Papercraft Stop-Motion Explainer(本地版 · 逐步确认式)
本文件由原始 skill
papercraft-stop-motion-explainer改造:原本地版已含 Krea2 路径硬编码,本版进一步改为「逐步确认式 · 纯提示词」。 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:视觉预览图/单图/图集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(含已删除的 Krea2 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,才进入依赖该图的视频提示词步骤(视频提示词以纸艺图为参考图,I2V)。
- 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;以你返回的纸艺图为参考图,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。
视觉深度与纸艺运动优先级(沿用)
每层前/中/后/远背景平面;前景遮挡;主体居中可读层;背景视差/小运动;圆形/对角/隧道/立体书/剖面构图。所有物件像纸做:层卡/剪边/纸纤/折/缝/插页/铆/关节/拉条/转盘/厚度;运动逐帧手控(小步进/微顿/微弹/铰 gestures/滑纸机/翻页/拉条/落定);避平滑 CG/塑料 3D/平向量/死背/大动作破微型感。
轻量请求捷径(沿用)
单图提示→STEP1,2,9,17;图集→1,2,10,17;5s I2V→1,2,11,17;分镜→1,2,12-16;创意方向→1,2,3。完整包才走全阶段确认。
阶段确认(本地化 · 确认门)
每阶段后文字确认(继续/改/换方向/跳资产/停导出),替代 Hub choice card。本版进一步要求:生图/生视频阶段必须等你返回交付物后才继续。
STEP 1:理解输入
同原 skill:主题/受众/时长(15/30/60s)/平台/交付类型/核心学习点/视觉隐喻;缺则默认(大众/30s/16:9/1 讲述者+1 核心纸模)。
- ⏸ 确认门:输入理解呈现后暂停,等你确认/补充。
STEP 2:风格 DNA
同原 skill:手作纸艺定格、微型纸景观/影子盒、层卡厚度、哑光纸纹、纸偶角色、真实层影、多平面深度、宏微摄影/浅景深/2.5D 视差、纸制标签箭头卡、纸机运动。
- ⏸ 确认门:风格 DNA 呈现后暂停,等你确认。
STEP 3:3–5 创意方向
同原 skill:立体书旅程/纸科学家实验室/分层剖面/微型自然剧场/纸机构板;每方向含标题/核心/角度/隐喻/时长/受众/标志瞬间/风险;选方向+时长后继续。
- ⏸ 确认门:方向呈现后暂停,等你选向确认。
STEP 4–7:角色/场景/分层舞台/资产库设计(文本,沿用)
同原 skill:纸角色构造(脸/身/肢/关节/表情卡/运动)、纸场景(前/中/后/远 + 可动纸机 + 教育载体)、4–7 层舞台表、资产分组(角色/核心物件/解释道具/场景道具/运动道具/声效道具)。
- ⏸ 确认门:设计文本呈现后暂停,等你确认。
STEP 8:视觉预览图(只给提示词 + 交付物门)
本 skill 不调用云端/ComfyUI 生图。改为:
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(纸艺世界)、风格上下文=本片纸艺统一风格锚(纸张材质/层叠/暖光/手作感)、主体与要求=预览图(整体世界 / 机构清晰 / 情感结尾)。它返回「通用风格锚 + 每张预览图四段式详描」,你原样呈现。
本步骤产出:1–3 张预览图(整体世界 / 机构清晰 / 情感结尾)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。请你生成预览图并返回图像地址。确认方向后再写正式视频提示词。
本地化:删除"表情图"相关提示词。
STEP 9–11:单图 / 图集 / 5s I2V 提示词(沿用文本,生图只给提示词)
- STEP9 单图、STEP10 图集:同 STEP8 调用
image-prompt-writer-localskill 生成富结构提示词(场景类型按单图/图集内容定),只给提示词,你自行生图并返回地址;不硬编码任何 ComfyUI 路径。 - STEP11 5s I2V:保留为视频提示词,但改为调用
h3-video-prompt-cnskill 生成(见 STEP 视频提示词统一规则):- 参考图 = STEP8/9/10 生成并返回的纸艺图 → 接入 H3 节点「图像参考 / 首帧」端口(I2V)
- 音频(依总则「音频模式门」分支):模式=统一H3 时,纸音效/旁白/BGM 由 H3 原生生成;模式=分离 时,本视频提示词仅规划视觉——纸音效默认保留(接「音频输入」或 H3 原生),旁白只给提示词(把【音色参考文件】放项目文件夹,用任意 TTS 参考模式保证跨镜一致),BGM 由
ace-step-1.5-prompt-writerskill 生成 ACE-Step 1.5 提示词 后接「音频输入」端口。 - 时长 = 5s(或你定);分辨率 = 与图一致;其余你自定
- 模型标注 MiniMax-H3;本地用 Wan I2V 亦可(首帧接纸艺图)
- ⏸ 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 12–16:分镜 / 节奏 / 相机 / 转场 / 声音设计(文本,沿用)
同原 skill:分镜表(时间/知识beat/视觉动作/纸运动/相机转场/声效)、节奏(15s 4–6 镜…)、相机(慢推/横移视差/静态中景/微俯剖面/层穿越)、转场(翻页/立体书展开/拉条/纸标擦/纸云过/圆纸遮/剪门开/剖面分层/纸屑爆/胶带揭)、声音(纸翻/剪/滑/rustle/木响/轻 pop/胶带/关节/盒开/纸屑;BGM 按主题文化、压人声下)。
- ⏸ 确认门:设计文本呈现后暂停,等你确认。
STEP 17:语音(先问云端)
⚠️ 音频模式门:仅模式=分离 时执行本 STEP 旁白单独生成;模式=统一H3 时跳过(旁白由 H3 原生生成)。分离模式下旁白只给提示词;把【音色参考文件】放项目文件夹,用任意 TTS 参考模式保证跨镜音色一致。 ⚠️ 音频模式门:仅模式=分离 时执行本 STEP 旁白单独生成;模式=统一H3 时跳过(旁白由 H3 原生生成)。分离模式下旁白只给提示词;把【音色参考文件】放项目文件夹,用任意 TTS 参考模式保证跨镜音色一致。 涉及旁白时先问你「用云端生成 or 只给提示词」。若只给提示词,输出旁白风格提示词(暖清柔和/中性课堂);你用任意 TTS 工具生成(有参考音色文件则放项目文件夹)。检查音质(尾噪/咔/气声),优先修而非重生成。
STEP 18:负向提示词
同原 skill:smooth plastic 3D / glossy CG / 实拍 / 平向量 / 无纸纹卡纸厚 / 金属科幻 / 玻璃 / 霓虹故障 / 油画笔触 / 真实毛发毛孔 / 高速轨道 / 融化。
STEP 19:检查清单 + 视频提示词(调用 h3-video-prompt-cn)+ 剪辑思路
- 视频提示词(调用 h3-video-prompt-cn):以 STEP8/9/10 返回并确认的纸艺图为参考图,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 视频提示词;并附端口/顺序/时长/分辨率设置建议(由你本地执行)。- ⚠️ 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)。
- ⚠️ 分镜 / 批次 / 参考图(严格遵循
- 风格/角色/场景/视频/音频清单同原 skill。
- 剪辑思路(替代自动剪辑):本 skill 为提示词/资产包,成片由你本地执行:单镜 I2V 生成后按分镜顺序用 ffmpeg/本地剪辑软件硬切;转场用纸物理类(翻页/拉条/纸门),禁电子扫线/玻璃碎;声音按 STEP16 时间轴对齐纸运动;BGM 压人声下并 ducking。


