通用视频制作流水线（video-production-studio）

把任何"要一个视频"的请求，变成一条有边界的流水线：剧本 → 资产 → 分镜 → 提示词 → 确认 → 生产 → 交付。 文件是唯一创作真相；视频提示词统一输出 MiniMax H3 原生格式（融合 h3-prompt-writing 规范）， 可直接粘贴进 H3 工作流/RH 通道执行。

本技能由 zenstory-ai/drama-skills（10 个短剧技能）蒸馏优化而来：去掉漫剧专属词汇、python3 校验器与外部云端 adapter，泛化为全类型短片制作，并把"生产"接到 Harness 本地工具链。

何时用 / 何时不用

• 用：用户给了点子/小说/文案/剧本/图片参考，要"做成视频、写分镜、写 H3 提示词、生成并合成成片"； 形态不限：短剧、漫剧、单条叙事短片、广告、科普、MV、产品演示、品牌开场。
• 不用：已有更专门的 skill 覆盖的形态优先走专门 skill——口播/讲解（h3-video-producer）、 3D 动画短片（3d-animation-short-generator）、品牌广告（brand-promo-video-generator）、 极简产品广告（minimalist-product-ad-generator）、MV 字幕（music-video-subtitle-generator）。 本技能是这些形态的兜底通用流水线，也可作为它们的上游（先出剧本/分镜/H3 提示词再交给专门 skill 生产）。

项目形态

• 系列剧（多集）：完整五文档，剧集/EP001/、剧集/EP002/…，跨集复用资产与角色外观。
• 单条短片：按需只维护需要的文档（通常"剧本 + 分镜 + 视频提示词"即可，或一步到位直接出 H3 提示词）。

五文档原则：按需创建，不预建空文件；一次请求只创建它需要的文档，批次自动续跑， 不在每批后停下等"继续"。

流水线总览

输入（点子 / 小说 / 文案 / 剧本 / 图片参考）
  │
  ├─ 可选：长材料分析 / 分集规划（仅大部头或系列时）
  ▼
① 剧本.md（单集 / 单条）
  ▼
② 视觉设定.md（人物/地点/道具：身份 vs 变体）
  ├───────────────┐
  ▼               ▼
③ 图片提示词.md   ④ 分镜.md（SHOT-* + 冻结关键帧）
                  ▼
              ⑤ 视频提示词.md（MOTION-* → H3 原生提示词）
  └───────────────┬───────────────┘
                 ▼
⑥ 生产闸门：预览 → 明确确认 → 调用本地通道 → 落盘 剧集/<EP>/制作成果/
                 ▼
⑦ 审查（按需）→ 合成 / 交付

阶段速查表

现成剧本可直接拆资产；已有视觉事实可直接写图片提示词或分镜；已有分镜可直接写视频提示词。 不要为补齐名义流水线伪造上游。长材料分析与分集地图是可选工作区，不参与单集布局判定。

全局铁律

1. 文件是唯一创作真相：五份 Markdown 即创作事实；不建并行的 JSON/JSONL 生命周期、索引、指纹、QA 表。
2. 生产永远 预览 → 明确确认 → 执行：任何内容/参考/参数/输出变化立即失效旧确认；失败重试必须重新确认。
3. 视频提示词输出统一为 H3 原生格式：字段名、顺序、标签与 h3-prompt-writing 规范完全一致。
4. 一致性：角色外观一旦锁定全剧不漂移；资产全剧复用不重复生成；改图基于原图（image2image）不文生图重建。
5. 语言：创作者可读说明跟随用户语言；H3 提示词正文用英文写（对白/歌词/画面可见文字保留原语言）。
6. 停靠点只有三处：用户点名范围完成；缺失事实形成真实创作分叉；即将调用外部生产。其余批次自动继续。
7. 外部生产永远发生在用户看到精确预览之后；"继续""都做完""预算没问题"都不算本次生产确认。

① 剧本（剧本.md）

• 一级标题 # EP001 集名；场景 ## EP001-SC001 内 · 地点 · 时间/天气。
• 对白 角色（可选表演提示）：台词；生产标签 [VO]、[OS]、[SFX]、[画面文字]、[连续性]、[转场]。
• 每场必须改变信息、权力、关系、情绪、物理状态或风险；无变化的场删掉或合并。
• 对白在争取、回避、试探、逼迫或重新定义关系；用可见可听可触的行为表现状态，不用解释替代行动。
• 交稿前经济性检查：是否堆了重复验证、解释、同向后果；没有新作用的内容删掉。
• 用户原文优先；"去 AI 味"是定点修订，不抹平作者个性。

② 资产（视觉设定.md）

先区分四类，再决定复用/新建/变体：

• 身份：换一个就不再是同一个人/地/物（新建或复用）；
• 变体：身份不变但服装/伤势/时段/天气/开合/持有状态改变；
• 镜头瞬态：姿势、视线、左右手、站位、机位——归分镜拥有；
• 故事语义：知识、目标、关系、情绪——归写作拥有，只引用可见后果。
• 每项先写"什么不变使它仍是同一资产"，再写本集变化；识别锚点必须可见、可生成、可比较， 不用空泛质量词替代事实。
• 多集状态写清生效与持续范围；声音参考（音色/语速/授权）单独记录。

③ 图片提示词（图片提示词.md）

• 每项 ## IMG-... 标题，可复制正文放 ### 可复制提示词 引用块。IMG-* 是稳定 ID，不声明图片已生成。
• 配方：主体与身份锚点 → 当前变体 → 构图/视角 → 光色/材质 → 背景边界 → 禁止项。
• 保留稳定识别锚点，变体只改允许变化的部分；可见文字/logo/水印明确允许或禁止。
• 正文可直接复制，不含占位符、流程说明、文件路径或 QA 结论。
• 生成走 Z-Image（comfyui_generate）：竖屏默认 720×1280、steps 8、cfg 1、shift 3、lora 0.95、同参数同种子可复现。

④ 分镜（分镜.md）

• 每镜 ## SHOT-...，同镜下 ### 冻结关键帧提示词 写起始帧正文（只投影镜头起点， 删除终点才出现的文字/动作/姿态/道具状态）。
• 每镜写清：唯一职责、来源场景、时长、景别/机位、起点、终点、声音和视觉依据。
• 锁定人物朝向、位置、视线、持物、出入口、屏幕方向。
• 切镜必须带来信息/权力/情绪/空间/节奏变化；同义重复镜头删掉；同一动作不跨镜重复发生； 终点应能成为下一镜可信起点。
• 参考图是独立轴：创作者已提供的真实图片用 REF-... 槽位，写显式顺序、项目相对路径、中文名、 「控制」与「不得控制」范围；没有就写「输入参考图：无」。
• 竖屏短剧可加一条可选约束：关键信息（脸/手/文字）避开画面底部约 1/5 播放界面叠加区， 避免被平台按钮遮挡。

⑤ 视频提示词（视频提示词.md）—— H3 融合（核心交付）

每镜 ## MOTION-...，引用对应 SHOT-...；可复制正文 = 整段 H3 原生提示词，可直接粘贴到 H3 工作流提示词输入（ComfyUI MiniMax 提示词增强 节点 / RH run_i2v_workflow.py --prompt / 本地 H3）。

模式选择（按参考情况）

三核心字段（T2VA/I2VA/FL2VA/L2VA）：

（I2VA/FL2VA/L2VA 先写对应的对齐指令行，后接空行）
integrated_multimodal_description: [Shot 1] ...（沿时间轴：风格/初始构图/主体外观位置/场景道具/动作反应/镜头变化/说话者/对白/同期声）
overall_soundscape: ...（环境音/物理动作声/非语言人声，1-4 句）
non_diegetic_music: ...（观众才听得见的 BGM：配器/速度/节奏/动态，1-3 句）

Ref2VA 六段式（顺序不可变，标签全片一致）：

subject_definitions: <Subject 1> is ... / <Picture 1> is ...（定义每个被引用内容与标签）
summary: [reference generation] ...（任务类型前缀 + 目标视频与引用关系一句话）
retention_analysis: <Subject 1> (appears in [Shot 1], [Shot 3]): fully_preserved - ...（逐标签）
detailed_description: 风格开场句 → [Shot 1] ... → [Shot N] At MM:SS.mmm, the camera cuts to ...（350-500 词）
overall_soundscape: ...
non_diegetic_music: ...

内容纪律（写进 H3 描述，来自 motion craft）

• 每镜一条主线：静态锚点 → 起点 → 触发 → 主体动作 → 次级反应 → 运镜 → 声音 → 可验证终点。
• 首镜必须声明运动起点：RH I2V 铁律——第0帧起画面即处于运动中，禁止静态开场； 开头动词用进行时动作，不要写"站立/看向镜头/平静"。
• 运镜写自然英文：类型+幅度+速度（The camera pushes in with small amplitude at slow speed toward ...）。
• 说话者用稳定 ID (S1)/(S2)；对白/歌词写 <d>[语言] 原文</d> 逐字保留；画外音用 says in an off-screen voiceover 并注明 while his lips remain completely closed。
• 画面可见文字（招牌/字幕/霓虹）用英文双引号保留原文。
• 后续镜头 [Shot N] At MM:SS.mmm, the camera cuts to ...；切镜必须带来新信息。
• 一镜只写一个主要变化；不跨下一镜；不要求互斥动作；不让人物/道具瞬移变形； 声音只写该镜需要的对白/环境/转场职责。
• 标签一致性：<Subject N>/<Picture N> 全片一致，对应图片提示词与分镜里的资产条目。

时间线配乐 / 主题曲（用户明确要求时）

在视频提示词文档增加独立章节：使用区间、剧情功能、进入/退出、动态曲线、禁用项。 歌词只能来自用户提供或明确接受的文本；纯配乐不携带歌词。供应商不能精确承诺时长时， 生成源音轨后由剪辑按文档混音意图完成落点、循环、淡入淡出与对白 ducking（ffmpeg）。

静态漫剧 / 关键帧切换形态

只需要"关键帧切换 + 配音"时可以跳过逐镜运动提示词，分镜关键帧与图片提示词直接进入生产预览。

Look Development（可选分支，不是门槛）

需要比较视觉方向、统一画风时才做：用 Z-Image 出 2-4 张风格代表帧（同一主体不同画风/调色）， 用户选定后把方向写进视觉设定与图片提示词；不需要时直接按现有视觉事实写提示词。

⑥ 生产（唯一固定门禁）

四步闸门（顺序不可合并）

1. 从当前 图片提示词.md/视频提示词.md 的对应条目建立有边界 job：一种 modality、 明确数量、完整提示词、参考文件、参数、输出路径与通道。
2. 展示完整预览（数量、正文、source 条目、参考图绑定、参数、输出、通道）；此时不调用任何供应商。
3. 等用户在看到这份预览之后明确确认。
4. 执行；内容/参考/参数/输出任一变化，旧确认立即失效；失败重试也需要新的明确确认。

job 模板（在对话/临时文件里维护，不落创作文档）

{
  "job_id": "EP001-vid-003",
  "modality": "video",
  "source": "剧集/EP001/视频提示词.md",
  "source_entry": "MOTION-EP001-003",
  "prompt": "<该条目的 H3 可复制正文>",
  "reference_bindings": [
    {"slot": "REF-001", "path": "剧集/EP001/制作成果/IMG-EP001-001.png",
     "name": "江晨角色板", "may_control": ["身份", "造型"], "must_not_control": ["构图", "动作", "背景"]}
  ],
  "parameters": {"mode": "Ref2VA", "duration": 8, "aspect": "16:9"},
  "channel": "rh-ref2va",
  "outputs": ["剧集/EP001/制作成果/vid-003.mp4"],
  "overwrite": false
}

source/source_entry 锁定来源条目；reference_bindings 逐张写路径、中文名与 「控制/不得控制」边界（这是生产端实际读取哪些文件字节、各自影响什么的权威）； overwrite 必须显式 true 才允许覆盖已有结果。

通道映射（Harness 本地工具链）

生产硬规则

• 参考图只缩放不裁剪（RH）；豆包不传真实人脸参考（先反推文字描述再文生视频）。
• 供应商凭据不进项目文件；只在运行环境/脚本配置里读取。
• 一个 job 不混合 modality；大批量拆成创作者能看清数量与成本边界的小 job。
• 成功回报实际输出路径与运行状态，不把"通道返回成功"写成质量结论。
• 失败三路走：技术失败（超时/限流）有上限重试；被拒的是哪一项输入就先改哪一项再投； 重复内容缺陷回到对应 prompt owner。

⑦ 审查（按需，用户点名才做）

• 范围：story_script / assets_continuity / image_prompts / storyboard_keyframes / video_prompts / production_outputs / full_episode / delivery_privacy。
• 每个 finding 写清：位置（文件/ID/行号）、必要证据、观众或制作影响、必须达到的修订结果、owner、严重程度。
• 结论：APPROVE / APPROVE_WITH_NOTES / REVISE / PROVISIONAL。
• 跨文档综合顺序：剧本事实 → 视觉设定 → 镜头职责与边界 → 冻结关键帧 → 视频运动 → 下一状态。
• 只定位问题与修订要求，不在同一轮替 owner 改来源；审查文件只保留最小证据，不复制私有输入。

本地通道前置检查（生产前确认）

1. ComfyUI 在 http://127.0.0.1:8188 运行且 Z-Image/H3 工作流可用；
2. RH 脚本目录 E:\Harness Workspace\Local_LLM\RH_Workflow_Api\ 存在，API Key 已配置（先 --check）；
3. 豆包通道需夸克调试模式 + doubao.com 登录态；
4. 机器约束：ComfyUI 生成期间绝不调用 Ollama 视觉分析；分析后立即卸载视觉模型（keep_alive=0）。

按需知识（只读需要的一份，不遍历）

• 阶段边界、规则分级、所有权：references/stage-contract.md
• 五文档格式规范与条目 ID 规律：references/creator-documents.md
• 故事引擎/剧本/对白手艺：references/craft-script.md
• 资产拆解与图片提示词配方：references/craft-assets-prompts.md
• 分镜/关键帧/视频提示词与 H3 写法：references/craft-storyboard-motion.md
• 本地通道详细参数与踩坑：references/harness-channels.md
• 审查 rubric：references/review-rubric.md

复杂 Ref2VA 写正文前，直接读 h3-prompt-writing 技能的 references/ref-en.txt 保证字段与标签精确； 基础模式读 references/base-en.txt。融合写法示例（五文档条目 → H3 正文的对照）： examples/h3-fusion-example.md。