h3-video-producer
Skill1 starsChanged 3 months agoApache-2.0View on GitHub
用本地 ComfyUI 的 MiniMax H3 工作流从零生产完整视频(口播/科普/产品演示/教学),无需任何云端视频 API。流程:接收视频需求 → 写文案与分镜(三模式:全屏主持人/小头像/纯画外音)→ 按 h3-prompt-writing 规范生成 H3 分段提示词 → 本地 ComfyUI 逐段生成(链式衔接+智子等角色身份锚定+尾帧质检+卸载视觉模型)→ ffmpeg 合成(硬切、正圆羽化小窗、图表缓慢推镜、白字字幕+核心词黄高亮、BGM 避让、结尾淡出)→ 校验交付。Use when the user wants to make a video with the local H3 pipeline (e.g. "用本地 H3 做个口播视频", "做科普视频", "视频分镜合成").
In this repository51 other files it gives its agents.
- 3d-animation-short-generatorSkill
- brand-promo-video-generatorSkill
- colleague-cameronSkill
- colleague-muskSkill
- colleague-supermateSkill
- comfyui-zimage-9bSkill
- context-handoffSkill
- co-op-game-intro-generatorSkill
- deepseek-eyesSkill
- dot-skillSkill
- doubao-creatorSkill
- dsh-deepseek-vision-bridgeSkill
- dsh-im-wecomSkill
- cordis-plugin-developmentSkill
- dsh-archive-agent-notesSkill
- dsh-code-reviewSkill
- dsh-doc-site-syncSkill
- dsh-doc-standardsSkill
- dsh-find-simplificationsSkill
- dsh-merging-stacked-prsSkill
- dsh-pre-push-checksSkill
- dsh-prose-standardSkill
- dsh-translate-docsSkill
- dsh-trim-cot-leakageSkill
- editing-cordis-compositionsSkill
- record-browser-gifSkill
- dsh-upgrade-runbookSkill
- h3-prompt-writingSkill
- handdrawn-live-video-generatorSkill
- hermes-memorySkill
- image-analysisSkill
- lyric-mv-storyboardSkill
- lyric-to-storyboard-face-lockSkill
- lyric-to-storyboard-lrcSkill
- lyric-to-storyboardSkill
- minimalist-product-ad-generatorSkill
- modelscope-apiSkill
- multi-agent-orchestratorSkill
- music-video-subtitle-generatorSkill
- paper-collage-explainer-generatorSkill
- papercraft-stop-motion-explainerSkill
- quark-driveSkill
- quark-qwen-visionSkill
- rh-workflow-9bSkill
- rh-workflowSkill
- supermate-code-reviewSkill
- Supermate-harness-launcherSkill
- supermate-scriptSkill
- colleague-supermateSkill
- video-production-studioSkill
- visual-file-organizerSkill
The file
Files
h3-video-producer — 本地 H3 完整视频生产 Skill(pexo 本地版)
Image: MiniMax H3 Image: DSH Plugin
把 pexo 式"一句话需求 → 成品视频"的完整生产流程,改为**纯本地 MiniMax H3(ComfyUI 工作流)**驱动,全程不调用任何云端视频 API。
前置环境(使用前必须确认)
- ComfyUI 在运行:
http://127.0.0.1:8188,且 H3 工作流可用(Supermate-MiniMax H3 图生视频 DSH 测试.json,节点 94=LoadImage 参考图 / 95=Text 提示词 / 20=时长 / 44=分辨率 / 3=种子)。 - 角色参考图:主讲人形象图(如智子
zhizi-portrait.png)用于 ref_image_0/身份锚定。 - 机器约束(铁律):RTX 5080 16GB + ~32GB RAM 级别。ComfyUI 生成期间绝不调用 Ollama 视觉分析;视觉分析只在队列完全空闲时进行,分析后立即卸载视觉模型(keep_alive=0)。逐条生成、逐条质检,任何时刻只有一个模型占算力。
- 素材:主画面展示用图表/界面图(可用 ECharts/SVG/System.Drawing 等生成后转 PNG)。
生产流程(六步)
⛔ 生成门禁(最高优先级,先于一切步骤)
所有视频项目必须先出具体方案(剧本/分镜/台词逐字稿),提交用户检查确认;用户明确批准后,才允许进入任何生成环节(H3/Z-Image/合成)。未批准不得生成。 理由:未经确认直接生成 = 废片成堆 + 时间与 token 成本失控。
- 交付方案时:只给分镜表 + 台词 + 素材清单 + 时长(简版,不展开长篇)。
- 用户批准后才执行第 3 步及之后。
- 重活(轮询/日志/下载/合成/校验)一律脚本内完成,只回传一行摘要,不把大段日志/输出拉进对话。
1. 文案与分镜
- 依据用户需求写口播稿(语速按需,参考 270-300 字/分钟;冷静干货/活泼均可,写进提示词)。
- 用
references/storyboard-template.md把视频切成块(开场/正文/结尾),每块标注:模式、时长、主画面素材、台词。
通用本地模型执行规范(任何模型照单操作,勿依赖模型背景知识)
本技能面向通用/本地模型(含 Ollama 等小模型)设计。执行时严格照抄以下清单,按顺序做,不跳步:
- 固定事实(写死,不靠猜):ComfyUI =
http://127.0.0.1:8188;工作流 JSON、角色肖像、素材 PNG 的具体路径一律见各脚本顶部 CONFIG;脚本用node <文件>.mjs运行。 - 执行顺序(固定 8 步):
① 出方案(分镜表+台词逐字+素材+时长)→ ② 提交用户,确认后才继续 → ③ 写提示词到
prompts/<seg>.txt(台词用<d>[Chinese]...逐字保留)→ ④ 编辑references/segment-generate.mjs的 CONFIG(segments/prompts 目录/portrait)→ ⑤node segment-generate.mjs→ ⑥ 编辑references/compose-final.mjs的 CONFIG(blocks/dialogue/highlight)→ ⑦node compose-final.mjs→ ⑧ffprobe校验成片时长与音视频流。 - 每步后校验点:提示词内台词与 dialogue/ 逐字一致;每段
segments/<seg>/<seg>.mp4存在且含qa-pass.txt;成片时长 ≈ 各块时长之和 ±0.5s;音轨存在(aac)。 - 出错处理:段失败 → 看项目根
run.log尾部定位;ComfyUI 不可达 → 重启服务再试;卡死超时 → 按 45 分钟上限报错并停;生成门禁未获批准 → 不得进入任何生成。 - 机器铁律:ComfyUI 生成期间不跑 Ollama 视觉分析;视觉分析只在队列空闲时进行并随后卸载模型;一切重活(轮询/下载/合成/校验)由脚本完成,只回传一行摘要。
- 分镜时长规则:开场 3-6s 全屏;正文普通讲解 6-9s;图表/原理特写 7-10s 纯画外音;结尾 3s 全屏。禁止统一强制 10s。
2. H3 分段提示词
- 按
h3-prompt-writing规范 +references/h3-prompt-modes.md的三模式模板写每段提示词。 - 台词用
<d>[Chinese] ...</d>原样保留,逐字与口播稿一致;语速/人声/口型同步/禁即兴写进描述。 - 角色一致性:全片共用同一角色参考图;正文小窗段注明"视线朝向画面右侧"。
3. 本地逐段生成
- 运行
references/segment-generate.mjs(配置:输出目录、角色参考图、每段提示词与时长、工作流路径)。 - 内置:首段用角色肖像,后续段链式衔接(前段尾帧作 ref_image_0)+ 身份锚定(角色肖像作 ref_image_1);逐段尾帧质检(Ollama,仅队列空闲时)+ 卸载视觉模型;质检不过换种子重试。
4. 合成
- 运行
references/compose-final.mjs(配置:块列表 = 段 + 模式 + 主画面素材 + 裁剪)。 - 三模式:
full全屏主持人 /pip主画面+左下角正圆羽化小窗(尺寸=画面 1/6~1/7、只露脸+肩颈、视线朝右)/vo纯画外音(图表缓慢推镜 zoompan、无任何人物、字幕保留)。 - 全部硬切;字幕 ASS 白字+核心词黄高亮+按标点硬换行避让小窗;BGM 低音量恒定、说话时避让;结尾淡出+音频限幅。
5. 校验
- 时长/音视频流校验(ffprobe);抽帧视觉校验(仅 ComfyUI 空闲时):主画面无人物半身像、小窗正圆完整脸部、纯画外音段无人物、字幕不遮挡。
6. 交付
- 输出成片 + 分段底稿(同目录保留)+ 提示词/台词/日志。
硬性规范(沿用秋芝2046 风格模板)
- 正文技术画面禁止主屏出现主持人大图,禁止小头像+主人物同框。
- 小头像禁止放大为半身照,禁止直视镜头(必须看向画面右侧),禁止静态图(须口型/眨眼/微小动作)。
- 图表/原理/数据段优先纯画外音(完全移除人物,人声保留为旁白)。
- 运镜只用:静态固定、缓慢推镜(图表特写)、极慢横移(宽表格)、微小缩放;禁止甩镜/旋转/剧烈推拉。
- 特效只允许:高亮框闪烁、箭头流动、数字滚动、文字逐行浮现、点击反馈;禁止粒子/霓虹/爆炸/花字。
- 图表风格:扁平 2D、低饱和蓝灰黑白科技配色,拒绝 3D/渐变炫光/卡通插画。
关联
- 提示词结构:见
h3-prompt-writing技能。 - 运行脚本:
references/segment-generate.mjs、references/compose-final.mjs。 - 分镜模板:
references/storyboard-template.md;三模式提示词模板:references/h3-prompt-modes.md。
Does it work?
Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.
No reviews yet
People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.
- It worked
- Partly
- It didn't
Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.
Your trail
Files you open will collect here, so you can find them again.
Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.
Now do this for your own.
Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.

