minimax-h3-video-prompt

MiniMax H3 视频提示词

根据当前任务现场设计提示词。不要检索、匹配、拼接或改写某条历史案例；开发语料只用于形成通用方法，运行时不得提及案例库。

读取规则

开始写作前读取 official-rules.md 和 capability-map.md，先确定模型边界和能力路径。

遇到多素材、复杂分镜、精准编辑、文字包装或声音设计时，再读取 prompt-framework.md。不要读取与当前任务无关的参考内容。

冲突时按以下优先级处理：

1. 用户当前明确要求。
2. 用户提供并已实际检查的素材事实。
3. MiniMax H3 官方硬限制。
4. 本 Skill 的通用写法。

不得为了套模板改变用户想要的题材、镜头或表现方式。

确认任务

从用户输入中提取以下信息；能从素材和上下文判断时直接继续，不重复提问：

• 视频目的：广告、剧情、玩法展示、风格实验、局部编辑等。
• 时长、画幅、发布场景和目标观众。
• 主体、产品、故事、动作、场景、风格和情绪。
• 必须保留、允许变化、必须删除的内容。
• 需要出现的准确文字、对白、品牌元素和声音。
• 图片、视频、音频分别承担的职责。

只有缺失信息会显著改变结果时，才询问一个最关键问题。否则使用保守假设直接生成。

建立需求台账并选择能力

在内部把用户明确要求拆成原子需求，每条只表达一件事，并标记为：

• 必须出现：主体、动作、镜头、文字、声音或结尾结果。
• 必须保持：人物身份、产品结构、原视频动作、运镜、节奏等。
• 允许变化：可以由模型自由发挥的部分。
• 禁止出现：高概率且高损失的错误。

读取 capability-map.md，选择一个主能力路径和必要的辅助能力。不要因为题材名称相似就套用固定写法；按用户真正需要控制的对象选择能力。

若用户要求超出官方限制，先调整素材组合、拆分生成段落或说明限制，不得生成表面完整但实际无法提交的 Prompt。若任务需要精确人物、产品、动作或音色，而用户没有提供对应参考素材，明确指出所缺素材；用户允许自由创作时再使用文字描述代替。

检查素材

逐个查看可读取的图片和视频，不根据文件名猜测内容。音频可分析时确认语言、音色、节奏和有效时长；不可分析时只使用用户明确说明的功能。

为每份素材分配一个主要职责，需要时增加一个次要职责：

• 人物身份、脸、发型、体型或服装。
• 产品外形、结构、标签、材质或品牌视觉。
• 场景、光线、色彩、画风或最终质感。
• 动作、机位、运镜、剪辑节奏或转场。
• 首帧、尾帧、音色、对白、音乐节拍或环境声。

多素材任务必须在提示词中明确写出 图1、视频1、音频1 等编号及职责。不要让两份素材竞争同一个核心身份；确需融合时说明主次关系。

选择生成方式

• 只有文字描述：使用文生视频。
• 需要从指定画面开始或结束：使用首帧、尾帧或首尾帧生成。
• 需要人物、产品、动作、运镜、风格、声音或节奏参考：使用多模态参考生成。
• 需要修改已有视频：将其作为参考视频，使用精准编辑写法。

编辑任务先建立内部变更清单：保留 / 修改 / 删除 / 新增。最终提示词直接描述结果，不向用户展示内部推理。

组织提示词

按任务复杂度选取必要模块，不强行填满所有模块：

1. 成片定义：时长、画幅、媒介类型、核心概念和整体气质。
2. 素材职责：每个输入负责什么，哪些特征必须严格保持。
3. 主体锁定：人物、产品、品牌、文字、UI 或关键道具的不变量。
4. 动作与时间：主体做什么、动作顺序、空间关系、速度和停顿。
5. 镜头语言：景别、机位、构图、运镜、对焦、切镜和转场。
6. 视觉系统：场景、光线、色彩、材质、媒介和后期质感。
7. 声音系统：对白、音色、音乐、环境声和逐点音效。
8. 失败约束：只写本任务真正容易出错的项目。

不要把这些模块写成说明书标题，除非用户要求结构化版本。成品提示词应读起来像一份清楚的导演指令。

控制时间轴

根据内容决定是否分段：

• 单一动作、单镜头或局部编辑：使用连续描述，不强行拆秒。
• 多镜头广告、剧情、MV、UI 演示或复杂动作：按时间段写清每段唯一主任务。
• 每段优先包含一个主要动作、一个镜头意图和一个转场出口，避免同一秒堆叠多个互相竞争的事件。
• 分段首尾必须连续覆盖目标时长，不越界、不倒序。
• 用户要求一镜到底时，只描述连续运动和自然遮挡，不写硬切或互相冲突的机位跳变。

处理不同任务

全新生成

先写清主体与视觉目标，再安排动作和镜头。不要用形容词堆砌替代可拍摄的行为、光线和材质。

参考视频迁移

分别确定动作、时间轴、机位、运镜、剪辑、声音和视觉外观的保留策略。用户要求“拍法不变、只换视觉”时，完整保留时间轴、动作功能、机位、运镜、转场和卡点，只重写人物、服装、产品、环境、道具、色彩与品牌。

精准编辑

修改越少，提示词越短。先声明严格保留原视频未点名的内容，再逐项写明最终变化；不要重新创作无关镜头。

人物或产品一致性

锁定可观察特征和不能变化的结构。人物重点控制身份、年龄、脸、发型、体型和服装；产品重点控制轮廓、比例、部件数量、标签、颜色和材质。不要只写“保持一致”。

文字、品牌与 UI

列出唯一允许出现的文字白名单，要求拼写、大小写、数值和出现次数准确；说明位置、层级、入场与退场方式。文字可读性比装饰效果优先。

声音与对白

写清谁在什么时候说什么、使用哪份音色、情绪和口型要求。区分对白、音乐、环境声和动作音效，避免它们互相掩盖。用户不要旁白时明确禁止新增旁白。

控制长度

按任务难度使用最短但足够的表达：

• 单点编辑：通常 1—4 句。
• 单镜头生成：通常 100—400 个中文字符。
• 15 秒多镜头视频：通常 400—1400 个中文字符。
• 多素材、强一致性或复杂包装：可更长，但不得超过官方字符上限。

不要为了显得专业重复主体描述、风格词或否定词。不得输出“非完整 Prompt”“可自行补充”“参考类似案例”等占位表述。

交付

默认输出：

1. 建议设置：模式、时长、画幅；只有用户需要操作指导时提供。
2. 素材编号：仅在多素材输入时提供，保持简短。
3. 最终提示词：完整、可直接复制。

用户说“只要提示词”“直接改”或“不要解释”时，只输出最终提示词，不附分析、来源、框架说明或修改过程。

生成后复核

输出前在内部逐条复核，不把检查过程展示给用户：

1. 能力匹配：所选生成方式和 H3 能力能完成用户目标，没有把编辑任务误写成从零生成。
2. 需求覆盖：需求台账中的每条 必须出现、必须保持 和 禁止出现 都在 Prompt 中得到落实。
3. 素材绑定：每份素材有明确职责；身份、动作、镜头、风格、声音之间没有主次冲突。
4. 时间与动作：时间轴完整、不越界；动作数量能在目标时长内完成；空间关系和物理因果成立。
5. 一致性：人物、产品、文字、UI 和关键道具的不变量足够具体，没有只写空泛的“保持一致”。
6. 镜头兼容：固定机位、手持、推进、环绕、一镜到底和切镜要求不互相冲突。
7. 文字与声音：白名单文字、数值、对白、音色、口型、音乐和音效均有准确归属，不新增用户未要求的内容。
8. 完整可用：没有“可自行补充”、过程说明、案例引用或未替换占位符；长度和素材数量符合官方限制。

发现缺项或冲突时，先修正 Prompt，再重新完整复核一遍。不得把未通过复核的初稿交付给用户。

校验

脚本负责复核字符数、时长和素材数量等机械限制；上面的生成后复核负责语义覆盖，两者不能互相替代。涉及 API、复杂时间轴或多素材时，将最终提示词保存为 UTF-8 文本后运行：

python scripts/validate_h3_prompt.py `
  --input "<prompt.txt>" `
  --mode reference-to-video `
  --duration 15 `
  --ratio 16:9 `
  --images 2 `
  --videos 1 `
  --audios 0

根据实际输入补充 --video-durations、--audio-durations、--first-frame 或 --last-frame。只修复校验指出的问题，不借机改写已经满足用户要求的内容。