Skip to content
H3 官方 Prompt Skill 接入

H3 官方 Prompt Skill 接入

本文属于“当前架构”,描述 DyeingTime 当前使用的 H3 Prompt 规范与版本。

1. 固定版本

  • Skill:h3-prompt-writing
  • 来源:MiniMax-AI/MiniMax-H3
  • 上游 commit:d21241f0a4b3acbb34c97dae47fa417b7065e438
  • 安装路径:.agents/skills/h3-prompt-writing
  • 版本锁定:skills-lock.json
  • 安装方式:项目级 copy,仅安装 h3-prompt-writing

安装/更新后必须:

  1. 将 Skill 文件与上游同 commit 做逐文件 diff;
  2. 更新 skills-lock.json;
  3. 更新本节 commit 与文件校验;
  4. 运行 H3 Prompt 回归测试。

2. 官方规则

模式

  • T2VA:纯文本
  • I2VA:首帧
  • FL2VA:首尾帧
  • L2VA:尾帧
  • Ref2VA:多参考素材

DyeingTime 正式多参考工作流使用 Ref2VA,不因存在任意图片而切到 I2VA。

Ref2VA 六段

subject_definitions
summary
retention_analysis
detailed_description
overall_soundscape
non_diegetic_music
  • <Subject N> 是可复用视觉主体;同一主体可引用多张 <Picture N>。
  • <Picture N> 是实际参考图片;只作来源时写在 Subject 定义行内。
  • (S1)/(S2) 只分配给实际发声的说话人;沉默角色不分配。
  • 正文英文;台词/歌词/可见文字保留原语言并放入 <d>。
  • [Shot 1] 不带时间戳;后续切镜使用 [Shot N] At MM:SS.mmm。
  • overall_soundscape 与 non_diegetic_music 不重复对白。

3. DyeingTime 业务约束

  • 优云智算 H3 Prompt 上限 7000 字符。
  • 当前正式生成 5 秒 / 768P / 9:16。
  • 5 秒短剧使用 200–300 词自适应区间,不机械套用官方 350–500 词长示例。
  • 默认一个业务 Shot 对应一个 H3 [Shot 1];只有用户明确要求复合镜头时才生成多个 [Shot N]。
  • 默认同一场景、连续运镜、不切到另一地点。
  • 对白只来自已确认的 ShotDialogLine,不允许模型自行增加剧情。
  • 没有结构化对白时显式 No spoken dialogue。
  • 只有对白行会被朗读:Only the dialogue lines are spoken ... No narration or voiceover.
  • voice_description 只使用用户配置,不按姓名/照片推断。
  • 参考音频默认关闭;固定音色样本属于项目配置。
  • 历史 Snapshot 不可变;Prompt 变化必须反映到 input_hash。

4. Renderer 行为

  • LLM 正文可用时以其为文风主体,但 Renderer 会补齐缺失的台词、无对白、no-narration、连续性约束。
  • 有 <Audio N> 时不再补 voice profile,并清理残留的 Use this voice profile;没有音频参考时才补英文声学描述,且必须位于 <d> 之前。
  • 文本模型不可用时输出英文结构骨架;中文画面/动作/构图自由描述不进入正文,避免被 H3 朗读成旁白。
  • 同一资产多张参考图按 (kind, ref_id) 合并为一个 Subject。
  • 校验六段顺序、[Shot 1]、<d> 成对、Subject/Audio 定义、retention marker、单镜头 [Shot 2+]、summary 任务前缀、时间戳与长度。
  • 质量检查与结构校验分离;blocking / warning / info 分级展示。

5. 边界

  • Skill 是提示词编写规范,不是运行时视频生成引擎。
  • 结构合规不等于真实视频质量提升;最终质量由真实 H3 生成与用户 L4 判断。
  • 文字 Prompt 不能保证音色身份锁定、不能保证模型绝不切镜。
  • 中文专有名词仍可能保留在英文正文中;有音色参考时已移除文字声音描述,但 no-narration 仍只能降低被朗读概率。

6. 相关文档