minimax-h3-video-reverse

MiniMax H3 视频反推 Skill

给 AI 一段参考视频，先确认它看懂了什么，再拿到可以复制使用的视频提示词。

把视频中的人物、动作、镜头、叙事和声音交接，整理成 MiniMax H3 文生视频或逐镜图生视频提示词。你可以纠正 AI 的理解，也可以明确要求压缩时长、换主体或改成一镜到底。

由 知识猫 / gnipbao 维护，提供 Agent Skill、使用教程、原创示例和本地校验工具。支持 AUTO · T2VA · I2V · DUAL。

0.6.0 新版能力 · 快速开始 · 使用示例 · 工作原理 · 声音怎么继承 · 文档与示例 · 开源赞助商

开源赞助商

感谢支持本项目的开源赞助商。

0.6.0：把疑点变成看得清的证据

先用全片联系表定位，再根据疑点升级读取尺度：部件、文字和材质看原尺寸帧；动作、遮挡与切镜看密集序列和前后交接。图片要实际返回视觉查看工具，生成路径不算看过。每镜先说清新增了什么可见信息，细节发现再写回整体理解与事实，避免所有片段都被压成“展示产品”。方法来源为已检查的 Hypit 参考观察文档及一次本地成功记录；不依赖其 Runtime，也不据此声称另一视觉模型的普遍优势。

scripts/build_review_sheet.py 读取既有抽帧 manifest，输出带真实时间的分页 PNG 和原图索引，依赖当前环境已有 Pillow。工具不裁切或重绘内容，不自动标为 reviewed。视觉纠错可给用户一张初态—关键变化—截止态源帧图；它用于检查理解，单镜 I2V 仍使用对应原始首帧。完整步骤见 观察流程 和 演练。

0.5.0：从看见效果到保留效果

产品或艺术展示不能只数动作。每镜先辨认当前观察方向及可见表面，再记录操作前后哪些区域露出/被覆盖、开口或轮廓怎样变化，最后检查这些必保项是否进入实际可复制文本。格式、事实引用和 reviewed 声明都无法判断画面细节是否被漏掉；语义复核使用“证据 → 事实 → 最终句”短表，见 事实契约 和 原创教学示例。

“一段完整 I2V”只改变排版，每个真实硬切镜头仍有自己的 Job 与首帧。纯聊天可运行 scripts/validate_prompt.py；多源镜声明与多目标 I2V Shot 会被拦截，正面首帧没有呈现的背面结构需对应参考图。连续改编开关只声明已有明确授权，不能因用户要一段文字就使用它。细节见 输出约定。

快速开始

准备一个支持 SKILL.md、能够实际读取完整视频的 Agent，以及你要反推的参考视频。Skill 本身不包含 H3 模型，不自动生成视频，也不要求 API Key；生成环节在你选择的视频平台完成。

1. 安装到 Codex

mkdir -p "${CODEX_HOME:-$HOME/.codex}/skills"
git clone https://github.com/gnipbao/minimax-h3-video-reverse-skill.git \
  "${CODEX_HOME:-$HOME/.codex}/skills/minimax-h3-video-reverse"

目标目录已存在时，先检查已安装版本，避免覆盖自己的修改。其他支持 SKILL.md 的 Agent 可将整个仓库放到其技能目录，发现方式以宿主文档为准。普通聊天界面可以提供 SKILL.md 及所需参考文档，但仍须具备实际的视频理解能力。

2. 附上视频，发出请求

在能发现该技能的新会话中发送：

$minimax-h3-video-reverse
帮我反推附件视频。先用中文复述内容、动作和叙事逻辑，等我确认。
确认后给我一段完整的英文提示词，保留原片镜头、动作顺序与结尾。
有音轨时默认保留原声，并说明实际继承方式。

3. 确认或纠正，拿到提示词

默认中文沟通、英文 Prompt。“一段就行”只约束最终格式；明确说“不用确认，直接写”可以跳过确认。同一素材与目标确认后，改语言、合并段落或切换交付模式直接复用，不重复询问故事。

选择输出方式

不确定时用 AUTO；只想拿到一段完整提示词，可以直接像上面那样说明。

I2V 默认采用单首帧。只有平台支持首尾帧、且尾帧能帮助约束变化时，才采用首尾帧路线；真实切镜保留在装配中。“一段提示词”只改变排版；I2V 中每个真实硬切镜头仍需独立生成任务与对应首帧。详细交付格式见 输出契约。

使用示例

以下请求都沿用“先理解、再确认、后交付”的流程。你也可以在确认后继续要求“改成中文”“合成一段”或“给图生视频版本”。

$minimax-h3-video-reverse
完整检查附件视频，输出 I2V。保留真实镜头，不压缩时间。
每镜给独立首帧提示词、动态提示词、H3 块和镜间装配说明。
中文解释，英文 Prompt；对白与画面文字保留原语言，未核实的内容不要补写。

$minimax-h3-video-reverse
以附件视频为依据，改编成 10 秒的一镜到底 I2V。
保留主角身份、动作先后与结尾表情，允许用连续收紧景别替代切镜。
说明原片与改编的差异，以及时长变化后原声需要怎样处理。

$minimax-h3-video-reverse
把附件长视频反推后按 30 秒叙事段落组织。
先核实目标 H3 平台的单次时长，超过上限就拆成多个生成任务。
给每个任务的源时间映射，交接人物、道具、动作状态和连续音轨。

工作原理

反推需要回答具体问题：谁先动、碰到了哪里、遮挡之后还在不在、镜头是在移动还是切换、最后的动作有没有完成。本 Skill 先建立这些事实，再把它们写成生成指令。

flowchart LR
  A[参考视频与目标] --> B[完整观看与关键动作复查]
  B --> C[镜头、动作与状态事实]
  C --> D[复述内容与表达]
  D --> E{用户确认}
  E -->|纠正| B
  E -->|确认或明确跳过| F[编写对应模式的提示词]
  F --> G[核对时长、首尾状态与声音交接]

1. 完整看，再补细节。 从全局浏览、真实切镜、连续时间覆盖，到关键动作加密检查，最后倒查首尾与末段。根据具体疑点打开原尺寸帧、邻接序列或前后交接片段，实际查看后再修订理解。
2. 追踪变化。 分开记录人物动作、相机运动、道具持有、接触、遮挡和终态；未知内容不靠常识填满。
3. 确认表达。 剧情核对因果和反转，舞蹈核对动作，艺术展示核对层次与视点变化，操作演示核对步骤与反馈。
4. 从同一组事实写输出。 文生与图生版本共用镜头顺序、事件和结尾；工程化生产包通过事实契约编译，修改后重新复核。

更多规则与反测条件见 历史经验。这些规则不能替代实际观看；脚本也不能判断 AI 是否看懂了画面。

声音怎么继承

有原音轨且没有要求换声时，默认保留原声。 是否存在音轨、是否听清内容、怎样把声音送入成片，是分别核对的三件事。

未核听内容时，不猜歌词、音色、曲风或音效。H3 声音字段中的 N/A 表示未写入声音事实，不表示原片静音。文字 Prompt 本身不携带原始波形，后期铺回原声也不会自动让新画面对准口型。 说唱、对白与舞蹈需要单独核对音画同步；改时长或重排镜头时，也要调整声音方案。

完整流程见 声音继承与交接。

使用边界与验证状态

• 完整视频是依据。 只有截图、缩略图或打不开的链接时，只能分析可见部分，不能补造完整时间线。
• 分段服从平台能力。 “30 秒段落”是编排需求；单次生成时长与首尾帧、音频参考能力，以目标平台实际支持为准。格式见 H3 适配。
• 生成由你接续。 本项目交付提示词与素材交接说明，不自动调用付费生成、上传视频或发布作品。
• 验证范围公开。 当前为 0.6.0 候选版本，并非已发布的 GitHub Release。自动校验覆盖结构、链接、事实契约、源帧联系表和回归行为；H3 成片相似度、口型与生成效果尚未完成对照。详见 验证记录。

文档与示例

示例均为原创教学设定，不附第三方视频，也不作为真实视频观察或模型生成记录。

阅读 Skill 和使用聊天流程不要求 Python。编译与检查工具需要 Python 3.10+；媒体探测需已安装 FFprobe，抽帧另需 FFmpeg。核心校验脚本使用 Python 标准库；帧图联系表工具另需已安装 Pillow。不自动下载依赖或读取密钥。

# 在仓库目录运行：检查结构、链接、示例与回归
python3 scripts/check_repo.py

# 检查聊天 H3 块；参数按该生成任务填写，源镜数来自实际观察
python3 scripts/validate_prompt.py /tmp/h3-shot.txt \
  --mode I2VA --duration 4 --source-shot-count 1 --audio-omitted

# 核对本地视频元数据；不代表已看过画面或听过声音
python3 scripts/probe_video.py /path/to/reference.mp4

# 选取关键帧，并自动包含首尾帧；输出后仍需实际观看
python3 scripts/sample_frames.py /path/to/reference.mp4 \
  --output /tmp/h3-frames-new --at 0.5 2 4

# 用已有帧清单生成带实际时间的联系表；之后仍需打开图片查看
python3 scripts/build_review_sheet.py /tmp/h3-frames-new/manifest.json \
  --output /tmp/h3-review-new --question "What changes between these frames?"

生产包的编译与严格检查见 事实契约。真实任务需要当前用户确认或明确豁免，以及实际媒体和语义复核。教学输入只用于格式演示，不能直接声明生成就绪。校验器检查声明与文件一致性，不验证用户是否真的确认，也不判断生成画面是否相似。

SKILL.md                 Agent 入口与执行协议
agents/openai.yaml       Codex 显示信息
references/              观察、确认、声音、输出与 H3 适配
examples/                原创教学案例与人工反测
scripts/                 PTS 抽帧、源帧联系表、事实编译、提示词校验与仓库检查
tests/                   契约、分段、确认、声音交接与联系表回归
docs/                    验证范围、版本演进与回滚记录

用户素材、证据和生成结果保存在自己的项目目录；outputs/、runs/ 和媒体默认忽略。

参与改进

欢迎通过 Issues 反馈误读、漏镜、动作顺序或声音交接问题。描述使用场景、预期结果与实际输出，并提供可公开的最小复现材料，会更容易定位问题。提交代码修改前运行 `python3 scripts/check_re