H3 动漫 PV 包装流程

Created by 迪威

把用户的主题、素材和风格要求整理成一套可以制作、检查和交接的 H3 视频包装方案。默认先做前期方案和简版时间段分镜，等待用户确认后再生成 H3 提示词和后期交付，不擅自调用收费模型、上传素材或发布成片。

硬性依赖检查

h3-prompt-writing 是本 Skill 的必需依赖，不是可选增强项。它负责 H3 的 T2VA、I2VA、FL2VA、L2VA 和 Ref2VA 提示词格式，尤其是 overall_soundscape、non_diegetic_music 和全参考结构。

每次使用本 Skill 前先检查当前环境的 Skills 目录中是否已安装 h3-prompt-writing，且以下三个文件存在并完整（路径前缀以实际安装位置为准）：

• h3-prompt-writing/SKILL.md
• h3-prompt-writing/references/base-en.txt
• h3-prompt-writing/references/ref-en.txt

如果依赖缺失：

1. 用大白话告诉用户“制作 H3 视频提示词需要先安装官方的 h3-prompt-writing 依赖”。
2. 从 MiniMax 官方仓库安装，不使用第三方镜像或不明来源的缓存：https://github.com/MiniMax-AI/MiniMax-H3。

3. 优先使用官方安装入口：

   npx skills add https://github.com/MiniMax-AI/MiniMax-H3 --skill h3-prompt-writing

4. 安装后确认当前环境的 Skills 目录中出现上述三个文件；如果 CLI 没有写入，再从官方仓库的 skills/h3-prompt-writing/ 复制到该 Skills 目录下的 h3-prompt-writing/，只在目录缺失时执行，不覆盖用户已有版本。
5. 依赖检查未通过时，停止后续的 H3 提示词编写和视频生成，不用不完整的自定义格式替代。

如果用户明确要求“自动安装依赖”，可以直接执行以上安装流程；仍需遵守当前环境的联网、写入和付费授权规则。

工作模式

根据用户请求选择一个模式：

• full：从简报到完整剪辑交付包。默认模式。
• concept：只做创意方向和风格方案。
• motion-package：制作非叙事型片头、片尾、动态海报、角色出场或 H3 PV／MAD 包装。重点是版式、动作峰值、快切、标题和声音卡点，不强行安排剧情。
• preproduction：做脚本、分镜、资产清单和制作计划。
• prompts：只做图片提示词和 H3 视频提示词。
• audio：只做旁白、字幕、音效和音乐设计。
• edit：已有素材时，只做时间线、剪辑、混音和导出规范。

用户明确说“继续”时，沿用已确认的方向，不重新生成一套创意。对于 motion-package／PV 有两个不可跳过的硬性停留点：第一是风格选择，第二是上传人物图后的简版时间段分镜确认。即使用户提前说过“直接做”或“直接生成”，也不能跨过尚未完成的停留点。只有非 PV 的普通方案在用户明确授权自动选择时，才可以代为选择方向。

1. 建立制作简报

先整理已有信息，不重复询问用户已经提供的内容。缺少关键条件时只询问最少的问题：

• 主题、受众、传播目标和核心信息
• 最终时长、画幅、平台和分辨率
• H3 单段视频的期望时长，以及是否需要拼接成更长成片
• 现有素材：图片、视频、音频、Logo、字体、文案和品牌规范
• 期望的视觉风格、节奏、声音和禁用项

把不确定项列为“待确认”，不要悄悄替用户决定。没有特别要求时，采用以下默认值并明确标注：16:9、纪录片式自然节奏、中文旁白、简体中文字幕、先出简版时间段分镜，确认后再生成提示词和素材。

2. 选择 H3 输入模式

根据素材选择模式，并在方案开头说明理由：

• T2VA：没有参考画面，完全从文字生成音画视频。
• I2VA：有一张首帧图，希望从这张图向前发展。
• FL2VA：有首帧和尾帧，希望控制两端之间的连续运动。
• L2VA：只有尾帧，希望运动最后落到指定画面。
• Ref2VA：有多张图片、视频或音频作为内容、风格、动作或声音参考。

写 H3 提示词时，必须调用或遵循 $h3-prompt-writing 的格式。基础模式读取其 references/base-en.txt，多参考模式读取其 references/ref-en.txt；保留规定的字段名、镜头编号、时间格式和参考标签。

3. 生成创意和视觉规则

先生成 2–3 个可执行方向，每个方向包含：一句话概念、叙事结构、视觉系统、节奏曲线、声音方向、制作难点和适用场景。

把抽象风格拆成可执行规则：

• 构图：景别、主体位置、留白和视线方向
• 材质：实拍、纸张、剪报、3D、手绘或其他介质
• 色彩：主色、强调色、对比度和饱和度
• 镜头：运动类型、幅度、速度和转场方式
• 动作：主体如何移动，哪些元素必须保持连续
• 字幕与图形：字体、位置、入场方式和可读性
• 声音：旁白、环境声、动作音、音乐和动态范围
• 禁用项：变形、闪烁、跳轴、错字、过度抖动、现代元素等

不要只写“高级、电影感、苹果风格、Vox 风格”；必须把这些词翻译成画面、动作、声音和节奏规则。

3.1 非叙事片头／PV 包装

当用户提供角色动作样片、动态海报、MAD、PV 或“酷炫片头”参考，优先进入 motion-package 模式，并读取 h3-motion-package-style.md。

此模式默认遵循：

• 前 1–2 秒先锁定角色或产品识别，再让动作和图形升级。
• 使用“识别 → 动作／版式升级 → 标题／Logo 定格”的三段式节奏。
• 把跳跃、落地、转头、挥手、眼神、产品转面和画面撞击当作剪辑点。
• 采用硬切、斜向色块切、字母遮罩、圆形擦除、分屏重组和残影叠印等可观察转场；避免只写“炫酷转场”。
• 先选择一个风格模板：graphic-noir-manga-pv、color-riot-anime-pv、ice-vector-action-pv 或 hybrid-package，再依次派生角色图、简版时间段分镜和 H3 提示词。graphic-noir-title 是“红白线条感漫画 PV”路线的兼容旧称；ice-vector-motion-poster 与 minimal-motion-poster 是冰蓝路线的兼容旧称，不再作为独立主类型。
• 片尾至少留出 0.5–1.5 秒给主标题、Logo 或英雄姿态；音乐、动作音和转场音分层写入时间线。
• 样片只作为本地分析依据，默认不上传到 H3 或任何外部服务；只有用户明确授权把样片作为参考素材时，才讨论上传和费用。
• 对“高饱和动漫 PV”优先采用 COLOR RIOT 语法：荧光青／品红／亮黄／纯蓝色块，眼睛与手部微距，手遮镜和色带遮挡切，白闪／斜切转场，英文大字标题，动作方向匹配和残影停格；不能只写“高饱和、快节奏、酷炫”。
• 高饱和色必须从角色自身和服装提取：主色、辅色、中和色和少量互补高光要写清；不要套用与人物无关的随机彩虹色。英文标题和辅助标签根据角色特点原创，不整套复制样片文字。
• 对 ice-vector-action-pv 冰蓝动作版式 PV，单独读取 h3-motion-package-style.md 的 ICE VECTOR ACTION｜冰蓝动作版式角色 PV：配色从人物头发、服装、配饰和道具提取；巨型字母与人物形成前景、后景和穿插关系；分屏并置不同元素，并随动作使用竖向、横向或斜向方向；默认 16 个视觉节拍，最后 2–3 秒连续收势到英雄定格；音乐旋律优先、音效克制。
• 对 graphic-noir-manga-pv 红白线条感漫画 PV，单独读取 h3-motion-package-style.md 的 GRAPHIC NOIR MANGA｜红白线条感漫画 PV：人物从第一帧开始完全重绘为统一二维日漫形态；红／黑／暖白巨型色块主导画面；漫画分格最多四格，使用一个主动作大格和一至三个连续动作辅助格；如项目启用博弈符号，默认只安排一个骰子、一个筹码和两至三张卡牌，并让刀锋、眼睛、骰点、筹码圆环与卡牌形状连续匹配；15 秒默认 18 个视觉节拍。
• 对第 4 项“其他／参考图混合创作”使用 hybrid-package：必须收集人物图和一至三张风格截图，先拆解参考的配色、构图、字版、包装、分屏、转场、运镜、动作与声音，再按约 70% 参考还原、30% 技巧重组生成提示词。30% 自由部分从前三条成熟路线中只选一至两组适配技巧，不能把三种模板平均混在一起。
• 镜头衔接优先于单镜头特效：在提示词中逐个说明“前镜如何推出后镜”，优先使用动作遮挡切、方向匹配切、形状匹配切、色块接管、白闪／停格桥接、残影承接和文字接管；同一种转场不要连续使用超过两次。
• 包装特效必须分层写：主英文标题、辅助英文／编号、贴纸和几何花纹、颗粒／网点／色差、边框／信息条；微特效要有入场、停留和退场，并为人物脸部和动作留出最高可读性。
• 分屏和几何图案要作为剪辑结构使用：二分屏／三联屏／条带窗口负责并置动作，斜线／圆弧／网格／波纹负责切开、围住或重组画面；每次都要写明布局变化和运动方向，不能只当背景。
• 流畅度优先于包装密度：相邻镜头必须保留动作、方向或形状的连续线索；每 2–3 个切点最多安排一个主要包装动作，其余用角色运动和摄影机运动自然承接。
• 四种风格都必须在 15 秒内安排 1–2 组“身体动作驱动运镜”的大幅度画面：先让人物迈步、转身、俯身、滑行、跳跃、挥臂、拔出道具或落地，再让镜头沿同一力量方向跟拍、横移、低机位抬升、下摇、弧形绕行或拉远；动作峰值负责推出下一镜。
• 每组身体动作驱动运镜都按“身体动作启动 → 镜头响应 → 包装／分屏跟随 → 下一镜继承方向”书写。包装线条、色块、字母和分屏边界必须沿运动轴进入与退出，不能独立乱飞，也不能在一个切点同时反转动作、镜头和图形方向。
• 1–2 组大幅度运镜之外，其余镜头使用动作跟拍、稳定景别、局部特写或简洁图形桥接；如安排身体部位接力，只作为其中一组的内部结构，不全片机械扫描人物身体。
• 运镜必须由动作触发：先写角色动作，再写镜头如何跟随、被带入或响应；禁止静态人物配机械推拉、纯扫描和无动作环绕。需要反向运动时，先用人物转身、落地回弹或图形合拢完成方向转换。
• 音乐必须有可记忆的主旋律、和弦进行和节奏层次；把音乐放在音效前景，动作音效只在关键切点少量强调，不能用连续 whoosh／impact 填满时间线。
• 普通游戏 CG 人物 PV 默认按 12–16 个剪辑镜头设计，ice-vector-action-pv 使用 16 个视觉节拍，graphic-noir-manga-pv 使用 18 个视觉节拍；不要把 PV 做成 4 个慢镜头。先在内部拆成 4 个约 3–4 秒的节奏段（识别、启动、爆发、定格），再按风格分配不等长切点。
• 四段只是镜头规划和节奏分组，不等于四条 H3 任务。用户要求“一整条”时，最终输出一条完整的 15 秒 Ref2VA 提示词，把四段和全部切点写进同一个 detailed_description；只有用户要求稳定性优先或分别生成时，才拆成多条 H3 提示词。
• 人物图或角色基准图确认后，先把四段整理成简版时间段分镜并停止。收到用户对这份简版分镜的明确确认后，才把它展开为完整切点和 H3 提示词；任何固定风格或 hybrid-package 都不能跳过此确认点。

若用户同时提供多条样片，提炼它们的共性作为硬规则，把每条样片的颜色、构图、动作密度和声音气质作为可选个性；不要把某条样片中的角色、Logo 或标题直接复制到新项目。

如果用户只提供一条样片，也要先把样片拆成“色彩、镜头、动作、图形、文字、声音、节奏”七类可观察规则，再进入简版时间段分镜确认；确认后生成的提示词要写具体的文字卡、遮挡方式、转场和击点，不要写“参考样片感觉”。

3.2 PV 分阶段交互流程

当用户只给出一两句话，例如“做一个高饱和、动态、带音乐的角色 PV”，不要先要求完整制作简报。按下面顺序推进，并在每一步只问当前真正缺少的信息：

1. 创意种子：把用户的一两句话整理成一句可执行的创意目标，补出时长、画幅、主体和情绪的默认值，并标出仍待确认的项目。
2. 风格选择（必须等待用户回答）：提供 3 个固定风格方向，另外固定提供第 4 项“其他／参考图混合创作”。每个方向写清色彩、构图、动作密度、字版、转场、音乐和适用气质；第 4 项明确说明需要上传人物图和一至三张风格截图，并允许约 30% 的自由技巧组合。用户没有明确回复 A／B／C／D 前，禁止进入角色参考、ImageGen、H3 提示词和视频生成。
3. 角色与风格参考：用户选定前三条固定风格后，请用户提供角色／人物参考图。用户选择第 4 项时，同时收集人物图和一至三张风格截图；若提供的是风格视频，先从中选取能代表配色、包装和剪辑的关键帧。明确每个参考的职责，人物图负责身份、服装和道具，风格截图只负责抽象视觉语言，不复制其中的人物、品牌、Logo、对白或完整画面。
4. 无角色图分支：如果用户没有角色图，先根据已选风格和创意输出一条可直接用于 ImageGen 的角色形象提示词；用户确认生成或明确说“直接做”后，调用 $imagegen 生成角色基准图。角色基准图生成前不要进入 H3 视频生成。
5. 简版时间段分镜（必须等待用户回答）：拿到人物图或角色基准图后，先按所选风格输出 3–5 个时间段；15 秒默认使用四段。每段只写起止时间、核心画面、人物动作、运镜响应、主要包装、衔接方向和音乐情绪，并明确标出全片 1–2 组“身体动作驱动运镜”；不写完整 H3 字段、不展开全部 12–18 个切点，也不提交视频生成。输出后明确请用户“确认／修改”，并停止当前流程。
6. 修改与确认停留点：用户提出修改时，只调整指定时间段，重新输出完整的简版分镜并再次停留；不要在同一回复里顺带生成 H3 提示词。只有收到“确认”“继续生成视频提示词”“按这个生成提示词”等明确同意，或用户在该确认问题后直接回复“继续”，才锁定简版分镜。
7. 生成 H3 提示词：根据已确认的简版分镜规划视觉节拍（普通路线 12–16 个、冰蓝路线 16 个、红白线条感漫画路线 18 个、其他／参考图混合路线按参考选择 12–18 个），再展开完整切点。PV 优先采用 Ref2VA；只有一张定稿海报时采用 I2VA，需要首尾构图时采用 FL2VA。用户要一整条 15 秒提示词时，把全部切点合并进一个提示词，不输出四条独立提示词。动作音、转场音、环境底噪和音乐同时写入 overall_soundscape 与 non_diegetic_music。
8. 生成视频：简版分镜已确认且 H3 提示词完成后，用户明确要求生成、已授权 H3 并接受当前费用与上传范围时才提交。若缺少授权、素材上传许可或费用确认，先用一句大白话说明缺口，不擅自提交付费任务。
9. 回传与修改：视频回来后先让用户选择“保留／修改／重做”。没有修改时，整理视频、提示词和生成参数并结束本轮；有修改时，把反馈翻译成具体的提示词变更（动作、节奏、色彩、字版、声音或连续性），只优化相关段落后重新生成，不从头重做全部流程。

PV 模式的核心原则是“少问无关问题、先确认结构、反馈驱动迭代”：用户不需要先填写完整简报，也不需要在视频生成前单独完成旁白、字幕和配乐方案；但风格选择和简版时间段分镜确认都是必经步骤，不能省略或由 Agent 自行替用户决定。

4. 编写脚本与分镜

对于 motion-package／PV，先输出简版时间段分镜，不要一开始就填写下面的完整镜头表。15 秒默认四段，每段包含：时间范围、核心画面、人物动作、运镜响应、主要包装、如何进入下一段、音乐／声音情绪。在其中 1–2 段明确标注“大幅度身体动作驱动运镜”。表格后只询问用户是确认还是修改，并停止；确认后再展开完整分镜和 H3 提示词。

用户修改简版分镜时，保留未点名的时间段，只重写受影响部分，然后重新给出完整四段供确认。每次修改后都重新停留，不能把“修改完成”自动视为“允许生成提示词”。

对于非 PV 任务，或 PV 简版分镜已经确认后，再根据已选方向建立完整分镜。每个镜头至少写清：

第一镜头承担建立世界和抓住注意力的任务；中段逐步提供信息；结尾完成观点、品牌或行动召唤。不要为了“看起来丰富”而增加没有叙事作用的镜头。

5. 生成图片提示词

每个需要视觉素材的镜头提供一条可直接复制的 ImageGen 图片提示词。提示词应包含：主体、场景、构图、镜头、材质、光线、色彩、时代或地域信息、画面文字要求，以及必须保持和禁止出现的内容。

保持同一项目的角色、道具、服装、建筑、地图方向和色彩系统一致。画面中需要准确字幕时，优先后期叠加字幕，不要把大段文字交给图像模型生成；只有用户明确要画面内文字时才写入提示词。

在 motion-package 的 PV 流程中，如果缺少角色图，先输出“角色基准图提示词”，明确脸部、发型、服装、姿态、色彩、材质、留白和版式占位；角色基准图确认后再把它作为 H3 的身份参考。不要用 H3 直接替代角色基准图生成，以免身份在动作段落中漂移。

6. 生成 H3 视频提示词

进入本节前，检查 motion-package／PV 的简版时间段分镜是否已被用户明确确认。未确认时返回第 5 步停留点；即使用户最初说过“直接生成”，也不能提前编写完整 H3 提示词。

每个 H3 片段都要有独立且可复制的提示词，并注明它对应的镜头编号、时长、输入模式和参考素材。例外是用户明确要求“一整条 15 秒提示词”的 PV：此时只输出一条完整的 Ref2VA 提示词，内部包含所选风格要求的视觉节拍和四个节奏段，不要把它拆成四个提示词。

• 基础模式使用 integrated_multimodal_description、overall_soundscape、non_diegetic_music。
• 多参考模式使用 subject_definitions、summary、retention_analysis、detailed_description、overall_soundscape、non_diegetic_music。
• 每个镜头描述主体、环境、动作、镜头运动、声音和切点；不要只写剧情摘要。
• 对首帧、尾帧、参考图片、视频和音频使用稳定且不重复的标签。
• 对对白和旁白保留原文；明确说话人、语言、语速、音色和嘴部是否运动。
• 对镜头连续性写出必须保持的内容，以及禁止模型改变的内容。

如果用户只要提示词，不要替用户调用 H3；如果用户要求生成，再检查授权、素材和费用后执行。

在 motion-package 的 PV 流程中，简版分镜已确认且用户明确要求“生成视频”时，H3 提示词完成后进入生成步骤；提示词必须同时包含画面时间线、动作音、转场音、环境底噪和音乐段落。用户未要求旁白时，不额外添加对白、旁白或字幕。

6.1 游戏 CG 人物 PV 的单条 15 秒结构

当用户要求游戏 CG 人物 PV 且没有指定更长时长时，默认采用一条 15 秒、16:9、2K 的 Ref2VA 提示词：

1. 00:00–00:03.5：角色识别，3–4 个近景或细节切点。
2. 00:03.5–00:07.3：动作启动，3–4 个姿态、转身或镜头切点。
3. 00:07.3–00:11.1：能量／动作爆发，3–4 个快切、残影或图形重组切点。
4. 00:11.1–00:15.0：英雄姿态和标题留白，2–4 个切点，最后保留 0.5–1.5 秒定格。

提示词中要明确“这是一个完整的 15 秒视频”，并在 detailed_description 内按播放顺序写出所有切点、动作、摄像机、声音和连续性约束。四段是内部节奏组织，不要误写成四个彼此独立的任务。

6.2 样片风格进入 H3 提示词的要求

样片分析结果必须落到可执行的时间线，而不是停留在形容词。对于 COLOR RIOT 式高饱和动漫 PV，单条 15 秒提示词至少包含：

1. 00:00–00:02 的英文大字钩子和角色脸部／手势识别。
2. 两次以上眼睛、手部、耳饰或衣料微距，并让动作成为硬切点。
3. 一次手掌遮镜或彩色条带遮挡切、一次白闪或斜切色块转场。
4. 一次相邻镜头的动作方向匹配（例如手向镜头扑来后切到同方向的甩镜）。
5. 一次残影、停格或多重曝光，并明确它服务于节拍峰值。
6. 一个短英文标题卡（如 COLOR RIOT、NEON RUSH 或用户指定标题）和至少 1 秒的最终英雄构图。

如果角色服装有明确的主色，必须把色彩写成角色驱动的调色系统：主色来自服装，辅助色来自配饰／眼睛高光，中和色负责留白；禁止每个镜头随机切换整套颜色。英文标题和辅助标签要根据角色气质原创，不整套照搬样片文字。

声音部分必须把音乐写成旋律驱动：明确 BPM、拍号、4–6 音符主旋律、和弦进行、低音律动和段落变奏；overall_soundscape 中把 whoosh、click、impact 限制在关键动作节点，明确它们低于音乐音量。

不要复制样片中的角色、Logo 或完整标题；如果项目标题尚未确定，使用后期字卡占位，并在 H3 中禁止额外随机文字、乱码和长字幕。

对高饱和 PV 的每个关键切点，都要写出衔接关系，例如“手掌遮满镜头后硬切到同方向的眼睛微距”“品红色带扫屏后接同色背景中的半身动作”“眼睛圆形高光匹配到下一镜的圆形图形”。不能把 14–16 个镜头只列成互不相干的画面清单。

同时写明包装层如何参与剪辑：例如“02 编号随鼓点跳变”“竖排英文沿甩镜方向滑出”“星爆贴纸在落地冲击的 2–4 帧内弹入后消失”“RGB 色差只在白闪前后短暂增强”。如果没有确定文案，使用短英文占位，不让模型生成长句或随机乱码。

对于分屏和几何衔接，要写出具体关系，例如“二分屏左格保留眼睛微距，右格同步出现挥手动作，鼓点后两格合并为半身”“斜线从左下扫到右上，切到同角度的身体甩动”“圆弧收缩成瞳孔高光，下一镜扩张为全屏图形”。不能只写“加入几何元素和分屏效果”。

如果使用全身人物图，提示词安排 1–2 组身体动作驱动运镜链；局部运镜只作为链条的起点或过渡，并按“身体动作 → 镜头响应 → 包装跟随 → 下一镜衔接”书写。例如“她迈步后抬手触碰耳机，镜头沿手臂上摇到眼睛，再随转身低机位拉远到全身；彩色斜线沿转身方向推出下一镜”。局部特写必须服务于大幅度全身动作，不能独立扫描。

如果用户反馈包装或剪辑“不流畅”，先做减法：删掉无关的贴纸、闪白、故障和重置式换景，重写前后镜头的动作延续、方向匹配、前几帧重叠和短暂呼吸段；禁止用增加特效数量来掩盖衔接问题。

6.3 ice-vector-action-pv 冰蓝动作版式 PV 的单条 15 秒结构

当用户选择冰蓝样片方向时，提示词仍使用 Ref2VA，但不要套用 COLOR RIOT 的荧光粉街头内容。默认写成 16 个视觉节拍，分成四组音乐句法，镜头时长不平均：

1. 角色和道具识别：白色留白、冰蓝背景、黑色巨型字母，以及由道具动作触发的第一个镜头链。
2. 动作展开：拔出、旋转、瞄准、跳跃或滑行，并使用一次异元素竖向分屏和一次字母／圆环匹配。
3. 动作爆发：横向或斜向分屏、色块推动、能量脉冲、残影和大幅度全身动作；每个分屏格放不同信息，不复制同一身体部位。
4. 连续收势：从落地、滑行或旋转自然延续到抬头、举枪或英雄姿态，镜头回正或拉远，字母和几何版式重新组合，最后保持至少 1 秒定格。

颜色必须由人物和道具的头发、服装、配饰、机械结构和能量色提取；巨型英文标题要根据角色或道具原创。overall_soundscape 只写关键动作音，non_diegetic_music 必须写清 118–124 BPM、4/4 拍、4–6 音符主旋律、和弦进行和段落变奏，不能让 whoosh／impact 盖住音乐。

6.4 graphic-noir-manga-pv 红白线条感漫画 PV 的单条 15 秒结构

当用户选择经典红白样片、二维线条抽象或热血漫画分格路线时，使用一条 15 秒、16:9 的 Ref2VA 提示词，默认写成 18 个不等长视觉节拍。博弈符号只在主题或参考样片需要时启用：

1. 00:00–00:03.3：以二维线稿人物、刀锋、脚步、握柄和眼睛建立识别；不出现原参考图的 CG 皮肤或三维材质。
2. 00:03.3–00:06.9：用眼睛、武器、圆环或项目核心道具的形状匹配建立主题；大色块占画面主体，人物作为剪影、负形或局部线稿嵌入版式。只有启用博弈主题时才加入骰点和筹码圆环。
3. 00:06.9–00:11.7：安排一次最多四格的热血漫画动作链；采用一个主动作大格和一至三个辅助格，按“眼神锁定 → 握柄 → 起势 → 动作释放”等明确顺序推进。如启用卡牌，只用两至三张，可做一次特写或沿刀锋附近旋转，禁止卡牌雨和无逻辑拼贴。
4. 00:11.7–00:15.0：分格消失，人物连续收势；武器或项目核心道具的轮廓收拢为原创短英文标题，最后至少保持 1 秒。如启用博弈符号，可改用卡牌花色或骰点完成收拢。

人物参考图只负责身份、发型、服装和道具；在全片中统一重绘为二维日漫线稿、平涂、网点、剪影和负形。漫画版式参考图只转移主次格层级、透视、速度线和动作逻辑，不复制角色、对白、气泡或原作画面。音乐默认使用 132–140 BPM、4/4 拍、4–6 音符主旋律与明确和弦进行；核心动作音只在关键节点出现且低于音乐。只有启用博弈符号时才加入骰子、卡牌和筹码音效。

6.5 hybrid-package 其他／参考图混合创作

用户选择第 4 项时，不套用固定模板。先把人物图与一至三张风格截图转换成一份“参考职责表”和简版时间段分镜；等待用户确认后，再输出一条完整的 15 秒、16:9 Ref2VA 提示词：

1. 锁定 70%：人物身份、脸、发型、身材比例、服装和道具以人物图为准；主配色关系、构图重心、字版尺度、包装材质、主要剪辑速度和镜头气质以风格截图为准。
2. 开放 30%：从 color-riot-anime-pv、ice-vector-action-pv、graphic-noir-manga-pv 中选择一至两组真正适配的技巧，例如动作遮挡切、巨型字母穿插、异元素分屏、形状匹配、连续收势或逻辑漫画分格；不要平均抽取三种风格，也不要为了达到比例堆叠特效。
3. 建立统一系统：只保留一套主色关系、一套主字版和一至两个几何／纹理母题。人物服装与道具颜色负责统一主体，风格截图负责决定背景色比例、对比强度和版式秩序。
4. 按参考决定节拍：15 秒使用 12–18 个不等长视觉节拍；参考偏留白、极简时降低密度，参考偏快切、漫画或高能动作时提高密度。每个切点必须由动作、方向、形状、色块或文字中的至少一种连续线索推动。
5. 保持可追溯：在提示词前用短表列明“参考保留项”“30% 自由组合项”“禁止复制项”。遇到参考互相冲突时，先保人物身份和用户点名的视觉特征，再舍弃不兼容的包装技巧。

30% 表示可发挥空间，不要求按镜头数机械计算。输出必须看起来像一套完整的新风格，而不是三个模板的拼盘；不得复制风格截图中的角色、Logo、品牌文案、对白或可识别的完整构图。

7. 设计音频包装

分别处理四层声音，不要混成一句“配上音乐”：

1. 旁白：完整稿件、说话人、语气、速度、停顿和情绪曲线。
2. 字幕：逐句文本、时间范围、断句、位置、字号和安全区。
3. 音效：环境声、动作声、转场声和重点强调声。
4. 音乐：乐器、速度、节拍、段落变化、进入和退出方式。

PV 默认例外：音乐和音效在 H3 同轮生成，不拆成独立音频生产任务。只有用户要求后期替换音乐、保留纯净音效或加入旁白时，才把四层声音拆开并进入独立音频流程。

旁白是信息主线，音乐和音效不能盖住人声。用户没有授权时，不擅自克隆声音、不上传音频、不生成付费配乐；可以先给开源音乐检索方案或 Suno 等工具的可复制提示词。

8. 输出剪辑交付包

最终输出一份可交接的剪辑方案，至少包含：

• 按时间排列的镜头表
• 素材文件与镜头编号的对应关系
• 旁白和字幕时间轴
• 音效、音乐和混音建议
• 转场、字幕、图形和片尾处理
• 画幅、帧率、分辨率、音频采样率和导出格式
• 未解决的选择、需要用户确认的事项和下一步

如果用户提供了成片或片段，优先做“保留、替换、重排、补齐”清单，不要默认重新生成全部素材。

9. 质量检查

提交前逐项检查：

• 镜头时长总和是否等于目标时长
• 人物图确认后是否先输出了 3–5 段简版时间段分镜，并在生成 H3 提示词前真正停止等待用户确认
• 简版分镜是否包含时间范围、核心画面、人物动作、主要包装、段落衔接和声音情绪，同时没有提前展开完整 H3 字段
• 用户修改简版分镜后是否重新给出完整版本并再次停留；是否只有在明确确认后才生成 H3 提示词
• 视觉节拍是否符合所选风格：普通游戏 CG 人物 PV 为 12–16 个，ice-vector-action-pv 为 16 个，graphic-noir-manga-pv 为 18 个，hybrid-package 按参考选择 12–18 个；仍按四个约 3–4 秒节奏段组织
• 用户要求单条提示词时，是否只输出一条完整的 15 秒 Ref2VA 提示词，而不是四条分段提示词
• H3 输入模式是否和实际素材匹配
• 每个 H3 提示词是否包含完整时间线和声音字段
• 首尾帧与镜头动作是否连续
• 角色、道具、服装、地图方向和色彩是否一致
• 旁白、字幕、音效、音乐是否有清晰的入点和出点
• 字幕是否完整、准确、可读且不遮挡主体
• 是否有主英文标题、辅助英文／编号和至少一组受控的贴纸／几何／纹理包装层，而不是只有人物与背景
• 包装层是否跟随鼓点、遮挡切或动作峰值进出，且没有覆盖人物眼睛、嘴部和关键动作
• 是否至少有一次分屏或窗口重组，以及一次由斜线、圆弧、网格或波纹推动的几何衔接
• 相邻镜头是否保留了动作、方向或形状的连续线索，是否避免每个切点同时重置背景、色彩、景别和特效
• 四种风格是否都安排了 1–2 组身体动作驱动运镜；动作是否先发生，镜头、包装和分屏是否沿同一力量方向响应，并由动作峰值推出下一镜
• 1–2 组大幅度运镜是否使用迈步、转身、滑行、跳跃、挥臂、拔出道具或落地等明确全身动作，是否避免用静态人物和纯摄影机运动冒充
• 如安排局部接力，是否只作为身体动作运镜组的内部结构并最终回到全身动作，而不是全片连续扫描
• 每次推近、横移、下摇、环绕或拉远是否都有明确的人物动作触发，是否避免无动作的机械运镜
• 高饱和色是否来自角色和服装自身，是否避免与角色无关的随机彩虹色
• 音乐是否有清晰主旋律、和弦进行和段落变奏，音效是否低于音乐且只出现在关键动作节点
• ice-vector-action-pv 是否使用人物／道具驱动的白黑冰蓝钴蓝配色，而不是套用 COLOR RIOT 的随机荧光色
• ice-vector-action-pv 是否有异元素竖向、横向或斜向分屏，且最后 2–3 秒由前一动作连续收势到英雄定格
• graphic-noir-manga-pv 是否从第一帧到最后一帧保持统一二维日漫线稿／平涂／网点语言，是否彻底避免半写实 CG 回弹
• graphic-noir-manga-pv 是否由红／黑／暖白巨型色块主导构图，人物是否以剪影、负形或线稿嵌入，而不是站在装饰图形前
• 漫画分格是否最多四格、始终有一个主动作大格，辅助格是否按因果或动作阶段排列，而不是随机拼贴
• 如启用博弈符号，是否保持克制：最多一个骰子、一个筹码和两至三张卡牌；卡牌是否只做特写或沿道具附近运动，是否避免卡牌雨
• 眼睛、武器和核心道具之间是否存在清晰的形状匹配与方向承接；如启用博弈符号，再检查骰点、筹码圆环和卡牌的承接
• hybrid-package 是否同时取得人物图和风格截图，并明确各参考的唯一职责
• hybrid-package 是否大致遵循 70% 参考保留、30% 自由组合；自由部分是否只选择一至两组适配技巧，而不是把前三种模板平均混合
• hybrid-package 是否只有一套主色、主字版和一至两个图形母题，是否避免复制参考中的角色、Logo、品牌文字和完整构图
• 是否出现模型容易产生的变形、闪烁、错字和跳轴
• 是否有未确认的收费、上传、发布或版权风险

发现问题时，先指出具体镜头和修正建议，再修改对应部分；不要无理由推翻已确认的其他镜头。

交互和输出规则

• 先给方案摘要，再给详细内容；不要把所有技术说明塞进第一屏。
• 创意阶段默认提供选项并等待选择；对于 PV／motion-package，必须收到用户明确的风格选择后才能继续。用户只说“继续”但没有选风格时，要再次提示选择，不得自行选定。
• 用户给出一两句话的 PV 想法时，必须提供 3 个固定风格选项，并把“其他／参考图混合创作”作为第 4 项；第 4 项要提示上传人物图和一至三张风格截图，并说明约有 30% 的自由组合空间。
• 用户选定风格后，优先收集角色参考图；没有角色图时先提供 ImageGen 角色基准图提示词。人物图确认后先进入简版时间段分镜，不直接进入 H3。
• PV 模式必须在简版分镜后停留：用户可修改任意时间段；只有用户明确确认或在确认问题后回复“继续”，才生成 H3 视频提示词。视频生成后再采用“保留／修改／重做”的反馈循环。
• 每个镜头的图片提示词和 H3 提示词分开呈现，方便复制。
• 需要外部工具、收费 API、上传或发布时，先说明动作、素材和费用，再等用户确认。
• 输出中明确标出“已确定”“默认采用”和“待确认”。
• 不编造历史事实、品牌信息、素材来源、授权状态或生成结果。

参考资料

需要更详细模板时，直接读取以下文件：

• brief-template.md：制作简报和用户输入模板。
• shot-schema.md：分镜字段、提示词字段和时间线规则。
• quality-checklist.md：交付前质量检查表。