定與全員閉嘴抑制協議（Speaker Lock & Mouth Suppression）： 徹底消滅「場景裡所有人跟著台詞一起動嘴」的木偶劇慘狀。在
[Subject 1]明確唯一主說話人，在[Action 1]強制主謂動作分離，非發言角色強制追加閉嘴抑制死條款（lips tightly sealed, completely silent, showing tense glare without mouth movement）。- 3. 全域風格母卡（Global Style Bible）與前置定風閘門： 拒絕每集隨機制圖風格漂移。劇作啟動前必須確立全域 Style Bible（明確
visual_genre,environment_base,lighting_base,color_palette,quality_base），生成 4 張不同景別定風樣張人工確認後全劇鎖定繼承。- 4. 短劇黃金語速與密度調控（Pacing & Density Normalization）： 解決人物說話拖沓、拉長音發呆問題。175 幀（7.29s）標準時序下，台詞嚴格匹配 20~28 個純漢字（短劇黃金語速 3.2~4.0 字/秒）；並在
[Audio 1]中顯式宣告spoken crisply and rapidly without dragging syllables；前 4.5s 快速講完，後 2.8s 切入冷眼凝視與動作反應。- 5. 六大電影級動態運鏡與動線調度庫（Director Camera & Blocking）： 嚴禁連續出現兩人正面站樁交談！強制引入 6 大動態鏡頭調度：① 動線交錯慢推、② 道具特寫拉焦至眼眸、③ 荷蘭角斜切逼迫、④ 背身轉頭冷酷回眸、⑤ 貼耳逼近壓迫、⑥ 側光剪影對峙。
- 6. 純正普通話發音規約與 ASR 語種漂移閘門（Mandarin Purity & Language Gate）： 台詞全量純中文歸一化（阿拉伯數字轉大寫漢字、剝離英文縮寫與非法符號）；在
[Audio 1]強制添加Strict Mandarin Chinese dialogue only, standard native Chinese accent, zero foreign tone；整合 Whisper ASR 語言檢測，自動攔截非中文字幕與語言漂移。- 7. 工程化 Master 母調度管線閉環： 沉澱
scripts/director_engine_v3.py，實現分鏡表、提示詞編譯、語速密度核算、說話主體鎖定的全流程自動化。v4.1 更新（2026-11，官方 v2.2 提示詞規約與 175 幀時序深化）
- 提示詞規範升級至 v2.2：
- 接入 MiniMax 官方 Prompt 指南（
references/official/base-en.txt,ref-en.txt）；- 運鏡三要素（類型+幅度+速度）以自然句寫入鏡頭內部，嚴禁拍末 Tag 堆疊；
- 素材權限明確宣告
不複製原圖機位，不複製佔畫比例；- 嚴格執行複雜度預算：單段（175幀/7.29s）最多 3 主體 + 1 句台詞。
- 段長鎖定主力 175 幀（7.29s）：
- 243 幀正式退役，硬上限設為 192 幀（8.00s），生產主力統一鎖定 175 幀，段尾留足 1.0~1.2s 閉嘴緩衝；
- 調度層服從度禁區（遠景只建空間認臉切進中近景、禁用後拉與穿窗）。
- Windows UTF-8 全終端防禦：
force_utf8_stdio()統一重置 stdout/stderr 為 UTF-8，杜絕 GBK/CP936 編碼異常崩潰。- 質檢與遠景修臉工具鏈擴容：
- 引入 Whisper ASR 台詞質檢 (
scripts/check_dialogue_asr.py)、尾拍光流與接縫質檢 (scripts/sop_check.py)、續接尾段留白豁免 (--tail-exempt) 與中遠景自適應修臉 (scripts/face_refine_pipeline.py)。v4.0 更新（2026-10，工業級首幀鎖臉防形變與影視配樂雙革命）
- 首幀生圖核驗 + I2V 幾何鎖臉鐵律（根治純文生影片 T2V 人臉變形與道具軟化）： 單張文生圖僅需 5-15 秒，不滿意秒級重抽；嚴禁在沒定首幀的情況下盲跑 8 分鐘 T2V 碰運氣！事後自動質檢只能亡羊補牢，高代價重抽治標不治本。凡有人物特寫、關鍵道具交互，必須先定首幀，注入
first_frame走 I2V 模式，第 0 幀鎖死解剖幾何與道具電路，H3 僅負責時序動力學與唇形同步，人臉形變率從 30% 暴跌至 2% 以下。詳見references/keyframe_i2v_guide.md。- 影視級配樂融合與人聲智慧避讓 (Audio Ducking)： 提示詞徹底禁止 H3 自帶生成失真床音；清洗對白與動作擬音後，全片統一鋪設獨立高保真 BGM，採用 FFmpeg 原生
sidechaincompress動態側鏈避讓：人聲開口瞬時下潛 -14dB，台詞結束 0.3-0.5s 平滑揚起，打造商業短劇視聽爽感。新增工具scripts/cinematic_audio_mixer.py。- 新增首幀閘門工具
scripts/keyframe_gate.py：支援工程級首幀狀態巡檢、ComfyUI 倉同步與 I2V 節點安全注入。v3.2 更新（2026-10-25）
- 新增 §13 什麼時候更新這個 skill：六個觸發條件、四類不許搬進來的內容、遷移三問、落位規則、改完三步自檢
- 一句話紀律：只沉澱「換劇本後仍成立」的機制與判據，項目文件一律不進 skill
v3.1 更新（2026-10，13 段 / 86 秒成片實測沉澱）
- 新增 §4.1 H3 的服從度邊界（後拉失效、穿窗開門、窗外運動不生成、景別鎖死、否定式鏡頭指令）
- 新增 §5.1 顯存回收（曾經讓一段從 5 分鐘跑成 33 分鐘）
- §8 決策樹補 6 條（結尾動作被搶、一拍動作過多、擬音被鋪成床音、quiet-gain 副作用、F0 誤判）
- §12 補台詞位置四版梯度、
cont off的 trim 記帳- §3 段長推薦改為 175 幀（原寫 124/243，已過時）
- 修正了提示詞規範裡兩處會誤導的舊範例：「台詞寫在節拍末尾」應為節拍最前；「胸腔每 2.5 秒起伏」會被當成發聲指令生成呼吸聲，已刪除
把劇本變成成片：握手 → 導演調度 → 首幀核驗(I2V) → 提示詞 → 提交 → 監工雙檢 → 收片 → 避讓混音與拼接。
v4 的核心認知：把「生成影片碰運氣 + 事後質檢重抽」升級為「前置低成本控圖 + I2V 鎖臉執行 + 影視級避讓混音」。
一條鐵律：一個任務 = 一個本地工程目錄 + 一個導演台工程名（
h3_chain/<工程名>）。 這兩樣從第一段定下來到concat結束都不許換。換了不是「文件放錯地方」，而是續接直接斷：續拍檔按chain.order[k-1]找上一段，工程名一變就找不著，本段會被靜默當成第一段重畫，成片還會歸位到另一部片子的目錄。綁定會寫進project.json的chain欄位，submit每次都比對，不一致直接拒收（不是警告）。要換只能整體換：新工程 + 新導演台工程名，從第一段重來。完整規則見 §10.1。
0. 運行契約（先明確誰幹什麼）
| 誰 | 負責 |
|---|---|
| Agent（全自動） | 讀劇本、導演調度、首幀核驗、寫提示詞、preflight、提交、監工、雙檢、收片、清床音、配樂避讓混音、拼接、交付、寫檯帳 |
| 用戶（只做三件事） | ① 打開 ComfyUI 並載入工作流，說一聲「就緒」 ② 劇本/風格/首幀候選的一次性定調 ③ 看片驗收 |
Agent 不許做的七件事
- 不許在工作流沒握手（
wf_map.json不存在）時提交。 - 不許跳過
gate（一採雙檢）直接finish—— 腳本會拒收，不要試圖繞。 - 不許把 state/抽幀/臨時 wav 寫進技能目錄（
paths.py有硬護欄）。 - 不許憑「上次的節點號」改接線 —— 只注入三段資料，絕不動超分/終片節點的連線。
- 不許在有人物特寫或關鍵道具交互時，跳過首幀核驗盲跑純文生影片 (T2V) —— 靜態生圖核驗只要 5-15 秒，不滿意秒級重抽；跑 8 分鐘 T2V 再事後質檢是高代價自殺。必須先定首幀，注入
first_frame走 I2V 鎖臉鎖道具！ - 不許在沒抽幀看畫面時就提下一段 —— preflight 只管文字結構，不管畫面。落盤後先抽 4-6 格拼圖看一眼，再提下一段；正好也避開了「兩段提交太快導致顯存髒態」（見 §5.1）。
- 不許把當次的項目文件無腦搬進 skill —— 片名/角色名/段號/
plan.json/assets/*.json/某段提示詞原文/當次 trim 帳/黑名單 seed，一律留在項目目錄。只沉澱「換劇本後仍成立」的機制、判據、寫法。判據與落位規則見 §13。
只有這四種情況才停下來問用戶：劇本有歧義且影響分鏡結構 / 風格或畫幅定調 / 素材缺失且無法用文字定義 / 同一段重抽 3 次仍不過。
1. 核心工具集（完整生產工具鏈）
| 工具 | 幹什麼 | 關鍵子命令 |
|---|---|---|
scripts/h3wf.py | 工作流握手：從 ComfyUI 讀實際執行過的圖，自動認節點角色 | sync show doctor |
scripts/sop_run.py | 生產：提交（內含 preflight）、自動監工、等終片 | submit watch final abort |
scripts/h3proj.py | 工程與閘門：檯帳、一採雙檢、視覺簽字、收片、拼接、殘留清理 | new status gate review finish concat residue |
scripts/keyframe_gate.py | 首幀核驗與 I2V 注入：首幀狀態巡檢、ComfyUI 倉同步、注入 first_frame | --project --seg --sync |
scripts/face_refine_pipeline.py | 外部遠景修臉工作流：中遠景條件修臉、音頻原樣直通、自定義節點缺失平滑降級 | --input --output --char-ref --dry-run |
scripts/cinematic_audio_mixer.py | 影視級配樂智慧避讓混音：外掛獨立 BGM，sidechaincompress 自動避讓人聲 | --input --output --bgm --volume |
scripts/check_dialogue_asr.py | 台詞 ASR 自動比對：VAD 定位語聲段 → Whisper 轉寫 → 與 <d> 原文比對 | --file --text --seg |
scripts/sop_check.py | 尾拍動作能量與接縫相似度質檢：8 格聯絡表、動作光流比率、釘幀比對 | --video --seg |
scripts/shisei_pose.py | (可選) 打鬥/對峙姿態：多視角姿態檢索與線稿提取 | --search --duo --get --view |
解釋器固定用帶 cv2 的 venv：
C:/Users/windows/.workbuddy/binaries/python/envs/default/Scripts/python.exe（下稱 PY）
2. 第 0 步：工作流握手（每次開工第一件事，不可跳過）
為什麼不能固化：用戶的工作流會更新（加三採、改超分尺寸、換輸出前綴），節點號一變，寫死的「接線修復」就會把一條跑得通的鏈路改壞 —— 這是 v2 每次報錯的根因。
核心口徑：用戶會隨時在畫布上調參數（改超分尺寸、換模型、調取樣步數），生成必須用他當下的值。
submit 每次都會先核對一遍畫布儲存版（h3wf.refresh_if_stale）：
檔案 mtime 變了就重新讀圖，並把改了哪些參數逐條打出來（[wf ] 檢測到 N 處參數變更）。
rack/desk/cast 的 h3_data、seed、filename_prefix 是運行時注入的，不算用戶改動，已排除。
但有一個 API 層面繞不過的限制，必須主動告知用戶：
ComfyUI 的畫布狀態只有在儲存工作流（Ctrl+S）之後才落到
ComfyUI/user/default/workflows/*.json，未儲存的畫布改動任何介面都讀不到。
所以每次開工要跟用戶說一句：改了參數請 Ctrl+S。
如果用戶改完還按過一次 Queue，那條執行圖會進 /history，也能被第二條判據捕到。
動作：
- 先提醒用戶：打開 ComfyUI 桌面程式，載入這次要用的工作流，等他說「好了」。
- 前提：
sync讀的是 ComfyUI/history裡最近一次成功跑完的影片任務。- 剛換過工作流 / 剛裝好 → 請用戶在介面裡手動跑一次（哪段都行，跑通即可），再
sync。 - 一次都沒跑成功過 → 用介面檔案兜底：
h3wf.py sync --from-ui "<工作流>.json"（需要 ComfyUI 在跑）。
- 剛換過工作流 / 剛裝好 → 請用戶在介面裡手動跑一次（哪段都行，跑通即可），再
- 探活 + 識別：
$PY scripts/h3wf.py show # 只看識別結果 $PY scripts/h3wf.py sync # 識別通過後落盤為本次生產依據 - 判讀輸出：
rack/desk/cast/seed/final五個必需角色必須全部有值；缺了就是工作流換了節點類名，把這行貼給用戶看，不要自己猜。[note]裡會寫多候選是怎麼選的。同一份輸出還會給出三樣東西，缺一樣都會讓後面的環節踩坑：- 工程名（導演台
chain.name）：submit用它決定成片歸位到h3_chain/的哪個目錄，並且第一次submit就把它寫進project.json.chain當綁定。顯示「—」說明導演台沒填工程名，此時submit會退回技能工程名並告警 —— 那等於另起一部片子（且不會寫綁定）。綁定之後換名字會被拒收，見 §10.1。 - 一採前綴：
watch/gate --latest靠它只認一採檔案。顯示「—」時退回全前綴，跑完整鏈後可能把超分/終片當成一採去雙檢。 [WARN]收片鏈路：缺「段尾歸位」或它的「順序錨」沒接線，成片不會回到導演台，下一段接不上。
- 工程名（導演台
- ComfyUI 沒開時允許無頭啟動（埠 8188，不影響桌面程式）：
但優先使用戶自己開的那份，節點狀態以他的介面為準。cd "D:/Comfy-Desktop/ComfyUI-Installs/ComfyUI (1)/ComfyUI" ".venv/Scripts/python.exe" main.py --port 8188 \ --input-directory "D:/Comfy-Desktop/ComfyUI-Shared/input" \ --output-directory "D:/Comfy-Desktop/ComfyUI-Shared/output" \ --enable-assets --disable-auto-launch
工作流變了怎麼辦：h3wf.py doctor 會列出「節點號變了 / 前綴變了 / 工程名變了 / 角色缺失」。
確認是有意更新 → h3wf.py sync --force 重新握手，之後所有提交自動用新圖。
submit 每次都複核指紋，漂移未確認會直接拒收（不會偷偷用舊圖跑一夜）。握手時會記一條 history_seq 水位線：比它更早的執行圖不算漂移（/history 清空前留下的舊記錄），只有握手之後新跑出來的圖不同才會拒收。
3. 第 1 步：導演調度（強制，拿到劇本第一件事）
不允許拿到劇本直接寫提示詞。 先載入 director-advisor 技能出完整分鏡方案：
- 拆五要素：情緒基調 / 戲劇節拍 / 人物關係 / 空間 / 動作
- 定節奏骨架：鏡頭數、張力曲線（最高點只有一個）、開場鏡與收尾鏡
- 逐鏡設計：景別=情緒距離、運鏡=情緒運動、一鏡一個動作單元、時長 1-3s（最長 5s），每鏡帶一行設計理由
- 掛 1-2 個真實電影案例錨（只從
director-advisor/references/master_cases.md取）
再按 references/directing_bridge.md 換算成 H3 的段，並落盤段規劃表：
{"name": "片名", "segs": [
{"seg": "seg01", "length": 175, "shots": "1-4", "dialogue": false,
"hook": "首段：從全景建立空間", "sfx": true, "event": "她走進石屋並放下燈"}
]}
length：175（≈7.29s，3-4 鏡）是推薦值；124（≈5.17s，1-2 鏡）/ 243（≈10.13s，2-4 鏡）也可用。關鍵公式：淨新畫面 = length − cont_frames。cont_frames=5 時，175 幀淨剩 170 幀（7.08s），124 幀淨剩 85 幀（3.54s）—— 同樣的續接開銷，175 的淨產出翻倍，渲染只要 4–4.5 分鐘，是性價比拐點。有台詞段也用 175，不要用 243：段越長台詞越容易頂到段末（見 §12 台詞時間軸鐵律）。hook：與上段的接續（姿態/視線/光線承接），寫不出 hook 說明段拆錯了。dialogue/sfx：決定音頻閘門查哪幾項（無台詞段查靜音，無擬音段關掉--fx）。- 校驗：
$PY scripts/h3proj.py plan --check
一段 = 一個事件，段內可多鏡（[節拍 N] 就是鏡頭位，寫「硬切至…」H3 就照切）；
不能切空間（地圖）和主要事件。切點必須踩在動作上，不能按秒均分。
寫分鏡時同時過兩道內容關（詳見 references/vividness.md）：
- 邏輯四問：人物這一刻想幹什麼？他在哪、朝向誰？時間/光線是否連續？上一個動作的因果有沒有斷？
- 生動三件套：每拍至少給一個「動作起因 + 環境反饋 + 材質觸感」，不能只有「站著說話」。
3.1 可選增強：高品質打鬥與雙人對峙姿態管線 (Shisei Pose Guidance)
當劇本涉及近身打鬥、兵刃交鋒、雙人正反打對峙或複雜肢體糾纏時，為避免影片模型常見的「動作發軟、解剖變形、正對翻背對（180°軸線翻轉）」，掛載本地 Shisei 姿態引導（詳見 references/shisei_combat_pipeline.md）：
- 姿態檢索：使用本地檢索腳本查詢 55 組雙人對峙動作及 288 組單人動作：
python scripts/shisei_pose.py --duo --search "近身" - 多視角線稿提取：根據導演機位導出 5 大視角（
front正視 /side側視 /diag45°斜角 /above俯視 /below仰視）線稿至工程目錄：python scripts/shisei_pose.py --get D001 --view diag --out references/poses - 首幀骨架錨定：將提取的姿態線稿與角色卡（
sal_character_sheet.jpg等）聯合餵入生圖引擎（Imagen / Qwen），產出 100% 構圖嚴謹的首幀，再注入 MiniMax H3，杜絕空間漂移與動作軟趴。
3.2 強制工序：分鏡首幀生圖核驗與 I2V 幾何鎖臉 (Keyframe Gate)
工業鐵律（最高優先級認知）：凡是有人物正面/半身特寫、關鍵道具交互（如拆表、握槍、數錢、蓋章）的段落，嚴禁純文生影片 (T2V) 盲跑！必須執行「首幀生圖核驗 ➔ 圖生影片 (I2V) 鎖臉防變形」。
- 核心邏輯：
- 靜態生圖僅需 5 ~ 15 秒/張，能將全部潛空間解析度集中在五官髮絲與道具微結構上，不滿意秒級重抽；
- 影片渲染單段耗時 4 ~ 8 分鐘。純文生影片在無物理錨點下極易發生解剖漂移，事後「自動質檢」重抽成本高出 40 倍且治標不治本；
- 將選定的首幀圖注入
MiniMaxH3ImageToVideo的first_frame埠後，第 0 幀作為幾何真值鎖死，模型無需腦補結構，注意力全部分配給「驅動動作與對齊口型」，人臉形變率從 30% 暴跌至 2% 以下！
- 執行流程：
- G0 角色資產卡：開工前按
references/character_sheet_standard.md準備好 2+3 頭身解耦角色設定卡； - G1.5 首幀生圖核驗：分鏡寫畢後，使用生圖工具快速生成 16:9 首幀電影劇照，核對五官、眼神聚焦與道具真確性；
- 定稿落盤：核驗通過後儲存至
<工程>/segments/<seg_id>_keyframe.png（或.jpg）； - 自動識別與 I2V 掛載：流水線檢測到首幀圖存在時，通過
scripts/keyframe_gate.py自動同步至 ComfyUI 並連接first_frame埠。未檢測到時自動平滑降級為純文字驅動。詳見references/keyframe_i2v_guide.md。
- G0 角色資產卡：開工前按
4. 第 2 步：寫提示詞（標準 = references/prompt_standard_v2.md）
- 七段骨架、
[節拍 N]、<Audio N>聲線卡、overall_soundscape三層聲音，一個字都不能改段名。 - 提示詞寫到
segments/<seg>.txt（純提示詞正文，不要包程式碼區塊）。 - 聲線卡：專案裡
voice_card.json優先（h3proj.py new已複製範本），跨段逐字一致。 - preflight 不用單獨跑：
submit內部會調check_prompt_v2.check()，有 FAIL 直接拒收。想提前單獨看：$PY scripts/check_prompt_v2.py --file segments/seg01.txt --length 243
格式口徑速查（細節以規範文件為準）：<Subject N> 全部帶 權限=；情緒詞零容忍；每拍 音效： 逐條點名 +「僅此 N 類，無其他聲音」封口；台詞結束距段末 ≥1.0s；一段一句台詞。
否定詞反噬（實測，踩過兩次）：H3 會把禁詞裡的實體名當正面提示去畫。在 防錯約束 寫「嚴禁生成水龍捲、水柱、噴泉」，畫面裡就長出一根白色水柱；在動作描述裡寫「頭盔前沿向上抬」，主角頭上就憑空多一個透明頭盔。規則：要某個東西別出現，就把它的名字從句子裡徹底刪掉，改成正面描述你真正要的畫面（例：「垂直向下俯拍，只有圓形下沉凹陷與沉入水中的黑色人影」），而不是寫「不是X、不要X」。防錯約束 只留抽象約束（無水印/無字幕/無畸形手/不做火焰光效）。
續接 latent 會把首拍人物帶歪（本項目 5 次復現，最貴的一條坑）：帶 --cont 的段落，首拍穩定生成一個穿黑色長袍、披散長髮的高個背影，即使——上一段尾幀是「俯拍水面 + 落水黑影」（seg02）還是「陳默面部近景、黑 T 恤」（seg03），參考圖已正確注入（[rack] 素材 1 件：陳默→陳默.png）、文案已逐字寫清衣物，全都壓不住。同一提示詞、同一參考圖、同一 seed 區間，改 --cont off 後兩次全部恢復正常（seg02 首拍變回黑 T 恤短髮陳默；seg03 首拍變回純空鏡城市俯瞰）。
判定與處置：
- 本項目結論：續接保留，但只釘 5 幀（
project.json的cont_frames: 5，即 0.21 秒）。用戶要的就是「給幾幀保證上下文一致」，39 幀（1.625 秒）太浪費、後期還要逐段掐頭。純硬切處（海邊 → 門外這類劇本本身的地點跳轉）用--cont off。錨點污染在 5 幀下是否仍會出現，需要實測記錄；一旦首拍人物不對，先試--cont off。 - 通用判據：續接只在「同一空間、同一機位、動作直接延續」時才可能有用；一旦發現首拍人物服裝/體型/髮型不對，先換
--cont off驗一次（一採只要 2 分鐘），比改文案快得多，改文案是無效的。 - 開啟續接時會列印
[cont ] 承接 clip_xxxx（…）；確認首幀再決定要不要留。
4.1 H3 的服從度邊界（寫提示詞前必讀）
這些是實測出來的硬邊界，改文案沒用、換 seed 也沒用，只能在寫法上繞。全部來自 13 段 / 86 秒成片的連續記錄，不是推測。
| 你想讓它做的事 | 實測結果 | 換成什麼寫法 |
|---|---|---|
| 後拉 / 拉遠 / 推近（位移式運鏡） | 4 次全敗。寫「只退到看得見擋桿就停」照樣退到窗外、露出另一種內壁 | 改用純搖（同機位只改角度：先向下搖到地板、再向上搖回），或直接硬切 |
| 機位穿過窗 / 洞進入內景 | 會順手把門打開。寫死「門保持關閉、只從空著的窗洞穿入」也沒用 | 段內硬切進內景，組裝時把段頭裁到刀口；比任何運鏡過渡都可靠 |
| 窗外景物在移動（車在行駛） | 生成不出來。改寫「白虛線每秒三條迎面湧來」也沒用（窗外區幀間差：靜止 1.26 / 寫了運動 4.15，肉眼都看不出在走） | 行駛感靠後期引擎聲 + 輕微機身抖動補，別指望生成 |
| 「景別不變 / 不推近 / 不推拉」 | 服從度低，後半段照樣推近 | 改成正向描述**「畫面裡始終裝得下整個 X（門框上沿到踏板）」**——用「必須包含什麼」來控 |
| 「不要出現 X / 不是 X」 | 反向生效，X 反而被畫出來（同上面的否定詞反噬） | 把 X 的名字從句子裡徹底刪掉 |
| 同一拍做 2 個以上動作 | 每個只做一半，或直接跳過最「無趣」的那個（關門輸給「雙手放方向盤」） | 一拍最多兩個動作；四個動作就拆拍或刪 |
| 「約在第 X 秒說完 / 第 N 拍開頭發出」 | 時間描述完全無效 | H3 的時間軸由文字事件順序決定，只能調整塊的先後位置 |
| 單段寫多個時間段運鏡（0-3s推，3-5s停） | Qwen3-VL 誤以為中途切機位，誘發段內畫面閃切 | 單段 [Shot 1] 嚴格只寫 1 個貫穿首尾的運鏡指令 |
中近景寫站起 (rises from chair) | 人物頭頂衝出畫框上邊緣，被削掉半個頭 | 爆發戲改用 leans sharply forward across table with veins bulging（暴怒前傾撐桌） |
| 側臉戲寫複數五官 (brows/eyes) 或否定句 | 模型為畫雙眼或被否定詞反噬，強行轉頭看鏡頭 | 嚴禁複數五官與 turn/camera 詞，純用正向側臉靜態描述，尾端用 TailLock 潛變數夾具鎖死 |
| 平靜聲紋導致高潮戲吼不出來 | 參考音頻的平靜語調鎖死了音頻潛空間能量 | 採用 T8mars 協議：台詞加咆哮副語言前綴，並在 0.4s 注入物理撞擊瞬態擬音拉爆聲能 (+10dB) |
一句話：H3 聽「畫面裡必須有什麼」，不聽「鏡頭不要做什麼」；聽「事件順序」，不聽「秒數」。
續接段還有一條專屬邊界：續寫塊結束的那一幀，模型最容易「重置」回參考圖構圖。如果這時恰好是一次硬切，它就有了「另起一個鏡頭」的機會 —— 實測 seg02 首版前 38 幀承接完美，第 39 幀一結束人物整個消失，跳成參考圖裡那張無人的大全景。所以：續接段不寫硬切，一鏡到底 + 同機位最穩；要分鏡切換就單獨成段。
5. 第 3 步：生成、監工、收片（一條命令一件事）
# ① 提交（preflight + 工程登記 + 續接 + 挑 seed + 記基線）
$PY scripts/sop_run.py submit --seg seg01 --assets 素材.json [--length 243] [--silent]
# 素材.json：{"角色1":"cglide/<項目>/角色1.png", "場景":"cglide/<項目>/場景.png"}
# --dry-run 只組裝不提交（不登記新段、不碰工程檔案），並讓 ComfyUI 校驗圖的必填項
# --chain <工程名> 覆蓋握手圖裡的 chain.name（必須等於已綁定值，否則拒收）
# --rebind 確實要換導演台工程名時才用（改綁，續接從此斷開）
# --cont auto|off|<續拍檔路徑> 預設 auto=接上一段，off=當第一段
# --allow-nocont 本段確實要獨立開頭時用：放行「拿不到續拍檔」
# ② 監工（建議背景跑：這一步會一直等到一採落盤，然後立刻雙檢）
$PY scripts/sop_run.py watch --seg seg01 --timeout 3600
**判失敗必須當場讓出 GPU**。一採一落盤，二採就開跑；如果等完整質檢（抽幀+視覺定量，十幾秒）出結論再 abort，三採/超分往往已經在跑，算力白燒。所以 `watch` 現在分兩道：
- **落盤即刻的音頻快檢**（`_fast_audio_gate`