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:
- 将 Skill 文件与上游同 commit 做逐文件 diff;
- 更新
skills-lock.json; - 更新本节 commit 与文件校验;
- 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。