H3 视频提示词撰写
产出语言默认中文（中文产出版）：描述内容用中文书写，字段名、标签、占位符保持英文。 核心机制：结构以官方英文规范
references/base-en.txt（基础模式）/references/ref-en.txt（全参考模式）为准——它们是 H3 格式的权威契约，不翻译。中文产出版＝按英文规范的要求，用中文散文去"填空"；字段名、[Shot N]、At MM:SS.mmm、<Picture N>/<Video N>/<Subject N>、保留标记、标签、固定对齐句一律保持英文。base.txt/ref.txt仅为人可读的中文渲染版，结构以-en英文文件为准。
工作流 (Workflow)
- 识别输入模式：T2VA、I2VA、FL2VA、L2VA，还是全参考 Ref2VA。
- 对于基础文本 / 关键帧模式，阅读
references/base-en.txt并遵循其最终提示词结构。 - 对于全参考模式，阅读
references/ref-en.txt并遵循其六段改写格式。 - 保留所选指南中的准确字段名、段落顺序、标签与计时标注。
- 产出语言默认中文（内容中文、结构标签英文）；仅当用户明确要求英文时才走英文产出。
基础模式 (Base Modes)
- T2VA：从文本构建完整的视听时间线。
- I2VA：从首帧开始，并由此向前发展。
- FL2VA：描述首帧与末帧之间的连续路径。
- L2VA：推断一个合理的开头，并收束到给定的末帧。
按 references/base-en.txt 所示顺序使用 integrated_multimodal_description、overall_soundscape、non_diegetic_music。
全参考模式 (Full-Reference Mode)
Ref2VA 改写依次使用 subject_definitions、summary、retention_analysis、detailed_description、overall_soundscape、non_diegetic_music。参考标签在各段之间保持一致。
三条硬规则（2026-10-08 用户纠正 · 曾三次翻车，务必先读）
① summary 只讲剧情与参考关系。镜头走向只允许一句「层级概括」（如「一条连续长镜」「三镜交换」「约第 5 秒凝滞」）；镜头运动细节——焦距 / 半径 / 高度 / 角度 / 速度 / 景别 / 摇幅 / 推拉变焦——一律只写进 detailed_description。
- ✓（官方示例）
[reference generation + audio reference] 目标视频展示 <Subject 3> 在 <Subject 1> 中吃饼干。<Subject 4> 带着 <Subject 2> 走进来，萨摩耶扑向饼干。这三镜的互动以 <Audio 1> 作为音色参考，并以一段罐头笑声收尾。 - ✗（把 summary 写成镜头说明）
…机位随即以恒定半径、恒定高度、恒定焦距、恒定速度顺时针绕完全冻结的她转满一整圈… - 自检：summary 内出现 DSL 直译的镜头变量 → 删掉、挪进
detailed_description。
② 参考图角色判据（正向）：图片作首帧 / 末帧 / 关键帧 / 构图锚 → 独立成 <Picture N>；图片作角色 / 服装 / 环境 / 风格来源 → 内联进对应 <Subject N> 的定义里（"…是 <Picture N> 中的…"）。
- 四视图角色卡属后者：写进
<Subject 1>，retention_analysis只列<Subject 1>/<Subject 2>这两行。 - ✗（把角色卡独立成条并当成视角）
<Picture 1> ([Shot 1] 环绕的起点与终点视角): fully_preserved - 环绕自该正面视角起、回到该正面视角止。——独立成条＝把它声明成构图锚；角色卡承载的是角色，镜头起点由detailed_description的文字交代。 - 详解见
references/reference-image-roles.md；镜头层纪律见references/camera-and-lora.md§一。
③ 参考标签的编号一经指定就全局不变；四个段落都可以用 <Picture N>，但不得在某一段里新起编号。
- 官方依据（
references/ref-en.txt）：summary「uses the previously defined<Subject N>,<Picture N>,<Video N>,<Audio N>labels…Do not introduce new reference labels in this section」；detailed_description「Inserts<Subject N>,<Picture N>,<Video N>,<Audio N>at their first appearance and where their roles apply」。 - 即：
<Picture 1>在subject_definitions里定义成什么，后面所有段落里就还是那个东西，不换号、不重排。编号漂移（同一张图在不同段落变成<Picture 2>）才是真错误。 - 写法上仍建议：讲剧情与状态优先用
<Subject N>（它是"人/物/环境"，语义更贴），讲帧本身（这里是首帧、那里是末帧、构图对齐这张）才用<Picture N>。这是可读性偏好，不是禁令。 - ✗ 反例（真正的错误）：
subject_definitions里写<Picture 1>是首帧，detailed_description里却出现<Picture 2>指同一张图。 - ✓
<Subject 1> 立在床边的地板上／<Subject 1> 的面容与整套汉服在这一刻清晰可见；参考关系在subject_definitions（<Subject 1> 是 <Picture 1> 四视图角色卡中的少女…）与retention_analysis里说清。 - ⚠️ 一条实测备注，不是规则：把
<Picture N>写进正在描述运镜的句子里，个别批次会让模型把构图往那张图拽。如果出现构图被拽住，先试着把该处换成<Subject N>；这是排障手段，不要反过来升格成禁令。
阅读 references/ref-en.txt 了解标签规则、保留分析与完整示例。创意机制可从 references/creative-dna-library.md 提取。
当目标是「把定稿技能卡做成招式动画」时，另读 references/card-derived-animation.md（卡片锚点取中间高点帧、锚点写"经过"不写"构成"、不写定格与放缓、主体与法术同频、连续演化写一段）。
当一段里要打多个目标（多块目标物、多个方向、需要明确布局与可读性）时，另读 references/multi-target-and-hit.md（数量写死、方位写死、布局落到空间关系、露出主体忌遮挡）。
当目标是「把这批参考素材的运动迁到自建的角色 / 场景上」时（保留参考视频的动作、机位、硬切与节奏，外观是新建的），另读 references/motion-transfer.md（零动作白描、运动几何七维归属、<Video N> 定义升格、收口句、⭐ 字数配额与精简边界、光流四判据＋残余的"时间轴被压缩"问题）。注意它与下一类的区别：成片出来后源视频的画面内容不在里面。
当目标是「把源视频里的某个对象替换 / 修改成参考图的样子」时（人物身份、整个人物、服装配饰、手持物体、场景背景、画内文字 Logo、材质表面、光照影调，以及移除与新增），另读 references/editing-and-replacement.md（三归属维度——外观 / 运动几何 / 光学——、遮罩形态检测、七个不可省模块、目标类型→槽位速查表、可见行为四组、R1/R2/R3 尺寸规则、摘要固定首句与任务类型标记）。成片出来后源视频的画面内容仍然在里面。
整条「定稿卡 → 招式动画」管线（六步 + 崩坏症状速查）见 xianxia-cinematic-video-director 的 references/skill-card-animation-pipeline.md。
视频参考（<Video N>）三玩法 —— 2026-10-22 实测
挂了参考视频（<Video N>）时，先读 references/video-reference-modes.md。 三玩法的官方定义与四种保留标记语义以 references/ref-en.txt 为准；那份文件只补实测判据与写法模板，不重复官方定义。
| 你要做的事 | 前缀 | 关键纪律 |
|---|---|---|
| 直接改源片（换人 / 换装 / 换风格 / 换渲染） | [video editing] | 保守定律：保留必须限定到几何与运动，外观明确写"重新绘制"；风格类改动必须挂关键帧参考，否则失效 |
| 从源片末帧往后接 | [video continuation] | 必须挂末帧关键帧锚，否则生成段开头多出约 1 秒前置片段；续写只改动作与内容，改机位无效 |
| 只借机位 / 剪辑 / 节奏 | [reference generation] | <Video 1> 标 weak_reference |
| 把源片动作迁移到新主体 | [reference generation] | <Video 1> 标 attribute_transfer 并声明"运动与机位唯一来源"，逐镜写"逐帧沿用" |
| 换人物（character swap） | [video editing] | 见该文件 §六：guide-latent 路线一致性最好；源片强特征（头发）会回流，发型必须几何可执行句 + 逐镜点名 |
⚠️「风格转换」一词两义：给源片换皮＝ video editing；拿源片风格造新片＝ reference generation。开写前先问清是哪种。
合规：上表提到的关键帧锚可以 <Picture N> 独立成条（属首帧 / 末帧 / 关键帧锚用途）；后续段落的写法见硬规则 ③（编号全局不变，不新起编号）。
镜头 / 参考图 / 交付格式 —— 四条 2026-10-05 实测补充
做运镜类镜头（推拉摇移环绕航拍 POV 双人机位…）时，按这个顺序读：
| 文件 | 什么时候读 | 核心内容 |
|---|---|---|
h3-camera-motion-lib（独立 skill） | 要写镜头运动的句子时，第一个读它 | ⭐ H3 运镜提示词库：7 个运镜族 + 核心纪律 + LoRA 台账 + 现实边界，每条给可直接粘贴进 detailed_description 的中文镜头句与实测状态（✅/🟡/❌）。不依赖 camera DSL——DSL 降级为可选校验，两者冲突时以库的「实测」一栏为准 |
references/camera-and-lora.md | 要决定挂不挂 LoRA，或查变量纪律速查 | 变量纪律（摇镜不写焦距 / 推拉必写焦距锁定 / 变焦用"变焦"）；**LoRA 优先级：专用 ＞ 不加 ＞ Jojocodex（仅特定情况）**＋触发词台账；起手景别的现实预期（镜头句本体见上一行的库） |
references/reference-image-roles.md | 有多张参考图时 | 构图锚 vs 内联定义（独立成条＝构图锚，会被拉回它的构图）；环境一律 weak_reference；环境写"描述式"不写"清单式"（清单会把画面推宽）；<Picture N> 只进 subject_definitions；首帧锚定的取舍 |
references/writing-order.md | 每条提示词动笔第一句之前 | 书写顺序铁律：画面里"先出现的东西"写在最前面；遮挡/揭示、跨越/甩镜/航拍、POV 三类起手写法 |
references/output-template.md | 每次交付 | 交付格式模板（参考图映射 / 生成设置 / 推荐 LoRA / 节拍 / 六段提示词 / 提交前须知 / 待跑后核对） |
references/negation-guard.md | 交付前自检 | 否定式两级闸门（L1 词表 + 白名单）、正向化替换表、落地方式与脚本接口 |
references/audio-reference.md | 挂 <Audio N> 参考音频时 | ⭐ 角色形象先验 > 音色参考（reference 的根本机制）＋「F0 对了 ≠ 音色被复刻」的判定陷阱；四种关系标记的实测基线（含 partially_copy 区间控制失效）；Sx 编号须与接线顺序一致（三线同号）；台词约束不可省；过肩镜头与正向单人约束；<d> 豁免白名单 |
references/video-reference-modes.md | 挂 <Video N> 参考视频时（editing / continuation / reference generation 三种） | ⭐ 三玩法判据与选型表；editing 保守定律（保留限定到几何与运动 + 外观"重新绘制"）；风格类改动必须挂关键帧参考否则失效（纯文字无效，杠杆：关键帧 > 风格图内联 > 风格 LoRA）；动作迁移 attribute_transfer 写法模板（"运动与机位唯一来源" + 逐镜"逐帧沿用"）；continuation 必挂末帧锚（否则开头多约 1s 前置片段）＋机位重构无效；换人两路线（guide-latent v1.1 推荐 / 适配器 v1.5 需更强约束）＋源片强特征回流的四条写法；retention_analysis 括号写法（括号只属该段、<Audio N> 不带、只放「范围」不放「角色」、括号内禁全角冒号、A/B 四套须完全一致） |
references/cut-and-timing.md | 源片有硬切 / 叠化，要定镜数与切点时 | 逐帧 124 帧定五件事（几镜 / 切点在第几帧 / 过渡方式 / 每镜机位 / 每镜景别写数字）；At MM:SS.mmm 必写且写真实值不补偿（省掉 At 第二刀会整刀丢失）；每个切点都要 cut on action（紧贴 At 之后第一句，按源片实际状态写、不绑"第一帧"）；转场语法（硬切五种动词 / 叠化与划像需明说 / 闪光切等无语法位 / 只改距离优先用镜头运动）——这部分与任务类型无关，任何 H3 提示词都适用；节拍稀疏优先（多个 cut on action 时自然稠密）；失败模式速查 |
references/motion-transfer.md | 要把参考视频的动作 / 机位 / 硬切迁到别的角色或场景上时 | 零动作白描（别把动作写成可表演的台词）＋运动几何七维逐镜归属位置/朝向/轮廓/位移与速度/姿态/占位体积/接触关系；<Video N> 定义升格；收口句；⭐ 字数配额：2622→1701→1416 字 ⇒ 运动能量 0.73→1.52→1.65、r 0.14→0.44→0.50（单调），但砍掉场景外观会让赛博朋克退化成普通公园 ⇒ 取向 1500–1700 字；光流四判据与残余的"时间轴被压缩"问题 |
references/editing-and-replacement.md | 要替换 / 编辑源视频里的某个对象时（换脸换人换服装换物体换背景换文字换材质换光照、移除、新增） | 三归属维度（外观←参考素材／运动几何←源视频／光学←源视频环境）；遮罩形态检测（半透明 R≈80 为默认路径）；七个不可省模块（REBUILD / LIGHT / SYNC / PERFORMANCE / OCCLUSION / FIT / SEAM / NO_ADDED_EVENT）；目标类型→槽位速查表；可见行为四组必须带同节奏约束；尺寸冲突 R1 保持占位（默认）/ R2 忠于参考 / R3 折中；摘要固定首句与任务类型标记 |
镜头句精简纪律 —— 没装运镜库时的兜底（2026-10-09 更新）
⭐ 写任何镜头运动的句子时，第一个查
h3-camera-motion-lib（H3 运镜提示词库，专家包内的独立 skill）。 它按运镜族给出可直接粘贴进detailed_description的中文镜头句＋实测状态（✅/🟡/❌）＋推荐 LoRA＋坑， 不依赖 camera DSL——DSL 降级为可选校验，两者冲突时以库的「实测」一栏为准。 本文只保留精简核心纪律（够你在没装那个库时不踩坑），完整版一律以库为准。
精简核心纪律（六条，2026-10-09 校准）：
- 变量纪律：摇镜不写焦距；推拉必写「焦距全程锁定在同一档位」；变焦用"变焦"表达 + 机位恒定；横移写「镜头朝向全程锁定」；升降写「镜头姿态全程保持水平」；翻滚必写方向。
- 书写顺序：画面里先出现的东西写在最前面（遮挡 / 揭示先写前景遮挡物；跨越甩镜航拍先写门洞枝叶高空全景；POV 主体不入画、不写景别区间）。
- 时刻与配速：用官方语法
At MM:SS.mmm，配速＝At起点–结束点两个时刻；禁止「在 3 秒时间内…」这类自造时长短语；时刻会漂移约 ±1s，动作先后次序要用文字兜底。 - 整圈环绕：圈数与时长必须同时给——圈数靠「转满一整圈 + 末了回到正面」的收束句，配速靠起止时刻。只给圈数→转多圈或中途停；只给时长→不转或转不完。（写"快速"会让速度词压过收尾句，实测冲过正面转第二圈。）
- 环境写"描述式"不写"清单式"：逐一点名"柱列 / 地砖 / 宫灯必须可见"会把画面推宽；改成一句"主体所处的环境是什么"即可。它是止损手段不是锁半身手段（实测主体放大 2.4–3×，仍 0/3 达腰部以上）；真要锁取景 → 用 I2VA 真实首帧。
<Picture N>编号全局不变：编号一经在subject_definitions指定，四段里就都是同一张图，不换号、不新起编号。summary与detailed_description都可以引用它（官方规范允许）；讲剧情与状态优先用<Subject N>是写法偏好，不是禁令。
LoRA 一句话：专用 ＞ 不挂 ＞ Jojocodex（仅特定情况）。 ⚠️ Dutch Angle Slider 权重即倾角：1 ≈ 20°，常用 2.0（旧记"1.0≈1°、要 10–20"是错的）。
构图可执行性 —— 把形容词变成模型能执行的东西（2026-10-26 实跑沉淀）
共同根源：模型会把形容词当事实渲染。你对它说的每个修饰语，它都要想办法画出来，而它理解的"画法"往往是你没预料的那一种。下面五条是同一原理的五个实例。
① 开写前先声明运行模式
本批跑的是 Ref2VA（六段） 还是基础模式（三字段 integrated_multimodal_description）？写错整套作废。
批次文件开头写一行 模式：Ref2VA [keyframe completion]，与工作流节点对齐后再落笔。
② 两套命名空间，起始编号不同
| 命名空间 | 起始 | 实例 | 出现在哪 |
|---|---|---|---|
| 提示词标签 | 1 | <Picture 1> <Subject 1> <Audio 1> | 六段正文里 |
| 接线端口 | 0 | ref_image_0 ref_audio_0 | 工作流 JSON 的 inputs 键 |
写提示词从 1 数，接端口从 0 数。混用会导致挂图错位且报错信息不指向真正原因。
③ 比喻动词会被按字面执行
写 hovering（悬停）→ 指针真的浮在盘面上方，尖端落在两格刻度之间。要表达"即将触碰"，只能用物理证据：
- 贴平：
lies flush against the surface - 底面接触：
its underside in contact with it - 影子：
throws a shadow directly beneath itself, and that shadow touches X at its own tip
影子相接是"两者共面"的硬证据，比任何形容词都可靠。判据：想表达"挨着 / 贴着 / 即将碰到"，就写"接触 + 影子落在正下方"。
④ 微距必须锁"画面里只有什么"
只写"极限微距"而不锁边界，模型会自己补背景——实测把一块表盘补成了带地平线和落日的白墙。
固定句式：The frame contains only X and Y.
⑤ 含人物的镜必须写景别锁
- 只写"略前倾" → 被放大成深鞠躬（首帧相似度 0.549）
- 只写"取到胸口" + 一堆微距式细节 → 被推成大特写，天空全丢（0.404）
- 补上景别锁后：0.9986 / 0.9950
固定句式：取景与首帧一致：他全身入画，自头顶到鞋底完整可见，头顶距画面上缘约一成，脚下与画面下缘之间留出一段空地，地平线横在中景。
推论：描述视线与姿态的词会直接决定体态。写"视线落在身前地面"会诱导前倾弯腰——想让他站着，就别提"看地面"。
⑥ 有读数的物体必须写角度关系
写"两根针以不同角度放射" → 模型给任意角度。实测四张钟面里三张读不出目标时刻（11:20 / 12:18 / 10:15）。
必须写：离竖直方向偏几度、谁在谁的左边、收成多窄的 V。
⑦ 跨镜连续性清单（交付前逐镜核对，任一项不符即穿帮）
| # | 项 | 本项目实例 |
|---|---|---|
| 1 | 同一道具的结构件数 | 巨钟两根针，五个含钟镜头必须一致 |
| 2 | 有无可读文字 | 盘面无数字，只有一圈放射刻度 |
| 3 | 读数状态 | 所有钟面都停在午夜前一分（窄 V 落在盘顶） |
| 4 | 全片唯一的例外 | 只有铯钟一场是冷调，其余全暖橙 |
音频时间线对齐（带对白音频的 Ref2VA）
当输入包含对白 / 人声音频（<Audio N>）时，先转写音频，再设定分镜时间戳——这是 Ref2VA 带音频时最常见的失败点：说话人错位（角色 A 在画面中说话，而音频已切到角色 B）。
- 音频优先（Audio-first）：运行 Whisper（
faster-whisper，模型small）获取每条语料的起止时间戳与说话人 ID（可区分时用 S1/S2）。将同一说话人连续的语料合并为"话轮"；话轮之间的间隙即自然的切分点。将每个[Shot N] At MM:SS.mmm锚定到这些话轮边界——不要凭空猜测。注意：Whisper 可能听错数字 / 人名（如"心之星"→"星之星"）；时间戳可靠，内容请用用户原始文本。 - 粗对齐，不要紧对齐：分镜切点应大致匹配音频中说话人切换的边界（±0.5–1s 即可），但不要逐帧精确绑定。在每句中间的停顿处切、或删掉所有时间戳让模型自由发挥，都会让节奏变差。
- 硬规则——禁止说话人错位：绝不让"角色 A 在画面中说话的分镜"与"音频中角色 B 实际在说话的片段"重叠。核对每个
[Shot N]的时间区间与在该区间内实际发声的说话人（S1/S2）一致。
挂 <Audio N> 参考音频时，另读 references/audio-reference.md —— 那里有四种关系标记的实测基线、Sx 编号与接线顺序必须三线同号（Subject N = S N = Audio N）、台词约束不可省（简化 <Audio N> 定义时最易踩）、以及正向单人约束与过肩镜头两种「锁定单一说话人」的写法。
输出规则 (Output Rules)
- 对白 / 歌词必须使用
<d>[Language] ... </d>标签（铁律）：说话人身份、ID、动作与语气放在<d>之外；<d>内部只放语言标签与逐字原始口语——不翻译、不改写、不追加英文翻译。示例：<d>[Chinese] 今天的星星，好像比昨天暗了一点点。</d> - 音频复用模式（fully_copy）——绝不再合成：
<Audio N>作为最终音轨复用时，只描述谁说话、何时说话、口型跟随音频；不添加语气/韵律/停顿/情绪指令（会触发再合成导致语音糊掉）。 - 改写段落用中文书写；对白、歌词与可见场景文字保留原始语言（歌词保留中文原文，外文对白 / 歌词保留其原文）。
- 按构图、主体、环境、动作、镜头、声音，以及参考内容出现的精确时点来描述每个分镜。
- 避免剧情摘要、未解析的参考标签，以及与请求时长不符的计时。
- 提示词正文内不使用 markdown 装饰符号（2026-10-01 用户定规）：
**加粗**、#标题、-列表、表格、反引号等一律不写进实际发送的提示词块。理由两条：① H3 的格式契约里没有 markdown 强调这一项，模型把这段当纯文本读，**属于官方规范明确要求剔除的"装饰性标点"（remove repeated tildes, emoji, bullets, and repeated or decorative punctuation）；② 虽说 token 代价极小（实测 15s 提示词里 46 个**仅约 46 tokens、占 1.2%），但"契约里没有的东西别塞进去"——它要么被无害忽略、要么变成句子流里的噪声，两种都不划算。- 强调改用「语序与句位」：把关键名词放句首、把结构逐条写死、跨镜元素每镜各写一遍——效果比符号稳。
.md交付文件里、提示词块以外的加粗可以保留（节奏表 / 编排说明 / 素材清单 / 提交建议），那部分不参与发送，纯为阅读。- 写完后自检：
sed -n '/^\``text/,/^```$/p' 文件 | grep -c '**'` 应为 0。
分镜 / 批次 / 参考图 约定（Shot · Batch · Reference）
被上游设计 skill 调用生成视频提示词时，统一遵循以下定义与硬规则（设计 skill 无需各自重定义，直接引用本节即可）。
概念
- 分镜（Shot）：最小叙事 / 视觉单元，等价于本 skill 提示词里的
[Shot N]。每个分镜自带时长，由分镜设计任务决定如何切分。 - 批次（Batch）：一次 H3 生成单元 = 一组符合本 skill 结构（T2VA / I2VA / Ref2VA / FL2VA / L2VA）的提示词，可包含多个分镜（≥1）。一个批次即一次在 H3 节点提交生成的单位；一个批次 = 一个输出文件。
硬规则
- 批次时长上限由设备决定，且应在分镜设计前确定：在每个设计 skill 的「简报 / 起始门」先问用户「本次一次生成几秒？」可选 5s / 10s / 15s（或用户指定值），记为批次时长上限并贯穿到分镜设计步骤。分镜设计任务据此把分镜设计在批次内，而非事后强切。
- 分镜时长一般 ≤ 批次时长（设计期遵守，本步不重切）：分镜是创作单元，由分镜设计任务按叙事 / 视听决定，设计期就已遵守批次时长上限（一般单镜 ≤ 上限）。本步（视频提示词）只负责打包：把设计好的分镜按时长累加归入批次（同批次各镜时长之和 ≤ 批次时长上限），不重新切分已设计的分镜。仅当某个分镜本身在设计期就 > 批次时长上限（偶发），才在生成层做「机械分段」：将该分镜切成多个生成子段（如
Shot 3→3a/3b），但不改动分镜的创意内容与音频时序——该分镜的音频跨子段连续，仅生成层拼接。 - 参考图只用占位符，禁止写路径 / 目录：最终提示词中，参考资产一律用
<Picture N>/<Video N>/<Audio N>占位符指代（定义见 Full-Reference Mode）。严禁在提示词里写入任何图像 / 视频 / 音频文件的绝对或相对路径、文件夹目录。占位符 → 实际文件的映射由用户在 H3 节点侧按端口完成。 - 一个批次一个文件（不合并）：不要把所有分镜塞进一份文档。每个批次输出为【一份独立文件】（建议命名
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 / 分辨率设置建议。这样便于逐批次修改与重跑。 - motion-context 在连续批次的衔接边界问（H3 跨段运动连续机制）：当一段连续镜头 / 序列跨多个批次生成时（如某分镜因超上限被机械分段为 3a / 3b，或相邻批次要拼成同一连续场景），在批次与批次的衔接处先问用户「是否使用 motion-context？」——它用于保持跨段运动 / 音频连续，但带来副作用：① 衔接处中间 22 帧会被重复（22 ÷ 24fps ≈ 0.917 秒）；② 提示词时间标注上，第一段（首批次）保持不变，第二段及之后的各段需整体后延 0.917 秒（其
[Shot N] At MM:SS.mmm时间戳在原始衔接点基础上 +0.917s）。若不使用 motion-context，则按标准衔接（无 22 帧重复、时间标注无需后延）。注意：motion-context 是「批次衔接」闸门，不是「切分单镜」闸门——单镜的设计切分不由它触发。 - 批次自含——提示词内禁止跨批引用（见下一节）。
调用方（设计 skill）应在「简报 / 起始门」先问批次时长上限并贯穿分镜设计；「视频提示词」步骤落实：把设计好的分镜按时长累加打包为批次（同批之和 ≤ 上限，一个批次一份
batch_XX.md），不重切分镜；仅当分镜本身超上限时在生成层做机械分段（音频跨段连续）；motion-context 在连续批次的衔接边界问（启用则第 2 段起 22 帧重复 + 时间标注后延 0.917s、第 1 段不变）；参考图使用<Picture N>占位符而非文件路径。无论上游分镜怎么设计，本步保证：每个批次 ≤ 批次上限；分镜创意与音频时序不被强切破坏。
批次自含 —— 禁止跨批引用（2026-10-01 用户反复纠正 · 铁律）
H3 每个批次都是独立生成：模型看不到上一批的成片，也不知道存在"上一段"。任何指向前一批的措辞都是无效文本，且会让本批丢掉关键状态（写"承接上一段的高速飞行"，模型既接不上、也没被告知"他此刻在飞"）。
禁止写法（提示词块内一律不出现）：
承接上一段的高速飞行/承接上一段/延续上一段/接着上一镜/如上/同上双翼自上一段展开后持续保持展开（把他批的结果状态当成本批的前提）承接上一段的音色 / 电子脉冲（overall_soundscape/non_diegetic_music里同样禁）
正确做法——把上一批的「结果状态」改写成本批能独立表述的「开场状态」：
| ❌ 跨批引用 | ✅ 自含写法 |
|---|---|
| 承接上一段的高速飞行，他仍在疾飞 | 他在高空贴着云海高速掠行，长发与长氅被疾风向后扯成直线 |
| 双翼自上一段展开后持续保持展开 | 双翼在他背后展开着，随他的甩臂与抬臂摆动 |
| 承接上一段的疾速电子脉冲推进 | 开场即起的疾速电子脉冲持续推进 |
判据一句话：把"上一段"这三个字删掉后，这句话还能不能独立成立？不能 → 重写成本批自己交代的画面。
- 例外：
retention_analysis里的(出现于 [Shot N])是本批内部镜号索引，正常写法，不属跨批引用。 - 批次之间的实际衔接（硬切/角度区分/是否挂首帧图）属分镜设计，写在批次文件的块外说明里，不进提示词块。
- 顺带自查：
承接/上一段/上一镜/如上/延续这几个词，写完 grep 一遍，块内应为 0。 - 反向同样禁（2026-10-01 二次踩坑）：
下一段/下一镜/下批/作下一段首帧也是跨批引用——告诉模型"这个视频要为下一段服务"，而模型不知道下一段。末帧图只写「视频以<Picture N>为末帧收束」；它要作下一段首帧这件事，写在批次文件的块外衔接说明里。同理禁写「该图同时作下一段首帧」「为下一段留出起手」。
否定式描述禁用令（H3 没有负面提示词）
H3 没有负面提示词字段，也不理解「没有」。写「没有什么」会让那个东西更容易出现——模型抓住名词就画出来。
硬规则：
subject_definitions、retention_analysis、detailed_description、overall_soundscape、non_diegetic_music里禁止裸否定（no X/without X/never X/X-free/不要偏灰）。- 要去掉某个元素，删掉提到它的整句，而不是补一句否定。
- 表达「空/无」改正向状态描写：
no cars on the street→an empty street。 - 纠正颜色/风格只写正向目标值（
bright pale ice-blue），不写「不要偏灰偏绿」。 - 一个分镜只描述这一个分镜要展示的那一样东西，不捎带别的卖点（实测：胸标镜头顺带写拉链，模型生出「手摸门襟/拉拉链」动作）。
- 写完全局自查
no/never/without/-free/不/没有/无，命中按两级判定复核，不要一律删。 - 交付前必须过「否定式闸门」（机械检查，见
references/negation-guard.md）：不/没有/无+ 运动或状态词 = L1 硬拦，一律改写成正向句； 不要用朴素的字符级子串拦截（见到"不"就拒会误伤"不同位置""不仅"）——必须"词表 + 白名单"两级判定。
两级判定：裸否定（禁） vs 替换式否定（安全）
- 裸否定＝点名不想要的东西却不给替代物 → 禁（模型抓名词就画）。
- 替换式否定＝「弃用旧属性 + 显式指定新属性」，结构固定为先点名旧属性、紧跟「改为/换成/而是」给出新属性 → 安全，实战有效。
| 写法 | 判定 |
|---|---|
»<Picture 1> 中粉色睡衣不保留，角色改为穿着<Subject 2> 的牛仔外套« | ✅ 安全 |
»服装与鞋子不沿用<Picture 1>，改为穿着由 <Picture 2> 定义的汉服造型« | ✅ 安全 |
»with no ring, no loop« | ❌ 裸否定（实测长出大圆环） |
| »不要偏灰、不要偏绿« | ❌ 裸否定（实测强化灰绿） |
| »不要出现中文« | ❌ 裸否定 |
判据一句话：否定后面有没有紧跟「改为 / 换成 / 而是」？有 → 安全；没有 → 改掉或删掉。
正向形容词不算违规：
matte、flat、plain、clean、quiet、bare、empty是正向写法；被禁的是「no / never / without + 名词」指名否定。
「恒定陈述」也归硬拦（2026-10-05 运镜测试补充）
保持不变 / 固定不变 / 始终不变 / 全程不变 / 恒定不变 不属"点名旧属性"那一类，但同样以否定兜底——
语义上没给出该维度的取值，读起来仍是"某个可以变的东西"。
| ✗ | ✓ 正向写法 |
|---|---|
| 机位保持在原地不动 / 机位本身不移动 | 机位位置全程固定在同一点 |
| 机位只横向侧移、不摆转 | 机位沿横向侧移，镜头朝向全程锁定在同一方向 |
| 机位平滑漂浮、没有晃动 | 机位平滑漂浮，画面全程平稳顺滑 |
| 镜头焦距保持不变 | 焦距全程锁定在同一档位 |
| …的位置与大小保持不变 | …的位置与大小全程恒定 |
| 定格不动 | 定格在同一瞬间的形态上 |
⚠️ camera DSL 的 negative clarifier 必须按本表转写——The camera stays in place. / with no shake / does not turn / The focal length stays the same. 这些英文否定句直译就是裸否定。完整对照表见 references/negation-guard.md §三 与 references/camera-and-lora.md §一。
待验证假设：稳定镜头里写"不晃动"，可能反而诱发抖动（提到 X 会提高 X 的出现概率）。目前无可靠量化指标（相机抖动只能目视），要验证只能做同镜同种子对照。
替换 / 编辑类四条判据（2026-10-25 定稿）
- 保留但移位 → 独立成
<Subject>：片中把某物「取下 / 移开」、成片里它仍然可见（眼镜拿在手里）→ 必须编号，并写明此刻在哪；主体外观串里不写它，改写「他的脸是裸露的」。否则一脸一副 + 手里一副。 - 待清除物件 → 不编号，写进
<Video 1>：眼镜、墨镜、耳麦、耳机、耳返、帽子、手持麦、烟、包……凡成片里不该出现的「身外之物」都按这一类处理。写法：在源片里，X（可多件并列）标记为待重建区域，成片里该位置由 Y 取代，并把<Video 1>的 retention 从fully_preserved降为partially_preserved。理由：<Subject N>只代表「目标视频中实际会用到的内容单元」，且 retention 标记只有四个固定值、没有「删除」项（自造removed属违规）。清单要列全（耳返、手表、戒指、烟最易漏），替代物要写具体，围绕该物件的动作要么一并删、要么改成替换。 - 待删物件不能进主体指代：
本片只替换其中的「带着耳麦的歌手」等于要求保留耳麦。指代只写保留类特征（位置 / 服装 / 体型）。 - 删除用动词：
本段删除 X+只剩 Y有效；不保留 / 没有 / 不出现无效（不出现还是 L1 硬拦）。写完用[^。；]{0,18}(?:不|没)[^。；]{0,18}扫一遍，应为空。
背景零描述：场景、灯光、光位、色彩与背景全部严格沿用 <Video 1> 对应时刻。不写光点 / 星芒 / 灯束 / LED / 光斑 / 观众席 / 场馆类型——写了就会被画出来（实测背景亮度 33.7→61.7、饱和度 0.042→0.132）。
参数优先于措辞：段内自编镜头、背景被重画、首帧画出参考图版式，先查 turbo 权重（换人类建议 ≥0.9）；降 turbo 去「油」会牺牲参考贴合度。实测 7 镜 / 5 秒在 turbo 0.9 下可用。
参考图含「同物体多状态 / 多实例」→ 按位置拆 subject（Ref2VA 铁律）
一张 <Picture N> 参考图里若出现同一个物体的两种或以上状态并排（如一把折扇同时画了「收拢态」和「展开态」、同一角色两套服装并排、同一道具正/侧两面同框），绝不能把它写成单一 <Subject M>：模型会在图里看到多个实例，于是自行"补出"一把多余的扇子 / 一件多余的道具。本会话实测：单一 subject 指向同一张含两态的图 → 成片凭空多生成一把扇子。
硬规则：
- 每个状态各定义一条独立
<Subject M>，并显式锚定它在图里的位置（left / right / top / bottom / front / side）。- ✅ »
<Subject 3>is the closed merged form of the folding fan — the shut fan shown on the LEFT of<Picture 3>: its folded ribs and closed silhouette follow the left merged-state fan in<Picture 3>; this subject is the fan BEFORE it opens.« - ✅ »
<Subject 4>is the fully opened form of the same fan — the opened fan shown on the RIGHT of<Picture 3>: its spread ribs and surface artwork follow the right opened-state fan in<Picture 3>.« - ❌ »
<Subject 3>is the elegant folding fan whose shape and artwork come from<Picture 3>«（单一 subject 指向含两态的图 → 必多生一把）
- ✅ »
- 叙事衔接写清"态→态"转换：让前一 subject（闭合态）射出 / 演化成后一 subject（展开态）；尾帧若复用某状态的图（如
Picture 4= 展开扇满屏），明确写the opened fan of <Subject 4>，不要笼统写 "the fan from <Picture 3>"。 <Subject N>与<Picture N>是两套独立命名空间：可同时有<Subject 4>与<Picture 4>，互不冲突；歧义全靠"位置锚定"消除。- 该纪律适用于一切"一图多体"：同角色多套服装并排、同道具正/侧视并排、同道具双态（如剑的 不发光态 / 发光态、扇的 收拢态 / 展开态）、同武器多形态等，一律按位置拆 subject，并在各自定义里注明"何时用哪一态"。
隔空操控 / 非接触施法 的动词纪律
描述"施法让道具自行飞出 / 展开 / 旋转"时，手势动词决定模型是否画出"手握道具"：
- ✅ 用
point/extends a finger and points a light gesture toward X/a single finger forward—— 表达"隔空一点"，手与道具不接触。 - ❌ 用
flick/挥/弹/gives X a flick—— 模型理解为"手触道具并拨动"，会生成角色握住道具的画面（本会话实测：写"轻轻一弹扇子"→ 成片里手抓着扇子）。 - 配套写法：扇子/剑等出场用
launches off on its own/streaks through the void/snaps open on the wing，强调"自行"而非"被手握着动"。
手势粒度不可控 —— 精细手部动作会被抹平（2026-10-01 实测）
H3 不解析手指数量 / 手形：写 双指并拢 / two fingers held together / 捏诀 / 剑指，成片仍恒定渲染为"单指伸出向前一点"。
- 实测：片头 S1S2 写「另一只手双指并拢向扇子用力一点」，两次实跑均为单指一点。
- 硬规则：非接触施法 / 指物一律用最粗的手势语义（
a single finger extended forward, pointing），不要指望措辞区分手指数量或捏诀。 - 要表达"更用力 / 更郑重"：改从身体层面加码——侧身（
turns his body to one side）、沉肩、袖袍甩动、下颌与眼神，或加强光效强度（蓄能更亮、法术核心更炽烈），而非抠手指细节。
风格统一 / 长镜合并 / 参考链 实战要点
- 统一风格做全量替换 + 残留自查：切换整体画风（如写实→超现实赛博朋克）时，旧风格词（如
pure white void）要整段替换，再 grep 自查无旧词残留——局部替换会留尾巴导致风格串味。 - 长镜合并前先确认显存预算：单条长镜头在设备显存上限内可合并（如 5080 16GB 上 13s / 328 帧跑完余 ~9GB，无需机械分段）；只有超预算才拆批。合并后若中段注意力漂移（细节弱化 / 悬空物体不稳），再回退分段。
- 参考图只用原始真源：身份走四视图卡、服装走设计图，不拿 AI 生成中间稿当参考图——级联派生会让油感逐级累积、一致性逐级漂移。
单条时长承载量 —— 别把动作塞过量（2026-10-01 实测）
- 经验值：5s 单条约承载 2 个动作节拍（≈1 次转场/穿场 + 1 次主体揭示或跟随），即 ~2.5s/拍。塞第 3 个独立动作，模型会来不及做、停在已有状态里收尾。
- 实测：片头 S3（5s）写了 ①穿扇面 ②后拉揭示主体平飞 + 侧前方跟拍 ③拧身起转——前两拍出来，第 3 拍（转身）完全不呈现，成片一直停在飞行态。
- 换算：节拍越多、单拍时长越宽（长镜施法段可 ~3–4s/拍）；要"多一拍"就得给足时长——S1S2 要 15s 才够 4 拍，S4 合并到 10s 走 ~4–5 拍。
- 对策（二选一，别硬塞）：①删掉最不关键的那一拍；②把该拍单独拆成一段、给足时长。
参考命名与保真度 纪律（2026-10-01 用户纠正）
- 不写内部状态词：给参考资产命名时直接写名字——
天鹅翼/冰雷剑/年轻男性/深靛紫长氅；不要写「定稿 / 最终版 / 第 N 版 / B 款」这类项目内部状态词，模型不理会「定稿」。示例改写：<Subject 3> 是<Picture 3>（天鹅翼定稿）的机械双翼→<Subject 3> 是<Picture 3> 中的天鹅翼。资产类型（四视图卡 / 设计图）可保留，但同样不必写成「（…）」括注。 fully_preserved只是保真声明，不控制形变 / 硬度：规范定义 = 该参考的「定义特征在成片里被完整保留」（与官方示例里"狗的毛/耳/尾 are retained"同机制），不含"硬 / 固定 / 不动"语义，不会把机械翼、道具"僵化"。要「柔韧 / 弹性 / 轻灵」的观感，改的是detailed_description的动作与材质用词（加回弹、颤动、尾缘轻摆、轻若浮羽等），不是把fully_preserved降级为partially_preserved（后者反而让形态漂移）。
跨镜持续元素必须「每镜再点名」（2026-10-01 实测）
H3 按镜生成：只写一次「出现 / 展开 / 亮起」的元素，会在后续镜头里丢掉——模型把它当成那一镜的一次性动作。规范 §4 明文："Continue using the same label in later shots without redefining what the label represents."
- 硬规则：要跨镜持续的元素（翅膀、披风、光环、手持道具…）必须在三处齐全——①
subject_definitions定义里写明"展开 / 出现后各镜持续保持"；②retention_analysis的(出现于 [Shot …])覆盖全部相关镜；③ 每个镜头的detailed_description正文里再次点名该<Subject N>。只做①②、正文漏点名，模型照样会在那一镜丢掉它。 - 实测：S4 只把
<Subject 3>翅膀写在 [Shot 1]（展开），[Shot 3] 正文完全没点名 → 后段翅膀消失（用户实测反馈）。 - 顺带绑定身体：贴在角色身上的持续元素（翼、披风）要写"翼根 / 根部与背部相接、随身体动作摆动"，否则会被当成游离物飘走。
大型附属物必须写「显式尺度倍数」（2026-10-01 实测）
只写"展开双翼 / 翼板铺开"，模型会按人体配件的比例去渲染 → 翼偏小、贴着背像装饰件。要它有"巨大感"，必须在 subject_definitions 里给出可量化的倍数关系，并在正文各镜补一处画面占幅参照。
- 写法：
单侧翼展与他身高相当，展开后两翼总跨度约为他身高的 2.5 倍，翼尖向外远远越过他的头顶与腰侧的轮廓之外，双翼面积约等于他身体面积的数倍——他整个人被展开的双翼挟在中间、显得小巧。 - 正文补参照（每镜一句，别只写在定义里）：
翼尖直接冲出画面左右边缘、翼面高出他的肩背许多、单片羽板弦长比躯干还宽、双翼掠成两片巨大的白色光面。 - 仍偏小时的退法：① 机位放宽、直接让翼尖出画（"出画"本身就传达"大到框不住"）；② 倍数往极端写（"接近身高的 3 倍"比"略大于身高"更易被采纳）。
- 同理适用：披风拖尾、光环、法阵、巨剑等一切"本该压过人体体量"的附属物。
- 特写镜必须把「接入点」框进画面（2026-10-01 实测）：纯翼面 / 纯道具的局部特写里没有身体参照，模型会把附属物移栽到错误部位——实测翅膀"像长在手上"。修法：①
subject_definitions写明"根端嵌入哪个解剖部位（肩胛骨 / 背部）、与身体连成一体"；② 局部特写改成背视 / 过肩机位，画面下方或边角始终带到接合处（肩胛 + 一截背幅 + 颈后发丝）；③ 若仍错位，把接合处放在画面上三分之一、并让肢体（双臂双手）离开附属物所在区域入画。
道具交接 / 朝向 / 破坏形状 的三条写法（2026-10-02 实跑修正）
成片反馈出三类一致性错误，成因都是只写了结果、没写结构与次序：
| 实跑症状 | 根因 | 修法 |
|---|---|---|
| 剑凝成后手握住了剑身而不是剑柄 | 镜头没跟随道具移动，画面只框住局部 | 加镜头跟随句：镜头随即随剑向后微微退开半步、把整把剑完整收进画面，再给部件次序：自下而上依次是手 → 短握柄 → 护手 → 剑身 → 剑尖 |
| 举剑时剑尖朝下（写了"剑尖朝上"仍反） | "朝上/朝下"是形容词，模型会忽略 | 改成部件次序 + 最高/最低点：剑柄握在手里、是整把剑最低的一段，护手之上是晶体剑身，剑身竖直向上立着，剑尖是整把剑最高的那一点 |
| 山被劈成两半，与 X 形剑气对不上 | 破坏结果没跟着攻击形状走 | 破坏形状必须复刻攻击形状：X 形剑气 → 各留下一道斜切痕（左上→右下 / 右上→左下），交叉处最深，沿切痕裂开、自交叉点向外崩开 |
通用做法：
- 道具定义里就给出部件次序（自下而上 / 由近及远），并写明握持部位：
他握持时手指收拢扣在护手下方那一段短握柄上，剑身自护手之上向前伸出、与手掌分开——避免"握住剑身"这类错握。 - **朝向一律用"次序 + 最高/最低/最远点"**表达，不要只写"朝上 / 朝下 / 指向 X"。
- 破坏结果 = 攻击形状的镜像：斩击是几道、什么交叉角度，裂口就是几道、什么交叉角度。
- 抽象施法动作建立不了因果（2026-10-02 实跑）：写"持扇手臂轻轻一送 → 空气被撕开"，成片裂口根本没出现。模型不知道这个结果是谁、怎么造成的。必须给四步：
- 起势（举过头顶 / 抬臂蓄势）——让动作有来源
- 轨迹（自上下笔直一劈）——把"一送"换成有方向、有落点的动词
- 中间态（关键）（划过之处先裂开一道细细的朱红光线）——从无到有的结果会被模型整段跳过，必须先有一个可见的中间态
- 结果（沿这道线自上而下撕开、张开成竖直裂口，走向 = 挥劈轨迹） 并在后一镜回指一句"这道裂口就是方才那道朱红光线张开后的样子"，把中间态与结果锁成同一件事。 判据：把动作词盖住，还能不能看出这个结果是谁造成的？不能 → 补起势与中间态。
特效类元素必须给「结构层」，不能只给颜色（2026-10-01 实测）
剑气 / 刀光 / 光束 / 火焰 / 能量波这类特效，只写颜色词（"冰蓝发光 + 紫色电弧"）会被渲染成一条纯色光带或一块光斑——有色彩、无质感，用户反馈"只有颜色、不够酷炫"。必须按"层"来写，每层给一个画面里能直接找到的名词。
- 六层写法（以剑气带为例）：① 芯 = 一根最亮的白蓝光芯（中心线）；② 束 = 一束密集的锯齿状电弧光丝扭绞成带，电弧沿带身分叉、扭结、周期性跳出带缘（结构主力，代替单薄的一条边光）；③ 彩 = 蓝紫渐变 + 从带缘外跳的紫色分叉电弧；④ 壳 = 缠在带体上的半透明冰晶片层，转向时折射棱光；⑤ 屑 = 沿带飞散的尖棱冰晶碎片；⑥ 衰减 = 近端最亮、远端渐隐；另给宽度锚（近端 ≈ 武器宽）。
- "有结构"的最好来源是形态参考图：从一张已跑通的成品图里裁出特效局部当
<Picture N>（本项目道具纹样的继承就是这么做的），再配一句形态与质感按<Picture N>。比纯文字堆形容词稳得多。 - 仍渲染成纯色光带时：把"束状锯齿电弧 / 冰晶片层 / 尖棱碎片"三样在正文里各写死一遍，或把该参考图提到参考列表第一位。
特殊标记 (Special Tokens · MiniMax Extra Tokens)
已发布的 MiniMax-H3 分词器（基于 Qwen）保留了这些固定的特殊标记。其 ID 由发布的分词器冻结——不要重新编号、改写或拼写错误。包裹对白、歌词、字幕或标记截断时逐字使用。
| 标记 | ID | 用途 |
|---|---|---|
<d> / </d> | 151669 / 151670 | 对白定界符。将对白包为 <d>[Language] ... </d>（铁律——见输出规则）。 |
| `< | lyrics_start | >/< |
| `< | caption_start | >/< |
| `< | cutoff | >` |
规则：
- 在对白 / 歌词 / 字幕标记内部，只放逐字的原始内容（对
<d>与歌词加[Language]标签）。不要翻译、改写或追加翻译。 - 说话人身份、动作与语气放在标记之外。
- 这些标记被分词器当作字面标记消费；拼写错误（如
<lyrics_start>少了|）会破坏解析。
提升效果的技巧 (Tips for Better Results)
- 始终让描述总时长匹配请求视频长度（4–15 秒）。
- 保持参考标签一致（
<Picture 1>、<Video 1>、<Audio 1>）贯穿每一段。 - 偏好具体的视觉与音频细节，而非 "cinematic"、"beautiful" 这类抽象词。
- 使用关键帧（I2VA / FL2VA / L2VA）时，清楚说明首帧和/或末帧如何与时间线连接。
官方口径参考
官方规范之外，官方 skill 的使用说明正文（工作流 / 基础模式 / 全参考 / 音频时间线 / 输出规则 / 特殊标记 / 技巧 / 参考索引，共 8 章）已归档为两份参考文件：
| 文件 | 内容 |
|---|---|
references/official-guide-cn.md | 官方 8 章的中文对照版 |
references/official-guide-en.md | 官方 8 章的英文原文 |
官方规范原文是
references/base-en.txt（基础模式）/ref-en.txt（全参考模式），与本文件同目录。 用途：核对官方口径、或需要纯净结构时查阅——写提示词仍以本文判据为准。
