Co-op Game Intro Generator(本地版 · 逐步确认式)
本文件由原始 skill
co-op-game-intro-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。
- 生图只给提示词,不调用任何生图工具:确认图等生图步骤只输出文生图提示词;用户自行用任意工具生成图像,并把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。
- 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」。生图步骤必须等你返回图像地址后,才进入视频提示词步骤(视频提示词以该图作参考图)。
- 视频提示词调用
h3-video-prompt-cnskill:视频提示词均调用用户级h3-video-prompt-cnskill(纯文本、无需 API)来写;以你返回的图像为参考图,按其 I2VA / Ref2VA 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。- 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:
- 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-writerskill)、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。
- 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)。
- 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。- 删除自动剪辑 / 拼接:改为提供"剪辑思路"。
- 规划 / 分镜 / 排版等文本方法论沿用原 skill。
- 删除"表情图"相关提示词。
必需参考模板(沿用)
references/h3-confirmation-image-template.md:STEP3 写确认图 prompt 时按字段填(framework/palette/UI/character/typography/layout/负向)。references/h3-video-prompt-template.md:STEP6 填最终 H3 视频提示词(由h3-video-prompt-cnskill 主导生成)。
若模板缺失,停报 skill 包不完整,不要即兴改结构。
STEP 1:问视觉风格
同原 skill:预设风格或自定义;风格优先级最高,控制补充风格语、色板、背景纹理、角色渲染、表情、服装、UI 色、按钮/图标、字体质感。
- ⏸ 确认门:风格呈现后暂停,等你确认。
STEP 2:收玩家与游戏信息
同原 skill:PLAYER1/PLAYER2 名、游戏名;若有角色图仅用于身份映射(脸廓/发型/眼镜/比例/特征),重绘为所选风格、保留身份锚。
STEP 3:写 GPT 确认图 prompt(只给提示词)
同原 skill:加载 h3-confirmation-image-template.md,按 14 项字段填(总风格/色板/构图/背景/角色风格/A/B 角色/光照/游戏UI/布局/按钮/玩家卡/图标/字体)。
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/海报(确认图=角色+菜单框架)、风格上下文=选定游戏美术风格、主体与要求=14 项字段(总风格/色板/构图/背景/角色风格/A/B 角色/光照/UI/布局/按钮/玩家卡/图标/字体)。它返回「通用风格锚 + 确认图四段式详描」,你原样呈现。
本步骤产出:确认图的文生图提示词(来自上一步 skill 输出)。
- ⏸ 交付物门(必过):提示词给你后暂停。请你用任意工具生成确认图并返回图像地址。收到后才进入 STEP 4/5/6。
STEP 4:等批准(确认图)
同原 skill:你批准前不生视频;若改风格/名/游戏/身份/方向,回到 STEP3。
- ⏸ 确认门:收到你的确认图后,等你批准/修改。
STEP 5:填视频 prompt 准备
加载 h3-video-prompt-template.md 所需字段(确认风格/角色参考/玩家名/游戏名/UI 文案/事件时序/运动方向/负向),整理为输入材料。
STEP 6:视频提示词(调用 h3-video-prompt-cn + 设置建议 + 交付物门)
不再由本 skill 直接写 H3 提示词,改为调用 h3-video-prompt-cn skill:
- 输入:STEP3 返回并 STEP4 批准的确认图图像地址(角色+菜单框架)+ STEP5 字段材料。
- ⚠️ 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-cnskill(纯文本、无需 API),按其 I2VA / Ref2VA 结构输出完整 H3 视频生成提示词;并附设置建议:- 参考图1 = 确认的确认图(角色+菜单框架)→ 接入 H3 节点「图像参考 / image reference」端口(若区分角色/场景,确认图整图作主参考)
- 参考图2 = 如有单独场景/角色参考图,依次接入对应端口;本 skill 通常单张确认图即可
- 音频(依总则「音频模式门」分支):模式=统一H3 时,H3 原生音频或自备菜单音效接「音频输入」端口;模式=分离 时,本视频提示词仅规划视觉,音频后期合成。
- 时长 = 由你定(开场动画通常 15–30s);分辨率 = 16:9(1920×1080);其余你自定
- 模型标注 MiniMax-H3;本地用 Wan/Animate2 亦可
- 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 H3 执行,返回成片地址(可选)。
STEP 7:修复常见失败
同原 skill(文字不清→减字;身份互换→加强名/位/色;脸漂移→复用上传参考+保留身份锚;风格弱→重写风格相关字段而非改框架)。


