# minimax-h3-video

Adopt this skill: https://proskills.md/skills/other/liufelix2004-god-minmax-h3

Page: https://proskills.md/skills/other/liufelix2004-god-minmax-h3
This document is the public skill bundle for that page. It contains SKILL.md and every helper file the catalog carries. No login is required.

## File: SKILL.md
size: 4943
sha: d849c3911a3d23917f215e68924d8925ce0895db
upstream: https://github.com/liufelix2004/god-minmax-h3/blob/HEAD/SKILL.md

````text
---
name: minimax-h3-video
description: 用 MiniMax H3（海螺 3.0）生成成片级视频的完整方法论与提示词库。当用户提到「海螺」「Hailuo」「MiniMax H3」「H3 生成视频」「AI 视频提示词」「文生视频/图生视频/首尾帧/全能参考」，或需要把参考片逆向拆解成提示词、要把多段 H3 片段拼成 20–60 秒成片、要保持跨段的角色与风格一致性、要写带运镜与原生音频指令的分镜提示词时，使用本技能。也适用于用户只是发来一段视频问「这是怎么生成的」或「帮我做个 29 秒的片子」。
license: MIT
---

# MiniMax H3 视频生成

## 这个技能解决什么

H3 单次生成上限 15 秒。所有「30 秒 / 1 分钟成片」的需求，本质上都是
**分段生成 + 一致性接力 + 拼接**三件事。本技能给出这三件事的标准做法，
外加 5 个已验证跑通的分镜提示词模板。

## 先读硬约束

| 项目 | MiniMax-H3 |
|---|---|
| 单次时长 | **4–15 秒，只接受整数** |
| 分辨率 | 768P / 2K，24fps |
| 提示词上限 | 7000 字符 |
| 全能参考 | 图 ≤9；视频 ≤3（单段 2–15s，总 ≤15s）；音频 ≤3；混合总计 ≤12 个文件 |
| 音频 | 32kHz 立体声与画面同一次生成 |
| 首尾帧 | 0/1/2 张，`role=first_frame` / `role=last_frame` |

完整 API 调用见 `references/h3-api.md`。

## 核心工作流

### 第 1 步：判断要不要分段

| 目标时长 | 做法 |
|---|---|
| ≤15s | 一次生成。**在一条 prompt 里写多个分镜，H3 会自己切**——这是 2.x 时代没有的能力，别浪费 |
| 16–30s | 2 段（15+14 / 15+15）或 3 段（10+10+9） |
| >30s | 按叙事段落切，每段独立可看，别指望长距离一致性 |

**实测结论：**本库 5 个模板里，原本按 3 段（10+10+9）设计的分镜，
直接塞进一条 15 秒 prompt 里生成，H3 完整还原了全部镜头序列和标题卡。
**所以优先考虑「一条 prompt 内多分镜」，而不是无脑切段。**

### 第 2 步：写 prompt

结构固定为四块，顺序不要变（详见 `references/prompt-grammar.md`）：

```
[风格锚点]  画质/画幅/配色/材质/胶片颗粒 —— 一句话定死整体观感
[分镜序列]  镜头1 → 镜头2 → 镜头3，每个镜头后面挂 [运镜] 标记
[音频指令]  环境声 + 动作音效 + 对白/配乐，写清楚在哪一拍落
[负面约束]  不要出现的东西（多余肢体、错误文字、画面抖动……）
```

风格锚点**每一段都要原样重写一遍**，不要靠模型跨段记忆。

### 第 3 步：跨段一致性接力

三件事，缺一件就会飘：

1. **尾帧接首帧** — 上段最后一帧导出为图，作下段 `role=first_frame`
   ```bash
   ./scripts/extract_last_frame.sh segA.mp4 segA_last.jpg
   ```
2. **`role=reference_image`** — 角色定妆图 2–3 张（正面/侧面/特写）
3. **`role=reference_audio`** — 有对白时必传上段音频，否则音色会变

### 第 4 步：拼接

```bash
./scripts/stitch.sh 29 out.mp4 segA.mp4 segB.mp4      # 拼接 + 交叉淡化 + 锁死 29.000s
```

原理与逐条命令见 `references/stitching.md`。

## 提示词库

`prompts/` 下 5 个模板，都是从参考片逆向拆解、再用 H3 跑通验证的。
每个文件含：完整 prompt、API 参数、成片观察、已知坑。

| 文件 | 类型 | 状态 |
|---|---|---|
| `01-final-bet.md` | 红黑白平面矢量动画 / 赌局 | 已验证 15s |
| `02-hero-vlog.md` | 第一人称手持超英 vlog / 电影质感 | 已验证 15s |
| `03-night-comic.md` | 美式硬派漫画 motion comic | 已验证 15s |
| `04-cavalry-opening.md` | 史诗骑队开场 / 长镜 | 待验证 |
| `05-single-take-dialogue.md` | 单镜头对白特写 | 待验证 |

## 常见失败与对策

| 现象 | 原因 | 对策 |
|---|---|---|
| 出来是固定机位死镜头 | 没写运镜 | 每个分镜后挂 `[推进]`/`[横移]`/`[跟随]` 等标记 |
| 段与段人物长得不一样 | 只靠文字描述 | 必须传 `reference_image`，文字描述留不住脸 |
| 段与段音色跳变 | 没传参考音频 | 有人声就必须传 `reference_audio` |
| 画面里出现乱码文字 | 模型自造字 | 负面约束写「不出现任何文字」，标题卡单独做后期 |
| 想要的自创角色被画成某个知名 IP | 描述踩中了训练分布 | 加入明确的差异化特征（配色/材质/剪影），并在负面约束里排除 |
| 拼接处「啪」一声 | 音频硬切 | 用 `scripts/stitch.sh`，带交叉淡化 |

## 合规

本库只收录**自创设定**的提示词。不收录、也不建议写指向具体商业 IP
角色的提示词——那类片子拿不到商用授权，做出来只能自娱自乐。
参考片里若有 IP 角色，拆解时保留其画面语言（配色、运镜、剪辑节奏、
构图法），人物换成自己的设定，风格照样成立。
````

## File: README.md
size: 7013
sha: 611fd3b8fb022602e77357d84d21af9179bc64b2
upstream: https://github.com/liufelix2004/god-minmax-h3/blob/HEAD/README.md

````text
# God MiniMax H3
本视频由opnai.top生成

**把参考片拆成提示词，把提示词拼成成片。**

一个 MiniMax H3（海螺 3.0）的视频提示词库 + 可安装的 Agent Skill。
每条提示词都是从真实参考片逆向拆解、再用 H3 跑通验证的，
附带成片预览、API 参数和踩过的坑。

![License](https://img.shields.io/badge/License-MIT-yellow.svg)
![Model](https://img.shields.io/badge/MiniMax--H3-4~15s%20%C2%B7%202K%20%C2%B7%2024fps-F5FF60?labelColor=111)
![Prompts](https://img.shields.io/badge/提示词-5%20条-3158E8)

---

## 这个库解决什么

H3 单次生成上限 所有「30 秒成片」的需求，本质上都是三件事：

1. **分段生成** —— 15+14 还是 10+10+9，怎么切
2. **一致性接力** —— 尾帧接首帧 + 参考图 + 参考音频，怎么让人物跨段不变脸
3. **拼接** —— 音频交叉淡化，时长锁死到小数点后三位

这个库把这三件事写成了标准流程，外加 5 个已验证的分镜提示词模板。

---

## MiniMax H3 能做什么

2026 年 7 月 31 日发布。原生 2K / 24fps，**4–15 秒任意整数时长**，
音画同一次生成——环境声、动作音效、对白都落在你指定的那一拍上，
不是后期贴的音轨。

**全能参考**单次最多吃 9 张图 + 3 段视频 + 3 段音频，
用来锁角色的脸、服装、产品外观、运镜节奏和音色。

**最重要的能力跃迁：一条 prompt 里可以写多个分镜，H3 会自己切。**
2.x 是单镜头模型，H3 不是。本库的实测是：15 秒一条 prompt 塞进 11 个镜头，
包括结尾的英文标题卡，H3 完整还原。

---

## 仓库结构

| 路径 | 内容 |
|---|---|
| `SKILL.md` | Agent Skill 入口。丢给 Claude / Cursor 等支持 Skill 的客户端直接用 |
| `prompts/` | 5 条提示词模板，含 15 秒版与 29 秒分段版 |
| `references/h3-api.md` | API 速查：四种调用模式、限制、Context-IR、2K 再生成 |
| `references/prompt-grammar.md` | 提示词语法：四块结构、运镜标记表、音频指令写法 |
| `references/stitching.md` | 分段策略、一致性接力、ffmpeg 拼接 |
| `scripts/` | 尾帧导出、音轨抽取、一键拼接锁时长 |
| `assets/previews/` | 成片预览图 |

---

## 提示词库

### 1. FINAL BET —— 红黑白平面矢量动画

![FINAL BET](assets/previews/01-final-bet.webp)

正红 / 纯黑 / 纯白三色限定，日式角色 + 瑞士平面设计构图，网点半调质感。
15 秒里 11 个镜头，结尾自带 `FINAL BET · PLAY YOUR FATE` 标题卡。

**已验证** · 15s · 1344×768 · 文生视频 · [完整提示词 →](prompts/01-final-bet.md)

---

### 2. 第一人称手持超英 vlog

![Hero vlog](assets/previews/02-hero-vlog.webp)

技术核心是「手机自拍取景框 UI + 电影级动态范围 + 日落逆光」这套组合。
前半段伪 UGC 自拍，后半段取景框消失转客观镜头，落差就是钩子。

**已验证** · 15s · 1344×768 · 文生视频 · [完整提示词 →](prompts/02-hero-vlog.md)

---

### 3. NIGHT —— 美式硬派漫画 motion comic

![NIGHT](assets/previews/03-night-comic.webp)

核心手法是「版面即画面」：报纸拼贴、侦查板、六格分屏动作页，
平面排版语言直接当镜头用。午夜蓝 + 铬黄 + 警灯红。

**已验证** · 15s · 1344×768 · 文生视频 · [完整提示词 →](prompts/03-night-comic.md)

---

### 4. 史诗骑队开场 —— 长镜纵深

贴地低机位**固定镜头**，纵深压迫感全靠骑队由远及近产生。
很多人做史诗开场会本能地加推轨，反而把张力做没了。

待验证 · 29s（15+14）· [完整提示词 →](prompts/04-cavalry-opening.md)

---

### 5. 单镜头对白特写

越肩构图，零切点。考的不是运镜，是口型、微表情和眼神移动。
分段时接缝必须落在换气或转开视线的瞬间。

待验证 · 29s（15+14）· [完整提示词 →](prompts/05-single-take-dialogue.md)

---

## 怎么用

### 作为 Skill

支持 Agent Skill 的客户端，把整个仓库放进 skills 目录即可：

```bash
git clone https://github.com/LIUFelix2004/God-minmax-H3.git ~/.claude/skills/minimax-h3-video
```

之后提到「海螺」「H3 生成视频」「帮我做个 29 秒的片子」就会自动触发。

### 作为提示词库

直接翻 `prompts/`，复制 prompt 到海螺 App 或 Open Platform。
建议 **768P 试错 → 满意后走再生成接口出 2K**，省钱。

### 拼 29 秒成片

```bash
./scripts/extract_last_frame.sh segA.mp4          # 导出尾帧作下段 first_frame
./scripts/extract_audio.sh segA.mp4               # 抽音轨作下段 reference_audio
./scripts/stitch.sh 29 final.mp4 segA.mp4 segB.mp4  # 拼接 + 淡化 + 锁死 29.000s
```

---

## H3 提示词怎么写

从这几条片子的反复试错里总结的：

1. **风格锚点放最前面，每一段原样重写一遍。**模型跨段没有记忆，
   写「同上」等于没写。
2. **不写运镜就是固定机位死镜头。**每个分镜后面挂 `[推进]` `[横移]` `[跟随]`。
3. **配色要说死具体颜色。**「正红、纯黑、纯白三色，无渐变」比
   「高对比配色」有效十倍。
4. **音频要写三层**：环境底噪 + 动作音效 + 人声/配乐，并说明落在哪一拍。
   用音效标记剪辑点比形容节奏有用。
5. **一条 prompt 塞 8–12 个镜头是甜区。**超过就开始丢镜头，该分段了。
6. **参考素材管「是谁」，prompt 管「发生什么」。**别用文字描述脸，描述不住。
7. **一定要写负面约束。**多余肢体、变形面部、画面外文字、不必要的抖动。
8. **画面文字能少则少。**两个单词以内的英文标题卡成功率尚可，
   长文案一律后期加。

完整版见 [`references/prompt-grammar.md`](references/prompt-grammar.md)。

---

## 关于版权

本库只收录**自创设定**的提示词，不收录指向具体商业 IP 角色的提示词。

逆向拆解参考片时，真正值钱的是**画面语言**——配色方案、运镜逻辑、
剪辑节奏、构图法、材质质感。人物换成自己的设定，这套语言照样成立，
而且能拿去商用。

需要注意的是：有些角色特征组合在模型训练分布里高度指向某个知名 IP，
即使你写的是自创设定也会被画成那个样子。对策是主动加差异化特征并在
负面约束里排除，具体案例见 [`prompts/03-night-comic.md`](prompts/03-night-comic.md)。

---

## 参考

- [MiniMax 开放平台 · 视频生成文档](https://platform.minimaxi.com/docs/guides/video-generation)
- [awesome-minimax-h3-prompts](https://github.com/xianyu110/awesome-minimax-h3-prompts) —— 更大的社区提示词合集

## 贡献

跑通了新的模板，欢迎提 PR。请附上：完整 prompt、API 参数、成片预览图、
以及**失败过的地方**——坑比成功案例有用。

## 协议

[MIT](LICENSE)
````

## File: scripts/extract_audio.sh
size: 347
sha: a600caf19677741b534bba7ef04992438e4e025e
upstream: https://github.com/liufelix2004/god-minmax-h3/blob/HEAD/scripts/extract_audio.sh

```text
#!/usr/bin/env bash
# 抽出音轨，用作下一段生成的 reference_audio（对白片必做）
# 用法: ./extract_audio.sh segA.mp4 segA_audio.mp3
set -euo pipefail
IN="${1:?用法: $0 <输入视频> [输出音频]}"
OUT="${2:-${IN%.*}_audio.mp3}"
ffmpeg -v error -i "$IN" -vn -acodec libmp3lame -q:a 2 "$OUT" -y
echo "已导出音轨: $OUT"
```

## File: scripts/extract_last_frame.sh
size: 338
sha: 99c147bf7f52bd258f8b38602d29fb7dae510a56
upstream: https://github.com/liufelix2004/god-minmax-h3/blob/HEAD/scripts/extract_last_frame.sh

```text
#!/usr/bin/env bash
# 导出视频最后一帧，用作下一段生成的 first_frame
# 用法: ./extract_last_frame.sh segA.mp4 segA_last.jpg
set -euo pipefail
IN="${1:?用法: $0 <输入视频> [输出图片]}"
OUT="${2:-${IN%.*}_last.jpg}"
ffmpeg -v error -sseof -0.1 -i "$IN" -frames:v 1 -q:v 1 "$OUT" -y
echo "已导出尾帧: $OUT"
```

## File: scripts/stitch.sh
size: 1978
sha: d9331778bfbfca6c42b6fb47b06b7050dc6a0545
upstream: https://github.com/liufelix2004/god-minmax-h3/blob/HEAD/scripts/stitch.sh

```text
#!/usr/bin/env bash
# 拼接多段 H3 片段，做音频交叉淡化，并锁死目标时长
# 用法: ./stitch.sh <目标秒数> <输出文件> <片段1> <片段2> [片段3 ...]
# 例:   ./stitch.sh 29 final.mp4 segA.mp4 segB.mp4
set -euo pipefail

TARGET="${1:?用法: $0 <目标秒数> <输出> <片段...>}"
OUT="${2:?用法: $0 <目标秒数> <输出> <片段...>}"
shift 2
SEGS=("$@")
N=${#SEGS[@]}
[ "$N" -ge 2 ] || { echo "至少需要两个片段"; exit 1; }

INPUTS=(); MAPS=""
for f in "${SEGS[@]}"; do
  [ -f "$f" ] || { echo "找不到文件: $f"; exit 1; }
  INPUTS+=(-i "$f")
done
for ((i=0; i<N; i++)); do MAPS+="[${i}:v][${i}:a]"; done

FADE_OUT=$(awk -v t="$TARGET" 'BEGIN{printf "%.2f", t-0.2}')
TMP="$(mktemp -u).mp4"

echo "→ 拼接 $N 段并做交叉淡化..."
ffmpeg -v error "${INPUTS[@]}" -filter_complex \
  "${MAPS}concat=n=${N}:v=1:a=1[v][a];[a]afade=t=in:st=0:d=0.2,afade=t=out:st=${FADE_OUT}:d=0.2[ao]" \
  -map "[v]" -map "[ao]" -c:v libx264 -crf 16 -preset slow -pix_fmt yuv420p \
  -c:a aac -b:a 192k "$TMP" -y

DUR=$(ffprobe -v error -show_entries format=duration -of csv=p=0 "$TMP")
DIFF=$(awk -v d="$DUR" -v t="$TARGET" 'BEGIN{printf "%.3f", t-d}')
echo "→ 拼接后 ${DUR}s，目标 ${TARGET}s，差 ${DIFF}s"

if awk -v x="$DIFF" 'BEGIN{exit !(x < -0.01)}'; then
  echo "→ 超长，裁切到 ${TARGET}s"
  # 必须重编码：-c copy 只能在关键帧上切，时长会差出零点几秒
  ffmpeg -v error -i "$TMP" -t "$TARGET" -c:v libx264 -crf 16 -pix_fmt yuv420p \
    -c:a aac -b:a 192k "$OUT" -y
elif awk -v x="$DIFF" 'BEGIN{exit !(x > 0.01)}'; then
  echo "→ 不足，用尾帧补 ${DIFF}s 静帧"
  ffmpeg -v error -i "$TMP" -vf "tpad=stop_mode=clone:stop_duration=${DIFF}" \
    -af "apad=pad_dur=${DIFF}" -c:v libx264 -crf 16 -pix_fmt yuv420p -c:a aac -b:a 192k "$OUT" -y
else
  mv "$TMP" "$OUT"
fi

rm -f "$TMP"
FINAL=$(ffprobe -v error -show_entries format=duration -of csv=p=0 "$OUT")
echo "完成: $OUT  (${FINAL}s)"
```

## File: references/h3-api.md
size: 5044
sha: 3601c0e616b556bb7a7375365e6cef04f9d4e03f
upstream: https://github.com/liufelix2004/god-minmax-h3/blob/HEAD/references/h3-api.md

````text
# MiniMax H3 API 速查

官方文档：https://platform.minimaxi.com/docs/guides/video-generation

## 两个模型

| | MiniMax-H3 | MiniMax-H3-Max |
|---|---|---|
| 定位 | 全模态，支持全能参考与视频编辑 | 与 fal.ai 联合出品，为速度优化 |
| 分辨率 | 768P / 2K | 480P / 768P |
| 时长 | 4–15 秒（整数） | 5–15 秒（整数） |
| 生成方式 | 文生 / 图生 / 首尾帧 / 全能参考 | 文生 / 图生 |

## 输入限制

- **首/尾帧**：图片 0/1/2 张；宽高 [256, 5760]；宽高比 5:2 ～ 2:5
- **全能参考**：图 ≤9 张；视频 ≤3 段（单段 2–15s，总 ≤15s）；音频 ≤3 段（单段 2–15s，总 ≤15s）；混合总计 ≤12 个文件
- **格式**：视频 H.264/H.265，内嵌音频 AAC/MP3；图片 JPG/PNG/WEBP/HEIC/HEIF；音频 WAV/MP3
- **大小**：视频单个 50MB，图片单个 30MB，音频单个 15MB；请求体 64MB（**推荐用 URL 传素材**）
- **提示词**：≤7000 字符

## 四种调用模式

异步三步：创建任务拿 `task_id` → 轮询状态 → 下载 `content.url`。

```python
import os, time, requests

api_key = os.environ["MINIMAX_API_KEY"]
headers = {"Authorization": f"Bearer {api_key}"}
BASE_URL = "https://api.minimaxi.com"
MODEL = "MiniMax-H3"

# 模式一：文生视频（ratio 必填，不能是 adaptive）
def text_to_video(prompt: str, duration: int = 15) -> str:
    payload = {
        "model": MODEL,
        "content": [{"type": "text", "text": prompt}],
        "duration": duration,
        "resolution": "2K",
        "ratio": "16:9",
    }
    r = requests.post(f"{BASE_URL}/v2/video_generation", headers=headers, json=payload)
    r.raise_for_status()
    return r.json()["task_id"]

# 模式二：首帧图 + 文本（宽高比由图片决定，ratio 恒为 adaptive）
def image_to_video(prompt: str, first_frame_url: str, duration: int = 15) -> str:
    payload = {
        "model": MODEL,
        "content": [
            {"type": "text", "text": prompt},
            {"type": "image_url", "image_url": {"url": first_frame_url}, "role": "first_frame"},
        ],
        "duration": duration,
        "resolution": "2K",
    }
    r = requests.post(f"{BASE_URL}/v2/video_generation", headers=headers, json=payload)
    r.raise_for_status()
    return r.json()["task_id"]

# 模式三：首帧 + 尾帧
def start_end_to_video(prompt: str, first_url: str, last_url: str, duration: int = 15) -> str:
    payload = {
        "model": MODEL,
        "content": [
            {"type": "text", "text": prompt},
            {"type": "image_url", "image_url": {"url": first_url}, "role": "first_frame"},
            {"type": "image_url", "image_url": {"url": last_url}, "role": "last_frame"},
        ],
        "duration": duration,
        "resolution": "2K",
    }
    r = requests.post(f"{BASE_URL}/v2/video_generation", headers=headers, json=payload)
    r.raise_for_status()
    return r.json()["task_id"]

# 模式四：全能参考（图 / 视频 / 音频可组合）
def reference_to_video(prompt: str, image_urls=(), video_urls=(), audio_urls=(), duration: int = 15) -> str:
    content = [{"type": "text", "text": prompt}]
    for u in image_urls:
        content.append({"type": "image_url", "image_url": {"url": u}, "role": "reference_image"})
    for u in video_urls:
        content.append({"type": "video_url", "video_url": {"url": u}, "role": "reference_video"})
    for u in audio_urls:
        content.append({"type": "audio_url", "audio_url": {"url": u}, "role": "reference_audio"})
    payload = {"model": MODEL, "content": content, "duration": duration, "resolution": "2K"}
    r = requests.post(f"{BASE_URL}/v2/video_generation", headers=headers, json=payload)
    r.raise_for_status()
    return r.json()["task_id"]

# 轮询（建议间隔 10 秒）
def wait(task_id: str) -> str:
    while True:
        time.sleep(10)
        r = requests.get(f"{BASE_URL}/v2/query/video_generation/{task_id}", headers=headers)
        r.raise_for_status()
        task = r.json()["task"]
        if task["status"] == "succeeded":
            return task["content"]["url"]
        if task["status"] in ("failed", "cancelled"):
            raise RuntimeError(f"{task['status']}: {task.get('error')}")

def download(url: str, path: str):
    with open(path, "wb") as f:
        f.write(requests.get(url).content)
```

## 两个容易漏掉的接口

**H3-Context-IR** — 只返回增强后的提示词，不生成视频。把你的草稿丢进去，
它会理解多模态上下文、补齐语义细节再吐回来。写长 prompt 时值得先过一道。
任务类型 `task_type=h3_context_ir`，结果在 `content.prompt`。

**视频再生成** — 已有符合 768P 规格的成片，可以调再生成接口输出 2K。
请求时要**原样提交生成 768P 时的全部 `content`**，额外且仅额外加入一个
`type=video_url`、`role=base_video` 的源视频项。任务类型 `task_type=regeneration`。

工作流建议：**768P 试错 → 满意后再生成 2K**，省钱。
````

## File: references/prompt-grammar.md
size: 3682
sha: a0ec013b947c994a7e2b4430d86d8710088e2522
upstream: https://github.com/liufelix2004/god-minmax-h3/blob/HEAD/references/prompt-grammar.md

````text
# H3 提示词语法

## 四块结构

顺序不要变。模型对开头的权重最高，风格锚点放最前面。

```
[风格锚点]   画质 + 画幅 + 配色 + 材质 + 光线，一句话定死整体观感
[分镜序列]   镜头1 → 镜头2 → 镜头3……每个镜头后挂 [运镜] 标记
[音频指令]   环境声 + 动作音效 + 对白/配乐，说明落在哪一拍
[负面约束]   明确不要出现的东西
```

### 风格锚点写什么

至少覆盖这五项，缺一项模型就自己发挥：

- **画质门类**：电影质感真人实拍 / 平面矢量动画 / 美式硬派漫画 / 3D 渲染
- **画幅**：16:9 / 2.35:1 宽银幕 / 竖屏 9:16
- **配色**：说死具体颜色，「正红、纯黑、纯白三色，无渐变」比「高对比配色」有效十倍
- **材质**：35mm 胶片颗粒 / 网点半调 / 粗黑描边 / 浅景深散景
- **光线**：日落逆光 / 暖光室内 / 顶光硬阴影

**每一段生成都要把这一整块原样重写。**跨段不要写「同上」「保持前一段风格」，
模型看不到前一段。

### 分镜序列写什么

一个镜头一句话，结构是「主体 + 动作 + 环境 + `[运镜]`」。

常用运镜标记：

| 标记 | 效果 |
|---|---|
| `[固定镜头]` | 三脚架不动 |
| `[缓慢推进]` / `[快速推进]` | dolly in |
| `[拉远]` | dolly out，收尾常用 |
| `[横移]` / `[左移]` / `[右移]` | 平移 |
| `[上摇]` / `[下摇]` | tilt |
| `[跟随]` / `[垂直跟拍]` | 跟拍主体 |
| `[手持轻微晃动]` | 纪实感、vlog 感 |
| `[环绕]` | 绕主体转 |
| `[俯拍]` / `[低机位]` | 机位高度 |
| `[逐格硬切]` / `[快速硬切]` | 快闪蒙太奇 |

**不写运镜 = 固定机位死镜头。**这是最常见的翻车原因。

### 音频指令写什么

H3 的音频和画面同一次生成，写清楚三层：

1. **环境底噪** — 风声、雨声、室内安静、街道车流
2. **动作音效** — 脚步、玻璃碎裂、切牌声、马蹄由远及近
3. **人声 / 配乐** — 对白直接写台词；配乐写调性和进出点

例：「风声很大，麦克风被风吹的破音，男声自言自语，远处车流。」

技巧：**用音效标记剪辑点。**「最后一记重音后骤停」比「节奏感强」有用得多。

### 负面约束写什么

高质量 prompt 几乎都以负面约束收尾：

```
不要出现：多余的手指与肢体、变形的面部、画面外的文字与水印、
不必要的镜头抖动、与描述不符的现代物件。
```

## 长 prompt 的分镜表写法

超过 8 秒的片子，用时间码写成场记单，模型的时间分配会准很多：

```
0-4s   —— 主体动作 A，[运镜]，音频：X
4-9s   —— 主体动作 B，[运镜]，音频：Y
9-15s  —— 主体动作 C，[运镜]，音频：Z
```

## 一条 prompt 内塞多少分镜

实测：**15 秒一条 prompt 里塞 8–12 个镜头，H3 能完整还原**，包括结尾的
标题卡文字。这是 H3 相对 2.x 最大的能力跃迁——2.x 是单镜头模型，H3 会自己切。

超过 12 个镜头开始丢镜头，此时应该分段生成。

## 参考素材的分工

一句话：**参考素材负责「是谁、长什么样、什么声音」，prompt 负责「发生什么」。**

| 角色 | 作用 | 数量 |
|---|---|---|
| `first_frame` / `last_frame` | 锁死起止画面，段间接力用 | 各 1 张 |
| `reference_image` | 角色脸、服装、产品外观、UI 样式 | ≤9 |
| `reference_video` | 运镜方式、剪辑节奏、动作 | ≤3 |
| `reference_audio` | 音色、配乐调性 | ≤3 |

不要在 prompt 里花大段文字描述脸——描述不住，传图才行。
````

## File: references/stitching.md
size: 2973
sha: 3699421f5429b16ff01a4a7dc37d26621e719f11
upstream: https://github.com/liufelix2004/god-minmax-h3/blob/HEAD/references/stitching.md

````text
# 分段生成与拼接

## 为什么必须分段

H3 单次上限 15 秒。任何超过 15 秒的成片都是拼的，没有别的路径。

## 时长切法

| 目标 | 切法 | 适合 |
|---|---|---|
| 20s | 10+10 | 双拍叙事 |
| 29s | 15+14 | 长镜头、对白、慢节奏 |
| 29s | 10+10+9 | 三幕（起—转—收），最通用 |
| 29s | 6+6+6+6+5 | 快闪蒙太奇、平面动画 |
| 30s | 15+15 | 最省事，接缝只有一个 |

**接缝位置比切法更重要。**放在这些地方：

- 场景切换处（最安全）
- 人物换气、转开视线的瞬间（对白片）
- 一记重音之后（有节奏的片子）

**绝对不要**把接缝放在句子中间、连续运镜的中途、或人物大幅动作的中段。

## 一致性接力三件套

### 1. 尾帧接首帧

```bash
ffmpeg -sseof -0.1 -i segA.mp4 -frames:v 1 -q:v 1 segA_last.jpg
```

把 `segA_last.jpg` 作为 segB 的 `role=first_frame`。

注意：图生视频模式下 `ratio` 恒为 `adaptive`，宽高比由这张图决定，
所以第一段的画幅就定死了全片画幅。

### 2. 角色定妆图

2–3 张同一角色的不同角度，作为 `role=reference_image` 传给**每一段**
（包括第一段）。别只给第二段——第一段自由发挥出来的脸，第二段追不上。

### 3. 参考音频

有人声就必传。把上一段的音轨抽出来：

```bash
ffmpeg -i segA.mp4 -vn -acodec libmp3lame -q:a 2 segA_audio.mp3
```

作为 `role=reference_audio`。不传的话第二段的音色基本会变成另一个人。

## 拼接

### 无损拼接（各段编码参数一致时）

```bash
cat > list.txt <<'EOF'
file 'segA.mp4'
file 'segB.mp4'
EOF

ffmpeg -f concat -safe 0 -i list.txt -c copy out_raw.mp4
```

### 带音频交叉淡化（推荐）

段间硬切音频会有明显的「啪」声。

```bash
ffmpeg -i segA.mp4 -i segB.mp4 -i segC.mp4 -filter_complex \
"[0:v][0:a][1:v][1:a][2:v][2:a]concat=n=3:v=1:a=1[v][a];\
 [a]afade=t=in:st=0:d=0.2,afade=t=out:st=28.8:d=0.2[ao]" \
-map "[v]" -map "[ao]" -c:v libx264 -crf 16 -preset slow -c:a aac -b:a 192k out.mp4
```

### 锁死精确时长

平台（视频号、抖音、小红书）有时对时长卡得很死。

```bash
# 多了就裁
ffmpeg -i out.mp4 -t 29 -c copy final.mp4

# 少了用尾帧补静帧（例：差 0.4s）
ffmpeg -i out.mp4 -vf tpad=stop_mode=clone:stop_duration=0.4 \
       -af apad=pad_dur=0.4 -c:v libx264 -crf 16 final.mp4

# 验收
ffprobe -v error -show_entries format=duration -of csv=p=0 final.mp4
```

29 秒 @ 24fps = 696 帧。

## 生成前的检查清单

- [ ] 上段尾帧已导出，作为本段 `first_frame`
- [ ] 角色定妆图已作为 `reference_image` 传入（图+视频+音频合计 ≤12 个文件）
- [ ] 有对白的话，上段音频已作为 `reference_audio` 传入
- [ ] 风格锚点在本段 prompt 里**原样重写了一遍**
- [ ] 各段 `duration` 相加正好等于目标时长
- [ ] 各段 `resolution` 与 `ratio` 完全一致
````

## File: assets/previews/01-final-bet.webp
size: 68606
sha: 3b77d51ee0ff656a21b15a20b66138375fe524f9
upstream: https://github.com/liufelix2004/god-minmax-h3/blob/HEAD/assets/previews/01-final-bet.webp

Content is not inlined in the catalog. Read the upstream file: https://github.com/liufelix2004/god-minmax-h3/blob/HEAD/assets/previews/01-final-bet.webp

## File: assets/previews/02-hero-vlog.webp
size: 87894
sha: c32dc6202e12aacd11f37f3a5f09d4372bfcb371
upstream: https://github.com/liufelix2004/god-minmax-h3/blob/HEAD/assets/previews/02-hero-vlog.webp

Content is not inlined in the catalog. Read the upstream file: https://github.com/liufelix2004/god-minmax-h3/blob/HEAD/assets/previews/02-hero-vlog.webp

## File: assets/previews/03-night-comic.webp
size: 112576
sha: b1c9a2903d8fbcaec26373bd466145bd5be547f9
upstream: https://github.com/liufelix2004/god-minmax-h3/blob/HEAD/assets/previews/03-night-comic.webp

Content is not inlined in the catalog. Read the upstream file: https://github.com/liufelix2004/god-minmax-h3/blob/HEAD/assets/previews/03-night-comic.webp

## File: LICENSE
size: 1069
sha: 143f038ce823790306ae1a104bd1bf3d7a8f927c
upstream: https://github.com/liufelix2004/god-minmax-h3/blob/HEAD/LICENSE

```text
MIT License

Copyright (c) 2026 LIUFelix2004

Permission is hereby granted, free of charge, to any person obtaining a copy
of this software and associated documentation files (the "Software"), to deal
in the Software without restriction, including without limitation the rights
to use, copy, modify, merge, publish, distribute, sublicense, and/or sell
copies of the Software, and to permit persons to whom the Software is
furnished to do so, subject to the following conditions:

The above copyright notice and this permission notice shall be included in all
copies or substantial portions of the Software.

THE SOFTWARE IS PROVIDED "AS IS", WITHOUT WARRANTY OF ANY KIND, EXPRESS OR
IMPLIED, INCLUDING BUT NOT LIMITED TO THE WARRANTIES OF MERCHANTABILITY,
FITNESS FOR A PARTICULAR PURPOSE AND NONINFRINGEMENT. IN NO EVENT SHALL THE
AUTHORS OR COPYRIGHT HOLDERS BE LIABLE FOR ANY CLAIM, DAMAGES OR OTHER
LIABILITY, WHETHER IN AN ACTION OF CONTRACT, TORT OR OTHERWISE, ARISING FROM,
OUT OF OR IN CONNECTION WITH THE SOFTWARE OR THE USE OR OTHER DEALINGS IN THE
SOFTWARE.
```

## File: prompts/01-final-bet.md
size: 4133
sha: 5ceac71341db71fd472205bd50b7ea145c4f4157
upstream: https://github.com/liufelix2004/god-minmax-h3/blob/HEAD/prompts/01-final-bet.md

````text
# 01 · FINAL BET —— 红黑白平面矢量动画 / 赌局

![预览](../assets/previews/01-final-bet.webp)

| | |
|---|---|
| 类型 | 平面矢量动画 · 日式角色 · 品牌片 |
| 验证状态 | **已验证**，15s / 1344×768 / 24fps / 单次生成 |
| 生成方式 | 文生视频 |
| 适用 | 游戏/App 概念片、赛事宣传、开场 title sequence |

## 成片观察

一条 15 秒 prompt 里塞了 11 个镜头，H3 全部还原，**包括结尾的 `FINAL BET`
标题卡文字**——这是最意外的一点，通常 AI 视频的画面文字都是乱码，
但在纯平面设计语境下、且文字是短英文单词时，H3 的成功率明显更高。

配色约束「只有正红、纯黑、纯白三色，无渐变」是整条 prompt 里最关键的一句。
去掉它，模型会自动补中间灰调，整个平面感就没了。

## 15 秒版本（单次生成，推荐先跑这个）

```
平面矢量动画风格，只有正红、纯黑、纯白三色，无渐变无中间色，粗黑轮廓线加网点半调质感，
日式动画角色造型结合瑞士平面设计构图，画面常被斜线切割成不规则色块。主题是一场赌上性命的赌局。

0-3s   黑色高跟靴踩过红色赌桌桌面，一条白色斜线把画面切成两块 [下摇]；
       切到白发红挑染的女子背对镜头，站在白底线稿管道城市中 [缓慢推进]。
3-6s   女子眼睛的横条特写占满画面中央，上下是纯黑色块 [固定镜头]；
       切到黑手套间红色扑克牌快速翻飞的切牌特写 [特写跟随]；
       切到红黑城市天际线剪影，白色天空一弯月 [固定镜头]。
6-9s   戴宽檐礼帽、白脸黑眼罩的男性反派正脸大特写，青色十字准星线扫过他的脸 [轻微推进]；
       切到俯视轮盘，白色圆心与黑色齿状边缘旋转 [俯拍旋转]；
       切到红白棋盘格背景前，白发女子坐在赌桌后指尖压着筹码 [缓慢拉远]。
9-12s  快闪蒙太奇，每个画面停留不超过 0.4 秒：瞳孔大特写内映出红色方块、
       白色赌场人群剪影、飞出的扑克牌、举牌的手、礼帽男按下筹码、斜切分屏对峙 [快速硬切]。
12-15s 全部人物剪影在红色背景中定格，白色扑克牌从画面上方缓缓落下 [固定镜头]；
       牌落地瞬间画面转全黑，白色粗体大字 FINAL BET 分两行浮现，
       红色方块符号嵌在字中间，下方细体小字 PLAY YOUR FATE [固定镜头]。

音频：低频心跳开场，筹码相撞的清脆声、切牌声、轮盘滚珠声依次进入，
鼓点在 9 秒后加密到最密，12 秒处全部音效骤停，只留一声低沉贝斯，然后静音。

不要出现：渐变色、中间灰调、多余的手指、变形面部、除 FINAL BET 与
PLAY YOUR FATE 之外的任何文字。
```

## 29 秒版本（5 段 · 6+6+6+6+5）

节奏更松，快闪段可以铺得更满。把上面的 5 个时间块各自扩写成一段独立 prompt，
每段开头**原样重复风格锚点那一整句**，然后：

| 段 | 时长 | 内容 |
|---|---|---|
| A | 6 | 高跟靴踩桌 + 线稿城市登场 |
| B | 6 | 眼睛特写 + 切牌 + 城市剪影 |
| C | 6 | 反派正脸 + 轮盘 + 荷官落座 |
| D | 6 | 快闪蒙太奇（加入 `FINAL ROUND` / `RISK / REWARD` 红底白字标签条） |
| E | 5 | 定格 + 落牌 + 标题卡 |

接力：A→E 每段尾帧作下段 `first_frame`；A 段成片作 `reference_video` 传给
B–E，锁住线条粗细和配色。

## API 参数

```json
{
  "model": "MiniMax-H3",
  "content": [{"type": "text", "text": "<上面的 prompt>"}],
  "duration": 15,
  "resolution": "2K",
  "ratio": "16:9"
}
```

## 已知坑

- 「青色十字准星」是整条 prompt 里唯一的第四种颜色，模型偶尔会把它铺开
  影响全局配色。想稳一点就删掉，改成白色准星。
- 快闪段如果写「每个画面停留不超过 0.2 秒」，模型会理解成运动模糊而不是硬切。
  0.4 秒是实测比较稳的下限。
- 标题卡文字超过两个单词后乱码率显著上升。长标题建议后期加。
````

## File: prompts/02-hero-vlog.md
size: 3856
sha: d8aa2d119de5472a3426c348cb4b9a9cc08b8a33
upstream: https://github.com/liufelix2004/god-minmax-h3/blob/HEAD/prompts/02-hero-vlog.md

````text
# 02 · 第一人称手持超英 vlog —— 电影质感

![预览](../assets/previews/02-hero-vlog.webp)

| | |
|---|---|
| 类型 | 电影质感真人实拍 · 第一人称 · 伪 UGC |
| 验证状态 | **已验证**，15s / 1344×768 / 24fps / 单次生成 |
| 生成方式 | 文生视频（建议配 `reference_image` 锁角色） |
| 适用 | 短视频钩子、游戏预告、品牌 campaign |

## 成片观察

这条片子的技术核心不是角色，是**「手机自拍取景框 UI + 电影级动态范围 + 日落逆光」
这套组合**。取景框和红色录制点让观众下意识把它读成真实拍摄的素材，
后半段取景框消失转客观镜头，落差感就是钩子。

实测 H3 对「画面左上角有红色录制圆点和圆角取景框 UI」的理解非常准确，
录制点还会自己闪烁。俯冲段的建筑透视变形也处理得比预期好。

角色是自创设定——深色机能战术服 + 橙色描边 + 全覆式反光护目面罩。
这个设定既避开了商业 IP，橙色描边在城市日落场景里的辨识度也够高。

## 15 秒版本（单次生成）

```
电影质感真人实拍，16:9，35mm 胶片颗粒，浅景深，日落逆光，橙金色高光配深蓝阴影，
高动态范围。主角是一名穿深灰与炭黑机能战术服、服装接缝有橙色描边、
戴全覆式反光护目面罩的都市守护者。

0-5s   第一人称自拍视角：他一只手臂伸出握着手机，脸占画面中央偏右，
       背后是高楼林立的城市与橙金色夕阳，天台碎石地面在下方 [手持轻微晃动]。
       画面左上角有闪烁的红色录制圆点和圆角取景框 UI。他对着镜头说话，
       然后转头看向远方。
5-10s  他把手机翻转向下，镜头随之俯拍脚下几百米的街道，随后他纵身跃出天台，
       镜头跟着一起坠落，两侧高楼向上飞速掠过，透视剧烈变形 [垂直跟拍下坠]。
10-15s 下坠中他侧头看向远处，一栋写字楼在城市另一端爆炸，橙红火球与黑烟腾起，
       火光映在他的护目面罩上 [手持跟随]；最后画面稳住，
       他半跪在另一栋楼的天台边缘，背对镜头看着远处的火光 [缓慢拉远]。

音频：风声极大，麦克风被风吹到破音，男声自言自语，远处车流；
5 秒后风噪骤然加剧，急促呼吸；10 秒处爆炸低频冲击波，随后警笛由远及近。

不要出现：多余肢体、变形的手、画面内的字幕文字、任何品牌标识。
```

## 29 秒版本（3 段 · 10+10+9）

| 段 | 时长 | 内容 | 接力 |
|---|---|---|---|
| A | 10 | 天台自拍 + 城市日落 + 转头看远方 | 尾帧 → B |
| B | 10 | 爆炸 + 天台奔跑 + 跃下 + 贴着着火幕墙俯冲 | 尾帧 → C |
| C | 9 | 火场匍匐 + 消防车救援现场 + 夜晚天台独坐拉远 | — |

三段共用同一组 `reference_image`（角色定妆图 3 张：正面、侧面、面罩特写）。
风格锚点那一整段在每段开头原样重写。

## API 参数

```json
{
  "model": "MiniMax-H3",
  "content": [
    {"type": "text", "text": "<prompt>"},
    {"type": "image_url", "image_url": {"url": "<角色定妆图1>"}, "role": "reference_image"},
    {"type": "image_url", "image_url": {"url": "<角色定妆图2>"}, "role": "reference_image"}
  ],
  "duration": 15,
  "resolution": "2K"
}
```

## 已知坑

- 不写「橙色描边」这类具体差异化特征，模型很容易滑向某个知名红蓝配色的
  商业 IP 角色。差异化特征要具体到颜色和位置。
- 「取景框 UI」在后半段应该消失，但模型有时会全程保留。想要落差感的话，
  在负面约束里补一句「10 秒后不再出现任何 UI 元素」。
- 俯冲镜头时长超过 6 秒，建筑会开始出现结构崩坏。控制在 5 秒内。
````

## File: prompts/03-night-comic.md
size: 3957
sha: 5f3d1b1fd5fafec78d2c8cc2837359badaed7957
upstream: https://github.com/liufelix2004/god-minmax-h3/blob/HEAD/prompts/03-night-comic.md

````text
# 03 · NIGHT —— 美式硬派漫画 motion comic

![预览](../assets/previews/03-night-comic.webp)

| | |
|---|---|
| 类型 | 有限帧动画 · 漫画分镜 · 悬疑犯罪 |
| 验证状态 | **已验证**，15s / 1344×768 / 24fps / 单次生成 |
| 生成方式 | 文生视频 |
| 适用 | 有声漫画、剧集片头、悬疑内容开场 |

## 成片观察

核心手法是**「版面即画面」**：报纸拼贴、侦查板、六格分屏动作页——
这些本来是平面排版语言，被直接当成镜头用。这是它跟普通动画最大的区别，
也是最好复现的部分，因为每一个「版面」都是静态构图 + 轻微运镜就能成立。

配色定死午夜蓝 + 纯黑 + 铬黄 + 警灯红四色。25fps 的滞涩感在 H3 上不能直接
指定帧率，只能靠「有限帧动画质感」这句描述去逼近，实际输出仍是 24fps 平滑动画，
**要真正的滞涩感需要后期抽帧**（见下方）。

## 15 秒版本（单次生成）

```
美式硬派漫画分镜风格，午夜蓝、纯黑、铬黄、警灯红四色为主，粗黑描边加网点阴影，
有限帧动画的滞涩质感，画面常被不规则斜线切割成漫画格。主题是一座犯罪之城的午夜。

0-3s   一整版黑白报纸拼贴铺满桌面，头条大字 CRIME WAVE 与 CITY ON ALERT，
       红色印章戳在其上 [俯拍缓慢推进]。
3-6s   画面被两条不规则斜线切成三格，格中是一名深蓝斗篷、铬黄描边、
       面罩只露白色眼缝的夜行者，站在楼顶剪影中，斗篷被风掀起 [格与格依次点亮]。
6-9s   侦查板特写：城市地图上贴满照片、指纹卡与时间戳标签，红色毛线连成一张网 [横移扫过]；
       切到黑场中一部手机悬浮，四道红色射线交叉击中屏幕 [固定镜头]。
9-12s  街道爆炸，漫画式黄白放射状爆炸线，两辆警车被掀起，
       夜行者剪影站在爆炸正中 [固定镜头轻微震动]；
       切到空荡的午夜街道，一道极长的斗篷投影斜切整个画面 [缓慢下摇]。
12-15s 六格动作分屏，每格约 0.5 秒依次亮起：白色眼缝特写、持枪剪影、警车、
       地铁车厢、大桥、腾空的车 [逐格硬切]；
       最后转午夜蓝底，白色粗体大字 NIGHT 从左侧推入，
       右侧是夜行者屈膝着地的剪影 [固定镜头]。

音频：翻纸声与打字机声开场，低沉大提琴；6 秒后加入电流杂音与警笛；
9 秒爆炸闷响；12 秒起鼓点渐强，最后一记重音后骤停。

不要出现：写实照片质感、渐变柔光、多余肢体、除 CRIME WAVE / CITY ON ALERT /
NIGHT 之外的可读文字。
```

## 做出真正的有限帧滞涩感

H3 只输出 24fps 平滑动画。要漫画特有的顿挫，生成后抽帧到 12fps 再补回 24：

```bash
ffmpeg -i out.mp4 -vf "fps=12,fps=24" -c:a copy out_choppy.mp4
```

## 29 秒版本（3 段 · 10+10+9）

| 段 | 时长 | 内容 |
|---|---|---|
| A | 10 | 报纸拼贴 + 斜切三格夜行者登场 |
| B | 10 | 侦查板 + 手机被击中 + 监控墙背影 + 街道爆炸 |
| C | 9 | 长投影空街 + 反派举杯 + 六格动作页 + NIGHT 标题卡 |

反派设定：穿酒红西装、面色苍白、梳背头的男人，坐在沙发上举杯，
背后一圈黑色剪影随从。

## 已知坑

- **反派设定容易踩雷。**「面色苍白 + 梳背头 + 酒红西装 + 咧嘴笑」这组特征
  在训练分布里高度指向某个知名商业 IP 反派，实测确实会画成那个样子。
  要避开就得主动加差异特征（换发色、去掉夸张笑容、改西装颜色），
  并在负面约束里明确排除。
- 「格与格依次点亮」这种排版级指令 H3 理解得不错，但格数超过 6 个会乱。
- 报纸上的正文小字必然是乱码。只保证头条大字可读，负面约束里别去管小字，
  管了反而会让模型把整版文字都放大。
````

## File: prompts/04-cavalry-opening.md
size: 2815
sha: 90dcdcc9d029fe633cd7664d9b6434475c0843b2
upstream: https://github.com/liufelix2004/god-minmax-h3/blob/HEAD/prompts/04-cavalry-opening.md

````text
# 04 · 史诗骑队开场 —— 长镜纵深

| | |
|---|---|
| 类型 | 电影质感真人实拍 · 史诗 · 长镜头 |
| 验证状态 | **待验证**（参考素材不完整，仅凭前 3 秒镜头语言反推） |
| 生成方式 | 文生视频 |
| 适用 | 剧集/游戏开场、古装或西部题材 |

## 镜头语言拆解

参考片开头 3 秒是一个**贴地低机位固定镜头**：前景虚焦的碎石与枯草，
中景一条被踏平的土路，远处台地崖壁下一小队骑手带着扬尘接近。

这套语法的关键是**镜头不动**。纵深压迫感全靠「远处的东西越来越近」产生，
不需要任何运镜。很多人做史诗开场会本能地加推轨，反而把张力做没了。

配色是干燥的土黄—焦褐，天空刻意过曝成米白，浅景深，1.85:1。

## 29 秒版本（2 段 · 15+14）

### 段 A（15s）

```
电影质感真人实拍，1.85:1，干燥的土黄与焦褐色调，天空轻微过曝成米白，
浅景深，35mm 胶片颗粒，自然日光硬阴影。

贴地低机位固定镜头：前景是虚焦的碎石与枯草，中景一条被踏平的土路笔直伸向远方，
远处台地崖壁下一队十余骑扬尘而来。骑队由极远处逐渐逼近，
体积在画面中持续变大，扬尘越来越浓，最后从镜头两侧擦过，
尘土漫过整个画面 [固定低机位，全程不动]。

音频：开场只有风声与远处隐约的马蹄，马蹄声由弱到强逐渐逼近，
最后是密集的蹄声与尘土扑面的低频，无配乐。

不要出现：任何运镜、现代物件、画面文字、多余肢体。
```

### 段 B（14s）

```
（风格锚点原样重复段 A 第一段）

尘土散去，镜头缓缓上摇，露出台地山脊线上停驻列队的骑手剪影，逆光只见轮廓 [缓慢上摇]；
切到队首骑手的中近景，风沙打在他布满尘土的侧脸上，他眯眼望向远方 [缓慢推进]；
他抬手示意，全队随之向前，镜头随缰绳与马鬃的运动横移，
最后停在空荡的地平线与滚滚烟尘上 [横移后固定]。

音频：马具皮革与金属的摩擦、马的鼻息、低沉的弦乐缓缓进入，
结尾只剩风声与渐远的蹄声。

不要出现：现代物件、画面文字、多余肢体、面部变形。
```

接力：段 A 尾帧导出作段 B 的 `first_frame`；队首骑手若要固定长相，
需准备定妆图作 `reference_image` 传给两段。

## 已知坑（预判，未验证）

- 「全程不动」的指令要写死，否则 H3 默认会给一点推进。
- 马匹数量超过 15 匹后腿部结构容易崩。写「十余骑」比写具体数字稳。
- 逆光剪影段落是掩盖细节崩坏的好办法——史诗片的中远景尽量用剪影。

> 参考素材重传后需重新对齐本模板。
````

## File: prompts/05-single-take-dialogue.md
size: 3740
sha: 895727ac891e48f01b4daf09d6bc810044a9ba5b
upstream: https://github.com/liufelix2004/god-minmax-h3/blob/HEAD/prompts/05-single-take-dialogue.md

````text
# 05 · 单镜头对白特写

| | |
|---|---|
| 类型 | 电影质感真人实拍 · 越肩构图 · 长对白 |
| 验证状态 | **待验证** |
| 生成方式 | 图生视频 / 全能参考（必须传 `reference_audio`） |
| 适用 | 短剧、口播、角色演示 |

## 镜头语言拆解

参考片 23.7 秒**零切点**——整条是一个不动的中近景。

构图是标准越肩：说话者面向镜头略偏一侧，画面另一侧前景放一块虚焦的
听者肩背作为遮挡。这块遮挡很重要，它把「对镜头独白」变成了「对另一个人说话」，
观众的代入方式完全不同。

这类片子考的不是运镜，是**口型、微表情、眼神移动**。所以 prompt 里
描述表演比描述画面重要得多。

## 29 秒版本（2 段 · 15+14）

### 段 A（15s）

```
电影质感真人实拍，中近景固定镜头，85mm 浅景深虚化，暖光室内，
柔和的伦勃朗光打在人物脸上，背景散景成柔和光斑。

一名二十出头的女性面向镜头略偏左说话，栗色长卷发，细银耳环，黑色细吊带；
画面右侧前景是一块虚焦的深色男性肩背，形成越肩构图；
背景是暖光木质室内，右后方一盏烛形壁灯化成柔和光斑 [固定镜头]。

表演：她带着一点戏谑的笑意开口发问，眉毛微挑；说到一半停顿、垂眼；
再抬眼直视镜头，笑意收敛了一点。

台词：「所以告诉我……一个这么有魅力、这么聪明、口才这么好的男人，」

音频：室内很安静，只有壁炉的微弱噼啪声；女声柔和、语速偏慢、带气声，
没有配乐。

不要出现：镜头运动、画面文字与字幕、多余肢体、面部变形、口型与台词不同步。
```

### 段 B（14s）

```
（风格锚点原样重复段 A 第一段）

同一女性、同一服装发型、同一机位与光线，画面完全承接上一段。

表演：她说完后短暂沉默，笑意慢慢收起，视线移开又移回，
最后轻轻吸一口气说出最后一句；说完不再开口，只是看着镜头，
眼神从试探转为落寞 [固定镜头，最后 3 秒极缓推进]。

台词：「……怎么会到现在还是一个人呢？」

音频：同样的室内环境声；女声比上一段更低更慢；最后五秒只剩呼吸与环境声。

不要出现：镜头大幅运动、画面文字与字幕、多余肢体、面部变形、
与上一段不一致的发型服装。
```

## 接缝必须放对位置

两段的接缝落在**一句话说完、人物换气或转开视线的瞬间**。
落在句子中间会听出明显的断裂，这是这类片子唯一致命的失败点。

## API 参数（段 B）

```json
{
  "model": "MiniMax-H3",
  "content": [
    {"type": "text", "text": "<段 B prompt>"},
    {"type": "image_url", "image_url": {"url": "<段A尾帧>"}, "role": "first_frame"},
    {"type": "image_url", "image_url": {"url": "<定妆图>"}, "role": "reference_image"},
    {"type": "audio_url", "audio_url": {"url": "<段A音轨>"}, "role": "reference_audio"}
  ],
  "duration": 14,
  "resolution": "2K"
}
```

抽段 A 音轨：

```bash
ffmpeg -i segA.mp4 -vn -acodec libmp3lame -q:a 2 segA_audio.mp3
```

## 已知坑

- **不传 `reference_audio`，第二段音色基本会变成另一个人。**这是对白片最大的坑。
- 台词写在 prompt 里，H3 会同轨生成对白并对口型。台词长度要匹配时长——
  15 秒塞两句以上会被赶着说完，语速失真。
- 字幕不要让模型生成，一律后期加。prompt 里明确写「不出现画面文字与字幕」。
- 「越肩前景的虚焦肩背」如果不写「虚焦」，模型会画出完整的第二个人，
  构图就散了。
````

## File: PUSH.md
size: 1487
sha: fe2806cfcf7bd50e10810aba4530a7c15550eea0
upstream: https://github.com/liufelix2004/god-minmax-h3/blob/HEAD/PUSH.md

````text
# 推送到 GitHub

仓库已经建好，在本地执行下面的命令即可推送到
https://github.com/LIUFelix2004/God-minmax-H3

## 首次推送（仓库是空的）

```bash
cd God-minmax-H3
git init -b main
git add .
git commit -m "feat: MiniMax H3 视频生成技能与提示词库"
git remote add origin https://github.com/LIUFelix2004/God-minmax-H3.git
git push -u origin main
```

## 仓库里已经有东西了

```bash
cd God-minmax-H3
git init -b main
git remote add origin https://github.com/LIUFelix2004/God-minmax-H3.git
git fetch origin
git reset --soft origin/main        # 保留本地文件，接上远端历史
git add .
git commit -m "feat: MiniMax H3 视频生成技能与提示词库"
git push origin main
```

## 推不上去的话

- 提示要输密码 → GitHub 早就不收密码了，去
  Settings → Developer settings → Personal access tokens 生成一个 classic token
  （勾 `repo` 权限），推送时用户名填 GitHub 用户名，密码位置粘 token。
- 用 SSH 更省事：`git remote set-url origin git@github.com:LIUFelix2004/God-minmax-H3.git`
- `main` 推被拒且远端是 `master`：把命令里的 `main` 换成 `master`。

## 推完之后

在仓库页面右上角 About 里补：

- Description：`MiniMax H3（海螺 3.0）视频生成技能与提示词库 —— 把参考片拆成提示词，把提示词拼成成片`
- Topics：`minimax` `hailuo` `minimax-h3` `ai-video` `prompt-engineering` `claude-skill` `text-to-video`
````
