h3-prompt-writing

H3 提示词写作（底座）

本技能集的通用底座：只负责把意图写成 H3 可直接吃的提示词。
风格题材（产品片、3D、纸艺等）见同仓库其他 skill；它们产出草稿后，可用本 skill 压成标准字段。

何时用 / 不用

用： 写或改 H3 提示词；图/视频/音频参考要标签化；跨镜连续；道具交接等精确物理。
不用： 与 H3 无关的文案、长剧剧本、后期工程说明。

输出规格

项	值
时长	4–15s
画幅	21:9 / 16:9 / 4:3 / 1:1 / 3:4 / 9:16
分辨率	默认短边 768，可 2K
帧率/音频	24fps；立体声 32kHz

模式	输入	写法要点
T2VA	纯文本	完整视听时间线
I2VA	1 图首帧	从图起锚向前发展
FL2VA	首+尾 2 图	首→尾连续路径；默认单镜插值
L2VA	1 图尾帧	合理前态 → 收敛尾帧
Ref2VA	图≤9 视频≤3 音频≤3 总≤12	六段结构；标签全局同义

---

写法流程

1. 判模式。
2. 读 references/base-zh.txt（基础）或 ref-zh.txt（全参考）；英文原版 base-en.txt / ref-en.txt。
3. 描述太粗 →「八步扩展」；用户已给完整分镜 → 只查时长/时间戳/编号/矛盾，不擅自压缩。
4. 强连续 / 多有序图 / 精确物理 → 先写中文分镜规划，再压终稿。
5. 终稿：字段名、镜头标记、关系标记用英文固定写法；正文默认英文（更稳）；对白/歌词/画面字保留原文。用户要中文正文时字段名不变。

八步扩展

输出目标 → 主体与参考资产 → 时间线 → 场景 → 镜头 → 视觉风格 → 声音 → 约束（必保/禁止）。
不臆造品牌、对白、不安全内容。

---

基础模式终稿

模式指令（首行；T2VA 无）

I2VA

For the target video, at 0.00 seconds into the target video, <Picture 1> (from [Shot 1]) is fully referenced.

FL2VA（N=末镜号，S.SS=时长两位小数）

How the reference pictures align with the target video — Picture 1 (from Shot 1) aligns with the 0.00-second mark of the target video; Picture 2 (from Shot N) aligns with the S.SS-second mark of the target video.

L2VA

How the reference pictures align with the target video — <Picture 1> (from [Shot N]) aligns with the S.SS-second mark of the target video.

空一行后写三字段：

integrated_multimodal_description: [Shot 1] ...

overall_soundscape: ...

non_diegetic_music: ...

字段	写什么
integrated_multimodal_description	时间线上的画面、动作、镜头、说话人、对白/唱、画内声
overall_soundscape	全片环境/物理/非语言人声；1–4 句；勿重复对白
non_diegetic_music	仅观众可听配乐（乐器、速度、动态）；无则 N/A

关键帧进描述

• I2VA：<Picture 1>=0.00s 首帧 → 锚点 → 起势 → 发展 → 结果
• FL2VA：首态 → 可观测中间变化 → 收窄 → 尾态；尾落在末镜片尾
• L2VA：前态 → 路径 → 末镜对齐图

镜头与运镜

• [Shot 1] 无时间戳；后镜 [Shot N] At 00:MM.SSS, ...，切点递增且 ≤ 片长
• 普切：the camera cuts to 等；叠化仅用户明确要求
• 运镜写进句内：类型 + 需要时的幅度/速度（Zoom/Push/Pan/Truck/Tilt/Pedestal/Arc/Tracking/Static/Shake/POV/Roll；with small|large amplitude；at slow|fast speed）

说话人与字

• (S1) (S2) 跨镜稳定；合唱 (S1,S2)
• 对白只在 <d>[Language] ...</d>，原文不改写
• 画外音：says in an off-screen voiceover + 在画闭嘴
• 跨切 <scenetrans>；片尾截断 <cutoff>
• 画面字：英文双引号包原文

模式骨架

模式	骨架
T2VA	风格+构图 → 动作与声 → 切镜补信息
I2VA	首帧全锁 → 起势 → 发展 → 结果
FL2VA	首态 → 中间变化 → 尾态
L2VA	前态 → 路径 → 落尾帧

松散单段：一段紧凑即可。多有序图/强物理：用下方分镜规划。

---

全参考 Ref2VA

顺序固定：

subject_definitions:
summary:
retention_analysis:
detailed_description:
overall_soundscape:
non_diegetic_music:

标签	用途
<Subject N>	可复用可见内容（非源文件本身）
<Picture N>	图作具体帧/构图锚时单独建；仅定义角色则写进 Subject
<Video N>	剪辑源、续写起点、整片结构
<Audio N>	拷贝或参考的音频

summary 前缀：keyframe completion / reference generation / video editing / video continuation / audio reuse / audio reference，多类型用 +。

画面保留标记：fully_preserved | partially_preserved | attribute_transfer | weak_reference
音频：fully_copy | partially_copy | reference | weak_reference

detailed_description：风格 1–2 句 → 逐镜；生成任务约 350–500 英文词；标签首次出现写清，后镜只复用。
细则与完整例见 references/ref-zh.txt。

---

中文分镜规划（再压终稿）

适用：≥2 有序图、跨镜连续、精确交接。

• 4–15s 内物理可行；每镜一个主动作节拍
• 时间戳连续，末点 = D；默认 0.5s 精度
• 两级时间轴：镜级范围 + 镜内微节拍（建立/预备/核心/稳定）
• 镜 N 结束状态锁定 = 镜 N+1 起始（姿、视、双手、道具主/位/连接、机位侧）
• 交接因果：归属 → 接触拿稳 → 松手 → 新归属；勿压成一句糊话

模板

【输出规格】{duration}s · {ratio} · {用途} · {N}张有序分镜图 · 不跳镜 · 锁人物服装位置道具

【整体风格】{媒介} · {视觉} · {光色纹理节奏运镜} · 场景{…} · 声音{…}

【人物与空间】人物1/2：外观与固定位置 · 硬约束{脸发型服装座位朝向…}

【道具】全片仅{名称数量} · 初态{主/手/位/连接} · 禁凭空增减跳位暗改归属

【两级时间轴】
镜头1｜0:00-{T1}｜{D1}s｜图1
运镜：…  起始：…  微轴：建立→预备→核心→保持  结束锁定：…
镜头2｜… 起始=镜头1结束锁定 …

【动作顺序】A→B→C  每镜一事  交接写清谁不动/谁拿稳/谁松手
【负面】禁身份漂移变装换位闪烁畸形多余肢物体跳变跳切字幕水印

交接微时序（耳机）见写作时按 0.5s 级拆「取出 → 停在两人之间 → 对方夹稳后才松手 → 未塞耳」。

规划后：基础模式写入 integrated_multimodal_description；全参考写入 subject_definitions + detailed_description + retention_analysis。

---

效果提示（官方同步）

• 描述总时长必须对齐请求片长（4–15 秒）
• 参考标签全程一致（如 <Picture 1>、<Video 1>、<Audio 1>）
• 少用「电影感」「好看」等空词，多写具体视听细节
• I2VA / FL2VA / L2VA：写清首帧和/或尾帧如何接到时间线

终稿自检

• 模式与指令行正确
• 字段顺序/标签格式对
• 时间连续，末点=时长
• 无悬空标签；镜间状态可对账
• 对白/可见字原文；未擅自加品牌对白
• 声景与配乐字段分工正确

参考	内容
base-zh.txt / ref-zh.txt	中文指南 + 英文范例
base-en.txt / ref-en.txt	官方英文原版（与上游一致）