人物场景替换 skill
本 Skill 以已有视频为运动和时间轴母版，根据用户本次真正指定的任务，替换一个人、多个不同人物、人物与背景，或只替换背景。
先判断本次模式
| 模式 | 用户意图 | 参考素材 | 处理方式 |
|---|---|---|---|
| A. 单人替换 | 只替换一个指定人物 | 1 张人物图 + <Video 1> | 只定义该人物；可考虑单人物换人 LoRA |
| B. 多人替换 | 同时替换两个或更多人物 | 每名人物各 1 张图 + <Video 1> | 每个别人物独立 <Subject N>；关闭只适合单人的换人 LoRA |
| C. 人物 + 场景 | 替换人物并同时替换背景 | 人物图 + 1 张纯场景图 + <Video 1> | 人物和背景分别定义；按素材数量决定 LoRA |
| D. 单独场景 | 只替换背景，人物和动作保持原样 | 1 张纯场景图 + <Video 1> | 不定义人物替换；关闭换人 LoRA 和锁脸 |
还可以组合：单人 + 场景、多人 + 场景、只替换某一部分人物。Skill 必须服从用户本次明确指定的范围，不把没有参与的素材自动加入。
素材映射
<Video 1> 永远是待编辑的目标视频，负责时长、构图、机位、动作、口型、节奏、对白和原音轨。
人物参考图只提供身份与外观，包括脸型、五官、发型、服装和体型。场景参考图只提供背景结构、地面、光线、色彩和空间关系。
如果用户没有说明“哪张图替换视频里的谁或什么”，只问一个最短问题：
请确认每张 Picture 分别替换视频里的哪个人物或场景。
不要自行假设所有人物图都必须使用，也不要在缺少某个 <Picture N> 时仍然引用它。
各模式要点
A. 单人替换
- 只保留这一名人物和
<Video 1>。 - 可以使用
h3_character_swap_pro4500_1000，强度通常为1.0。 - 单人物可考虑开启锁脸；如果动作或轮廓被过度拉向参考图，关闭锁脸或降低原片参考强度。
- 提示词只定义
<Subject 1>和<Video 1>。
B. 多人替换
- 每个别人物必须使用独立
<Subject N>和<Picture N>。 - 在正文中明确每个人物在画面中的左右位置、前后关系、动作和说话状态。
- 关闭
h3_character_swap_pro4500_1000，避免 LoRA 只绑定第一个人物。 - 关闭锁脸，避免同一张脸贴到所有人物。
- 不要只写“将所有人物替换为 Picture 1”；不同人物必须分别映射。
C. 人物 + 场景
- 人物和背景分别定义，背景环境使用独立的
<Subject N>。 - 场景图必须只提供环境信息，不把其中的人物当成额外替换对象。
- 多人时关闭单人换人 LoRA；单人时可以使用。
detailed_description同时写明人物动作和背景环境变化。
D. 单独场景
- 只定义场景
<Subject N>和<Video 1>。 - 原视频中的所有人物的身份、数量、服装、动作、走位和对白全部保留。
- 关闭换人 LoRA 和锁脸。
- 不创建人物
attribute_transfer，背景使用attribute_transfer或fully_preserved。
推荐节点参数
- 主模型：
minimax_h3_hybrid_fl2va_ref2va_b25-49-int8 - 模式：
Ref2VA 全能参考 - 换人模式：涉及人物替换时开启；只替换场景时可保持换人参考通路，但关闭人物专用 LoRA
- 原片参考强度：
0.12-0.20用于强身份覆盖，0.25-0.40用于更强动作保持，只换场景时通常使用0.25-0.40 - 参考图尺寸：
1K；需要脸部和服装细节时可用1.5K - 输出：至少
480P，宽高比优先跟随原片 - 采样器：
er_sde - 调度器：
simple - 步数：
25；细节不足时可升到32-40 - 降噪：
1.0
台词识别与口型同步
如果上游接入 AICG3D SKILLS · 视频台词识别 的输出，必须把识别结果视为原视频已经存在的真实对白，而不是新写台词。
S1/S2/S3...是原视频说话人编号，必须按用户提供的S1 -> Picture 1、S2 -> Picture 2映射到对应的<Subject N>。- 时间码必须使用识别结果，不得把所有台词集中到首镜，也不得改变说话先后顺序。
- 识别出的台词正文只有原语言和原标点，必须逐字写入
<d>[Chinese]原文</d>；不得翻译、润色、补句或扩写。 - 每个台词块必须写在对应时间段的
detailed_description内，并同时写出该Subject的说话动作、口型和表情；不要另开“对白列表”。 - 没有接台词识别结果、也没有用户明确提供的逐字台词时，禁止生成
<d>对白。任务说明、问题、素材用途、旁白和“跟谁换谁”都不得写成人物台词。 - 复用原音轨时，
overall_soundscape写明<Audio 1>: fully_copy - 原视频音轨、语言、语速和停顿完整复用；台词文本只用于锁定语言内容、说话人和口型节奏，不改变原始音轨。 - 说话人没有正确映射时，不要猜测。保持原视频口型和动作同步，并在状态中提示用户补全
S1/S2对应关系。
输出格式
只输出六段，字段名和顺序固定：
textsubject_definitions: summary: retention_analysis: detailed_description: overall_soundscape: non_diegetic_music:
不要输出解释、分析、七段式栏名、Markdown 代码围栏或工作流术语。
写作规则
subject_definitions：只定义本次使用的<Picture N>、<Subject N>和<Video 1>。summary：以[video editing + audio reuse]开头，简述本次替换了哪些人物或场景。retention_analysis：<Video 1>使用fully_preserved；被替换人物或背景使用attribute_transfer；未参与替换的内容不定义。detailed_description：[Shot 1]不写时间码；后续镜头使用At MM:SS.mmm, ...；写清人物位置、说话动作、口型、镜头和背景变化。- 用户没有提供确切台词时，禁止生成
<d>对白，禁止把素材说明、问题、任务描述或旁白改写成人物台词。 - 用户或台词识别节点提供台词时，逐字保留原语言、原标点和时间码，格式为
<d>[Chinese]原文</d>；说话人编号按识别结果或用户映射为(S1)、(S2)。 - 复用原音轨且有逐字台词时，在对应时间段写入
<d>原文，并写“说话动作和口型与<Video 1>同步”；没有逐字台词时才只描述口型。 - 正文只写实际存在的画面与声音，不写否定式指导，不把多视图设定板的排版写进目标画面。
参考文件
- summary.md：四种模式和通用压缩规则。
- template.md：按模式裁剪的 Ref2VA 模板。
- mapping-checklist.md：素材映射、LoRA、节点和运行前检查表。
- quick-label.md：可直接复制粘贴的轻量速用卡。
