3d Animation Short Generator Local

3D Animation Short Generator（本地版 · 逐步确认式）

本文件由原始 skill 3d-animation-short-generator 改造为「本地版 · 逐步确认式」。 本地化改造总则 v2（纯提示词 · 逐步确认 · 交付物门）

⏹ 门控硬规则（真停顿 · 已生效）：本 skill 中每个 ⏸ 确认门 与 ⏸ 交付物门 均为硬性停止点，不是建议。固定执行顺序：① 仅输出当前步骤交付物（提示词 / 文本计划 / 分镜脚本等）；② 立即调用 AskUserQuestion 工具，给三选项「✅ 确认，继续下一步」「✏️ 修改当前步」「⏸ 暂停 / 停止或换方向」；③ 等待用户回复，本回复内绝不可预生成任何后续步骤（即使你觉得能一次写完）。任一 ⏸ 门不得跳过 / 合并，也不得仅用一句"请确认"文字代替——必须用 AskUserQuestion 真正阻塞。

1. 生图只给提示词，不调用任何生图工具：每个生图步骤只输出文生图提示词；用户自行用任意工具（本地 ComfyUI / 在线 / 其他）生成图像，并把生成的图像文件路径或地址返回给我。本 skill 不硬编码任何 ComfyUI 工作流路径。
2. 每一步都确认 + 交付物门（核心规则）：每个步骤产出后我都会暂停，等你「确认 / 修改」。凡涉及生成资产的步骤（生图 / 生视频 / 生音频），必须等你**返回对应交付物（图像地址 / 视频地址 / 音频地址）**后，才进入下一步。典型链路：出角色卡生图提示词 → 等你返回图像地址 → 再以其为参考图出视频提示词（视频提示词与图像强相关，绝不提前批量给全）。
3. 视频提示词调用 h3-video-prompt-cn skill：所有视频生成提示词，均调用用户级 h3-video-prompt-cn skill（纯文本、无需 API）来写；以你返回的图像为参考图，按其 I2VA / Ref2VA / T2VA 结构输出完整 H3 视频提示词，并附端口 / 顺序 / 时长 / 分辨率设置建议，由你在本地 H3 节点自行执行。 H3 特殊占位符 <d>/</d>、<|lyrics_start|>/<|lyrics_end|>、<|caption_start|>/<|caption_end|>、<|cutoff|> 及其固定 id 见 h3-video-prompt-cn 的「特殊标记」节，写对白/歌词/字幕时严格照用。
4. 语音 / 音乐先询问（已升级为「音频模式门」）：进入流程第一步（方向/简报锁定）时，必须先用 AskUserQuestion 问你音频方案，二选一：
5. 批次时长上限先问（贯穿分镜设计）：同样在进入流程第一步（方向/简报锁定）时，用 AskUserQuestion 问你「本次一次生成几秒？」可选 5s / 10s / 15s（或自定），记为批次时长上限，并贯穿到本 skill 的分镜 / 镜头表设计步骤，使分镜在设计期就 ≤ 批次、无需事后强切。
   • A) 统一 H3 音频：旁白 + 对白 + BGM 全部由 H3 原生音频驱动生成（最省事，音色/配乐与画面同步，无需外部文件）。
   • B) 分离生成：旁白/对白只给提示词（你用任意 TTS 工具，推荐用「参考/音色克隆」模式保证跨镜头一致；不绑定 MOSS-TTS）、BGM 用 ACE-Step 1.5 本地生成（调用 ace-step-1.5-prompt-writer skill）、对白分别生成，后期合成。
   • 记录你的选择，后续「视频提示词步骤」与「音频步骤」依此分支执行。
6. 旁白/对白一致性（分离模式必做）：若选 B 且含旁白/对白，提醒你把【音色参考文件】（.wav/.mp3，代表目标音色）放到当前项目文件夹（你运行本 skill 的工作目录），并在调用 TTS 时使用「参考模式 / 音色克隆」，确保多镜头音色统一；若你未提供该文件，先暂停请其提供，禁止无参考直接生成（否则各镜头音色漂移）。
7. BGM 分离 -> 视频提示词只规划视觉（重要）：若选 B，BGM 由 ACE-Step 1.5 单独生成，因此调用 h3-video-prompt-cn 写视频提示词时不可规划 BGM/旁白/对白的音频出现（如"音乐渐强""旁白响起""对话切入"等），只规划镜头/动作/画面；音频在后期合成。若选 A，视频提示词可正常包含音频驱动指令，无需单独生成音频。
8. 删除自动剪辑 / 拼接：不调用剪辑工具；改为提供"剪辑思路"（ffmpeg 或本地剪辑软件）。
9. 规划 / 分镜 / 排版等文本方法论沿用原 skill，原样保留。
10. 删除全部"表情图"相关提示词（本地难做参考表情，省略）。

适用范围

• 用：完整叙事动画工作流（强角色一致性、场景连续、镜头/表演/音频可控）。
• 不用：单图、简单剪辑、写实实拍、单条独立 clip。

全局视觉风格锁（沿用）

除非用户另选：Pixar 风 3D 卡通渲染、C4D+Octane 质感、夸张几何简化 + 材质细节、2.5–3 头身 Q 版比例、雕塑感发毛、暖色次表面散射皮肤、夸张迪士尼式表演、高能量弹性肢体动画。 禁用：写实实拍、平涂 2D 动漫、塑料玩具皮肤、僵硬摆姿。

STEP 0：Intake 与画布规划

同原 skill：采集一句话创意、交付物类型、时长、画幅、视觉基调、是否对白/旁白。用文字确认替代 choice card：

• 画幅：16:9 横 / 9:16 竖 / 1:1 / 4:5 / 自定义
• 总时长：30–60s（推荐）/ 15–30s / 60–90s / 90–180s / 自定义
• ⏸ 确认门：呈现上述采集项后暂停，等你「继续 / 改 / 停」再往下。

STEP 1：项目简报

同原 skill，写入文本节点 项目简报。

• ⏸ 确认门：简报呈现后暂停，等你确认或补充。

STEP 2：故事大纲与门控

同原 skill（8 拍因果脊 + 情感锚）。

• ⏸ 确认门：大纲呈现后暂停，门控检查通过、你确认后再往下。

STEP 3：角色卡（生图提示词 + 交付物门）

同原 skill 角色顺序（主角→对照/压力角色→可选配角）。每张角色卡建议含：

• 角色名（中/英）、角色定位、主 3/4 视图 + 正/侧/背/3-4 视图（四视图，原三视图已改）
• 材质/服装/道具细节、身份锁定注记（年龄/体型/发型/配色/签名道具/不可变特征）
• 删除表情图相关提示词（本地参考表情难度过大，省略）。

调用用户级 image-prompt-writer-local skill 生成富结构提示词：传入 场景类型=人像/角色四视图、风格上下文=本片统一画风、主体与要求=各角色（名/定位/四视图/材质服装/不可变特征，已删表情图）。它返回「通用风格锚 + 每张角色卡四段式详描」，你原样呈现。 本步骤产出：每张角色卡的文生图提示词（来自上一步 skill 输出，你自行保存/使用）。

• ⏸ 交付物门（必过）：我把角色卡提示词给你后暂停。请你：①确认/修改提示词；②用任意生图工具生成角色图像；③返回生成的图像文件路径或地址（作为后续视频的参考图1）。收到图像地址后，我才进入 STEP 4。

STEP 4：场景卡（生图提示词 + 交付物门）

同原 skill：仅环境、不含人物。建议场景参考图：主环境、光照态、情绪子空间、连续性地标、重要道具。 调用用户级 image-prompt-writer-local skill 生成富结构提示词：传入 场景类型=风景/场景、风格上下文=本片统一画风、主体与要求=各场景（主环境/光照态/情绪子空间/连续性地标/重要道具）。它返回「通用风格锚 + 每张场景卡四段式详描」，你原样呈现。 本步骤产出：每张场景卡的文生图提示词（来自上一步 skill 输出）。

• ⏸ 交付物门（必过）：提示词给你后暂停。请你生成场景图像并返回图像地址（作为参考图2）。收到后才进入 STEP 5。

STEP 5：六列标准镜头表

同原 skill，强制六列：Shot ID & Duration / Continuity Handoff / Reference Anchors / Hook Type / Shot Description（逐秒指令） / Audio & Dialogue Track。运行 5.5 自检门。

• ⏸ 确认门：镜头表呈现后暂停，等你确认。

STEP 6：分镜（Shot）文档 —— 按批次分文件 + 铅笔分镜（可选）

同原 skill：分镜（= h3-video-prompt-cn 的 [Shot N]）逐镜成节，分镜时长一般 ≤ 批次上限（起始门已定）；批次打包与每批一份文件在 STEP 7 完成（批次定义见 h3-video-prompt-cn 的「分镜 / 批次 / 参考图 约定」）；铅笔分镜仅作可选可视化。

• ⏸ 确认门：分镜呈现后暂停，等你确认。

STEP 7：批次化视频提示词（调用 h3-video-prompt-cn + 交付物门 · 每批次一份文件）

不再由本 skill 直接写 H3 提示词，改为调用 h3-video-prompt-cn skill：

• 输入：STEP 3 返回的角色图像地址（参考图1）+ STEP 4 返回的场景图像地址（参考图2）+ STEP 5/6 的镜头/分镜文本。
• ⚠️ 分镜 / 批次 / 参考图（严格遵循 h3-video-prompt-cn 约定）：① 沿用起始门（简报）已确定的批次时长上限（批次时长由设备定，已在分镜设计前问过，本步不再重问）；② 把分镜按批次时长分组，每批次产出一份独立 .md 文件（命名 batch_01.md、batch_02.md…），文件内含该批次全部分镜的 H3 提示词 + 端口/顺序/时长/分辨率建议；③ 参考图一律用 <Picture N> 占位符指代，严禁在提示词中写任何图像/视频文件路径或目录（占位符 → 实际文件由你在 H3 节点侧按端口映射）。
• 🔒 批次打包（不重切分镜）：把本 skill 分镜设计步骤产出并确认的分镜按时长累加打包为批次——同批次各镜时长之和 ≤ 批次时长上限（已在起始门确定），一个批次 = 一次 H3 生成 = 一份 batch_XX.md。不重新切分已设计的分镜，分镜的创意与音频时序在打包中保持不变。仅当某分镜本身 > 批次时长上限（设计期偶发）时，在生成层做机械分段（如 Shot 3 → 3a / 3b，该分镜音频跨子段连续），不改其创意内容。motion-context 在连续批次的衔接边界问（见 h3-video-prompt-cn 规则⑤：跨段连续时启用，第 2 段起 22 帧重复 + 时间标注后延 0.917s、第 1 段不变）。
• 调用用户级 h3-video-prompt-cn skill（纯文本、无需 API），按其 I2VA / Ref2VA 结构，逐镜头输出完整 H3 视频生成提示词；并附设置建议：
  • 参考图1（角色）→ 接入 H3 节点「角色参考 / character reference」图像端口
  • 参考图2（场景）→ 接入「场景参考 / scene reference」图像端口
  • 音频（依总则「音频模式门」分支）：模式=统一H3 时，旁白/对白/BGM 由 H3 原生生成并接「音频输入 / audio」端口（纯 T2VA 不接）；模式=分离 时，本视频提示词仅规划视觉（不写 BGM/旁白/对白音频指令），音频后期合成。
  • 时长 = 由简报 / 批次上限决定（分镜设计期已 ≤ 上限；仅偶发超上限时在生成层机械分段）；分辨率 = 由简报画幅决定（16:9→1920×1080 等）；其余你按节点默认或自行调整
  • 模型标注 MiniMax-H3；本地用 Wan/Animate2 亦可（相应调整端口/首帧接入）
• 本步骤产出：完整 H3 视频提示词 + 端口/顺序/时长/分辨率设置建议。
• ⏸ 交付物门（可选）：你确认提示词后，自行在本地 H3 节点执行生成视频；返回成片地址（可选）。未返回也可直接继续（如无需拼接）。

STEP 8：整片组装与 BGM（先问云端 + 剪辑思路）

⚠️ 音频模式门：仅模式=分离 时执行本 STEP 的 BGM 单独生成（调用 ace-step-1.5-prompt-writer）；模式=统一H3 时跳过，BGM 由 H3 原生生成。 ⚠️ 音频模式门：仅模式=分离 时执行本 STEP 的 BGM 单独生成（调用 ace-step-1.5-prompt-writer）；模式=统一H3 时跳过，BGM 由 H3 原生生成。

• BGM（先问云端）：涉及 BGM 时，先问你「用云端生成 or 只给提示词」。若只给提示词，输出 BGM 风格提示词（约 100 BPM、科技感、块状和弦、pluck + airy noise、kick+sub、木质打击、突断留 pluck 尾音）。若只给提示词，优先调用用户级 ace-step-1.5-prompt-writer skill 把你的一句话音乐描述（+ 可选带 [Verse]/[Chorus] 等标签的歌词）改写成 ACE-Step 1.5 提示词（Caption/Lyrics/Metadata），再交你本地或云端生成。
• 剪辑思路（替代自动剪辑）：
  • 严格按镜头表顺序拼接；仅用最新批准资产。
  • 对白/反应/重要 SFX 处压低 BGM。
  • 不额外加字幕/文字（除非你要）。
  • 成片不得残留分镜痕迹（标签/箭头/计时标记/面板边框）。
  • 工具建议：ffmpeg 或本地剪辑软件硬切拼接；多镜头可用首尾帧衔接保证连续。

边界

同原 skill：不用于单图、简单剪辑、单 clip、logo、纯提示词咨询。