正文
获取原文件references/h3-prompt.md
本规范来自 MiniMax H3 I2VA 结构，供 haonan-v005-storyboard 每段写一条视频提示词时遵循。不依赖任何外部 skill。
结构
每段一条 H3 提示词，四块：
- 对齐指令 +
[Shot k]切点时刻：首行，由分镜秒数推导，一个字符都不许漂。 - integrated_multimodal_description：画面描述，每个镜头独立一行。
- overall_soundscape：声景（也是动作指令——画面改了声景一起改）。
- non_diegetic_music：配乐。
官方口径默认英文（promptLang 可切中文）；提示词语言与 promptLang 必须一致。
关键规则
- 对齐指令由结构推导、逐字对账：
[Shot k]的切点时刻从分镜秒数累加得出，写提示词时照抄，不自己编。 - 台词逐字进
<d>块：认领节拍的台词原样进<d>[Chinese] …</d>，一个字不差（对账门逐字查）。 - 每镜独立一行，运镜词写进自己那一行（用 H3 官方运镜词表）。
- 声景与配乐分进后两个字段：对白、声景、配乐一条提示词全带上。声音约束：
non_diegetic_music默认写「无 / 仅后期添加」（不要自动配乐）；overall_soundscape只写同期环境声（脚步、衣料摩擦、物体碰撞、空间混响），不写夸张音效包。 - 参考图：图像模型吃首帧 + 场景/角色/道具设定图；提示词只负责取景与此刻姿态，不重复设定图已经定死的资产。角色多表情用
{Portrait N}编号代指。
示例骨架（示意，非逐字模板）
[Shot 1] 0.0-3.5s ... [Shot 2] 3.5-8.0s ...
integrated_multimodal_description:
[Shot 1] <d>[Chinese] 台词原文 </d> medium shot, static hold, ...
[Shot 2] close-up, push-in, ...
overall_soundscape: ...
non_diegetic_music: ...
真实切点、台词、运镜词一律以分镜数据为准，不要照抄示例里的占位值。