h3-prompt-writing

H3 プロンプトの作成

ワークフロー

1. 入力モードを特定します：T2VA、I2VA、FL2VA、L2VA、またはフルリファレンスのRef2VA。
2. ベーステキスト／キーフレームモードでは、references/base-en.txt を読み、末尾に記載されたプロンプト構成に従います。
3. フルリファレンスモードでは、references/ref-en.txt を読み、6セクションの書き換え形式に従います。
4. 選択したガイドの正確なフィールド名、セクションの順序、ラベル、タイミング表記を維持します。

ベースモード

• T2VA：テキストから、映像と音声のタイムライン全体を構成します。
• I2VA：最初のフレームを起点に、そこから先を展開します。
• FL2VA：最初と最後のフレーム間の連続した流れを説明します。
• L2VA：妥当な冒頭を推測し、提示された最後のフレームへと収束させます。

references/base-en.txt に示されている順序で、integrated_multimodal_description、overall_soundscape、non_diegetic_music を使用します。

フルリファレンスモード

Ref2VAの書き換えでは、subject_definitions、summary、retention_analysis、detailed_description、overall_soundscape、non_diegetic_music の順に使用します。リファレンスラベルはすべてのセクションで一貫させます。

ラベルのルール、保持分析、完全な例については、references/ref-en.txt を参照してください。

出力ルール

• 書き換えたセクションは英語で記述し、台詞、歌詞、画面上に表示されるテキストは元の言語のままにします。
• 各ショットについて、構図、被写体、環境、動作、カメラ、音、および参照コンテンツが正確に現れる箇所を説明します。
• あらすじ、未解決のリファレンスラベル、要求された長さと一致しないタイミングは避けます。

より良い結果を得るためのヒント

• 説明の合計時間は、必ず要求された動画の長さ（4～15秒）に合わせます。
• すべてのセクションでリファレンスラベル（例：<Picture 1>、<Video 1>、<Audio 1>）を一貫させます。
• 「映画的」や「美しい」といった抽象的な言葉より、具体的な映像と音声の詳細を優先します。
• キーフレーム（I2VA／FL2VA／L2VA）を使用する場合は、最初および／または最後のフレームがタイムラインにどうつながるかを明確に示します。