Community程式設計與開發github.com

h3-prompt-director

將故事、小說、劇本、大綱或人物設定,轉換成可直接餵給 MiniMax H3(Ref2VA / R2V 參考工作流 + MiniMaxH3AddGuide 接段)的分鏡與影片提示詞交付文件,包含分段、資產表、生圖提示詞、連接清單、六段提示詞及品質檢查。

h3-prompt-director 是什麼?

此技能專為將敘事文本自動化轉換為 MiniMax H3 影片提示詞交付文件而設計,主要支援 ComfyUI 中的 Ref2VA (R2V) 工作流與 MiniMaxH3AddGuide 節點,實現精確的跨段影片生成。它透過六階段流程(故事解析、分鏡、分段裝箱、資產建立、提示詞生成、品質檢查與交付)運作,產出包含總覽表、資產表、逐段提示詞區塊的完整 Markdown 檔案。核心特點包括強制性的雙通道標籤系統、預設的接段模式 B(利用前段結尾 22 幀進行引導)、嚴格的時長網格吸附、資產與鏡頭的原子性裝箱規則,以及對官方文檔的權威仲裁機制。此技能專注於從零到一的提示詞編寫流程,對於僅修改現有提示詞語法或細節的請求,則會引導至參考文檔,不啟動完整流程。

相容平台✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/zdwl001/h3-prompt-director/tree/main

Installed? Explore more 程式設計與開發 skills: steipete/bluebubbles, steipete/eightctl, steipete/blucli · View all 6 →

在你喜歡的 AI 中提問

開啟一個已預先載入此 Agent Skill 的新對話。

說明文件

H3 Prompt Director · 故事 → MiniMax H3 影片提示詞

把一篇敘事文本變成一份 Markdown 交付文件:總覽表 + 資產表 + 逐段區塊。每段區塊裡的提示詞可以直接複製進 ComfyUI 本地 Ref2VA(R2V)工作流,配合 MiniMaxH3AddGuide 做跨段接續。

預設全自動:從故事到交付不中途停下等創作確認;質量由階段⑥的檢查清單兜底。唯一的回合邊界是 00-workflow.md §6.11 的防截斷檢查點(階段④落盤後結束當前回合,用戶回覆「繼續」即進入⑤⑥),它不是等待審批,只做進度彙報。

邊界:只是改一條現有提示詞的語法、補欄位或問語法細節時,直接看 references/official/ 與 01-grammar.md,不必走六階段;只有從敘事文本走到分鏡、分段、資產與逐段提示詞時,才走完整流程。

首次使用:官方三文檔不隨倉庫分發。先執行 bash scripts/fetch-official.sh(Windows 用 scripts/fetch-official.ps1)把它們下載到 references/official/;未拉取時技能仍可執行,但語法細節缺少最高優先級依據。

開工順序

流程權威是 references/00-workflow.md(六階段、裝箱規則、交付結構、完整質檢清單)。開工先完整讀它,再按下面的掛鉤表讀對應板塊。不要在開工時全量預讀 03–10——每個板塊只在她生效的階段開始前讀一次,讀過即用。

階段做什麼本階段讀取
① 故事解析人物表(每個人一條外貌錨點)、場景表、情節節拍、對白原文、情緒曲線;決定改編範圍00;08-dialogue.md(對白三去向)
② 分鏡與時長預算拆鏡頭列表:景別/運鏡/畫面/聲音/預算時長;補動作鏈、物體出處、狀態連續性、道具白名單03-camera.md、04-emotion.md、05-rhythm.md、06-sound.md、07-style.md、09-transition.md
③ 分段裝箱鏡頭按序裝箱成段;吸附 24FPS 網格;三原子性;逐段連接清單;模式 B 接段05-rhythm.md(§3 單趟演算法)、08-dialogue.md、09-transition.md
④ 一致性資產資產表:角色圖/場景圖/道具圖/音色音訊;每張圖一條生圖提示詞或用戶提供標記02-assets.md
⑤ 提示詞成文Ref2VA 六段逐段成文;開場連續性;聲明句式;動作措辭01-grammar.md(必讀)、05-rhythm.md §4、08-dialogue.md
⑥ 質檢與交付按 00 §5 清單逐條過;只記偏離項與跨段結論;按 00 §4 結構交付00 §4–§6

階段④完成後先落盤全部計畫表,用一行摘要結束當前回合(段數/總時長/資產數/檔案路徑);用戶回覆「繼續」後再進入⑤⑥逐段增量寫完。這是為避免長任務被介面截斷的硬約束;檢查點不詢問創作取捨,與「全自動」不衝突。

不可違反的不變量

這些規則即使某個板塊沒讀到也必須遵守;與官方三文檔衝突時以官方原文為準。

  1. 雙通道標籤:<Picture N> / <Video N> / <Audio N> 只編號 R2V 參考輸入槽位,編號 = 實際連接順序,跨六段含義不變。AddGuide 引導通道的圖/片段經 vae 進 conditioning,不佔編號、提示詞中不寫其標籤;引導連續性只用自然語言在開場描述中與像素錨點互證。
  2. 接段模式 B(預設):上一段生成結果末尾 22 幀 → 本段 AddGuide 的 image 輸入、frame_idx=0;同一 22 幀對應的尾音訊 → audio 輸入(預設開啟音訊錨定)。本段開場寫「延續上一段結尾的運動與聲音」;交付物標註拼接時裁掉前 22 幀(執行端自動裁前綴則免)。
  3. 尾段可用:每段最後 22 幀(0.92 秒,約最後 1 秒)必須落在同一鏡頭內,畫面清晰可讀;不要求靜止,自然動作收尾或緩速運動都可以;只禁止末 22 幀內的快速運鏡與切鏡。
  4. 時長網格:段總時長吸附 24FPS 下 17k+5 幀網格(3.75–14.38 秒,見 01-grammar.md §6)。所有 [Shot N] At MM:SS.mmm 時間戳嚴格遞增、在段時長內,且與總覽表一致;段內切點不必是網格值。
  5. 裝箱三原子性:鏡頭不跨段;連續對白(一句或一組對話)不跨段;每段參考 ≤9 圖 / 3 影片 / 3 音訊(計數 = 出場角色圖 + 場景圖 + 道具圖;音色參考佔音訊槽,引導尾音訊不佔)。取整 slack 由過渡/銜接鏡頭吸收,順序:過渡鏡頭 → 末尾氛圍鏡頭 → 建立鏡頭;不動動作鏡頭與情緒鏡頭。
  6. 場景圖:預設 12 格分格圖,不含任何可移動物體;12 格必須覆蓋不同區域/視角,不是 12 個近似角度。引用時必須宣告網格性質;可移動物體單獨出道具圖,並寫明出現鏡頭與互動主體。
  7. 對白:<d>[語言] 原文</d> 內逐字保留,不翻譯、不改寫、不潤色;(Sx) 按段內發聲順序獨立編號,每段附角色→(Sx) 映射表(給用戶看,不屬於提示詞);旁白用固定畫外音句式並宣告閉唇。
  8. 語言:敘述正文預設中文(專案開關,可切回英文)。固定 token 永遠英文:六段欄位名、[Shot N]、At MM:SS.mmm、參考標籤、<d>[語言]、<scenetrans>、<cutoff>、retention 標記、summary 任務類型前綴、N/A。

最容易踩的幾條寫法

完整規則在 01-grammar.md 與 00-workflow.md,這裡只列最常錯、且一錯就返工的:

  • Six sections, fixed order: subject_definitions → summary → retention_analysis → detailed_description → overall_soundscape → non_diegetic_music。不可調換、不可缺項(無音樂寫 N/A)。
  • <Picture N> 獨立條目僅限幀/構圖錨點(首幀/尾幀/關鍵幀/構圖錨點)。僅用於定義角色、場景、道具、風格的圖,不單獨立條,在對應 <Subject N> 定義句內引用源圖。但每張接入參考通道的圖都佔一個 <Picture N> 編號,按本段連接順序連續編號(每段從 1 起);「不單獨立條」只影響寫法,不影響佔號和計數。
  • 船、車、大型載具按可移動物體處理:出道具圖,不入場景圖(場景圖紅線:不含任何可移動物體)。
  • 場景圖宣告句式:<Subject 2> 是這座院落的環境,形制取自 <Picture 2>;<Picture 2> 是同一環境多角度視圖的 12 格參考網格,各格為同一地點的不同區域與視角,非連續鏡頭或分鏡,12 格合起來構成完整全景,其中不含任何可移動物體。
  • 道具圖宣告句式:<Subject 3> 是竹匾道具,形制與編紋取自 <Picture 3>;它出現在 [Shot 6]、[Shot 7],由 <Subject 1> 雙手端持。
  • 模式 B 段的 summary 前綴用 [reference generation](有其他參考時用 + 組合);video continuation 只在存在真實 <Video N> 參考影片時使用。
  • summary 語言:方括號任務類型前綴永遠英文;前綴後的概述語言隨專案正文語言(預設中文)。01-grammar.md §2 的「英文概述」是官方預設表述,被專案語言開關覆蓋,兩者不矛盾。
  • summary 覆蓋所有標籤:summary 必須點名本段每個參考標籤的角色,包括 <Audio N> 綁定的音色(如「<Audio 1> 只提供……的音色參考」);只寫畫面不寫音訊=參考關係不完整。
  • <Subject N> 定義要有文字錨點:至少寫 2–3 個可核對特徵(年齡/身形/服裝/材質),不能只寫「外貌取自 <Picture N>」;參考圖負責像素,文字負責約束,兩者缺一都會漂移。
  • 說話人首次發聲句內宣告(身份/年齡/性別/是否出鏡/音高等 + (Sx)),之後復用不重宣告;retention_analysis 中禁止出現 (Sx)。
  • 對白完整句式:<說話人標籤> (<Sx>) + 說話動詞 + <d>[語言] 原文</d>。<d> 緊跟說話動詞、獨佔一句;禁止把 <d> 嵌進「口型與……同步」這類描述句。
  • 對白預算按更寬口徑:05-rhythm.md §2 的「字數÷3(沉穩÷2.5)+ 2–2.5s」優先於 00-workflow.md 的 +1.5–2s 基線;切點會漂移,緩衝寧寬勿窄。
  • 不新增原文沒有的對白:預設只做「保留 / 改旁白 / 刪除」三種去向;用戶明確要求補白時,逐句寫入決策記錄,並保持人物口吻與時代語彙。
  • 運鏡寫成鏡內自然動作句(類型 + 幅度 + 速度,後兩者有意義才寫),禁止 token 堆疊。
  • 動作有起始態與結束態;每次拿/放物體寫明來源與去向;同一道具只出現一個實例;案面陳設逐個點名;核心動作獨佔鏡頭並寫出可見結果。
  • 型態變化安排在段邊界:變化前的段掛舊型態圖,變化後的段掛新型態圖;變化動作所在段只掛新型態圖,變化前的起始態由上一段末 22 幀引導錨定。若變化發生在段中,優先拆段或把變化移到段首,避免同段兩張互斥參考圖。
  • 音色參考的掛載範圍:有發聲的段掛該角色的音色參考;無發聲的段不掛,避免無主 <Audio N>;同一角色跨段始終用同一條檔案。

交付文件

嚴格按 assets/delivery-template.md 的骨架寫,結構定義見 00-workflow.md §4:

  1. 總覽表(段號|鏡頭構成含 slack 記錄|段時長網格值|參考槽位|引導來源)+ 全域生成參數
  2. 資產表(全域編號|名稱|錨點描述|生圖提示詞或用戶提供標記)
  3. 整體連線圖——預設省略,逐段連接清單即操作版;僅用戶明確要求時出 mermaid
  4. 逐段區塊:參數 → 連接清單(參考通道 + 引導通道 + 說話人映射 + 台詞核算)→ 六段提示詞 → 拼接說明

階段①–④的計畫表(人物表 / 場景表 / 鏡頭表 / 型態變化表 / 台詞逐句核算表)放在交付檔案前部,全部用表格;裝箱結果寫進鏡頭表「段號」列,不單獨做裝箱表;無型態變化時該表寫「無」。

增量寫檔案:先寫總覽表 + 資產表骨架,再一段一次工具呼叫追加。禁止把完整交付物塞進單條聊天訊息;聊天裡只留進度說明、最終摘要與檔案路徑。

執行紀律

  • 全自動:不在階段之間等確認。取捨決策(改編範圍、旁白位置、接縫、道具出圖/免圖等)在做出的當下寫入交付物「決策記錄」,崩潰恢復時按記錄執行,不重新權衡。
  • 語言 A/B:規範庫記錄顯示中文正文已於一個真實專案完成 A/B 驗證並維持中文預設(見 10-troubleshooting.md §1)。預設不再出雙語版;僅當用戶明確要求時重測。
  • 未指定屬性定稿:原文沒寫的人物年齡/性別/外形,在①解析時定稿並寫入決策記錄;資產圖、人物表、提示詞共用同一套錨點,禁止各寫一套。
  • 單輪環境的檢查點:若執行環境無法真正中斷回合(子任務/自動化單輪呼叫),連續執行完⑤⑥,並在摘要註明「已跳過階段④回合檢查點」;不要為了等「繼續」而停死。
  • 空檢索跳過:如果選擇用知識庫回查而檢索為空,最多嘗試 1 次,然後註明「該板塊規範缺位,按官方語法與總綱執行」,禁止換詞重試。
  • 失敗自救:中途報錯/截斷時,先讀已寫入的交付物,從最後一個成功段區塊續寫,禁止從頭重跑。
  • 內聯質檢:寫每段時隨寫隨核該段相關項;全部寫完後只做一次跨段檢查(接縫/標籤總數/時長合計/參考計數)。

生成期排障

用戶反饋生成結果不達標時,讀 references/10-troubleshooting.md:先定位層(接線層 → 提示詞層 → 資產層),先診斷後動參,一次只改一個變數。級聯規則:重新生成段 N 後,段 N+1 及之後的引導片段必須從新結果重新抽取;若新尾幀狀態與原開場描述不符,同步修訂下游開場描述。

參考檔案索引

檔案內容
references/00-workflow.md【流程權威】六階段、裝箱、接段模式 B、交付結構、完整質檢清單、效率規則、衝突仲裁
references/01-grammar.md【語法底線】Ref2VA 六段、標籤與雙通道、對白句式、時長網格、本地節點參數、禁止清單
references/02-assets.md角色圖 / 12 格場景圖 / 道具圖(含多型態)/ 音色參考音訊與紅線
references/03-camera.md景別體系、開場鉤子、運鏡選擇、軸線、運鏡紅線
references/04-emotion.md情緒可見性原則、表演三層次、情緒鏡頭停留
references/05-rhythm.md銜接動作取捨、時長預算與逐句核算、單趟裝箱演算法、動作描寫
references/06-sound.md聲音三層歸屬、連續性、配樂工藝、聲音敘事
references/07-style.md風格錨點四件套、時代一致性紅線、光源點名、色彩
references/08-dialogue.md對白三去向、密度預算、旁白工藝、多人對話、原文保真
references/09-transition.md段內轉場詞彙、過渡鏡頭、跨段接縫、走位規則
references/10-troubleshooting.md故障速查表、重試決策與級聯重新生成
references/official/official-skill.md官方 H3 Skill 原文(T2VA/I2VA/FL2VA/L2VA/Ref2VA 入口;安裝時拉取,不隨倉庫分發)
references/official/base-en.txt官方 base 模式語法原文(T2VA/I2VA/FL2VA/L2VA;安裝時拉取)
references/official/ref-en.txt官方 Ref2VA 六段語法原文(標籤、retention、完整範例;安裝時拉取)
references/README.md來源、版本、檔案名映射與更新方法
assets/delivery-template.md交付檔案骨架與表頭

衝突仲裁:官方三文檔(references/official/,需先拉取)> 00-workflow.md > 03–09 創作板塊。創作板塊不得改動流程與官方語法。

相關技能