↑
免责声明：本站部分 Skill 来源于公开渠道，使用前请注意识别相关风险，内容版权归原作者所有，如 Skill 涉及版权问题，请在线反馈，核实后予以下架处理。
概述
本 Skill 面向 MiniMax H3 视频生成模型的提示词工程场景，帮助用户将多种输入模态转化为模型可精确解析的结构化提示词。覆盖 T2VA（纯文本生成）、I2VA（首帧图生视频）、FL2VA（首尾帧衔接）、L2VA（尾帧逆推）以及 Ref2VA（全参考素材）五种工作模式，按官方规范输出 integrated_multimodal_description、overall_soundscape、non_diegetic_music 等核心字段。针对 Ref2VA 模式，额外处理 subject_definitions、retention_analysis、detailed_description 等六段式重写结构，确保 <Picture 1>、<Video 1>、<Audio 1> 等参考标签在全文中保持一致，并将描述总时长精确匹配到 4–15 秒的视频长度要求。
技能包含
SKILL.md（本文件）：技能主说明，含五种输入模式的识别逻辑、字段顺序与输出规则references/base-en.txt：T2VA / I2VA / FL2VA / L2VA 基础模式的提示词结构模板与字段定义references/ref-en.txt：Ref2VA 全参考模式的六段式重写格式、标签规则、保留分析说明及完整示例agents/openai.yaml：Agent 配置
核心能力
- 模式自动识别：根据用户输入判断 T2VA、I2VA、FL2VA、L2VA 或 Ref2VA 的适用场景
- 结构化字段生成：按官方顺序输出
integrated_multimodal_description、overall_soundscape、non_diegetic_music等必填字段 - 关键帧逻辑衔接：处理首帧延伸、首尾帧过渡、尾帧逆推等时间线构建，明确标注帧与描述的连接点
- 参考标签一致性：在 Ref2VA 模式下统一管理
<Picture>、<Video>、<Audio>标签，避免跨段落引用断裂 - 时长精确匹配：将视听描述的总节奏对齐到 4–15 秒的指定视频长度
- 双语输出规范：主体描述使用英文，保留原始语言的对白、歌词与可见文本
应用场景
| 用户怎么说 | 本技能做什么 |
|---|---|
| "我有一段 8 秒的视频描述，要生成 H3 提示词" | 识别为 T2VA 模式，按 base-en.txt 结构展开完整的视听时间线，输出三字段标准格式 |
| "这张首帧图要变成 6 秒视频，后面怎么发展" | 识别为 I2VA 模式，从首帧出发推导后续镜头运动、主体动作与环境变化 |
| "我有两张图，要让第一张自然过渡到第二张" | 识别为 FL2VA 模式，构建首尾帧之间的连续路径，描述中间过程的构图与运镜 |
| "这是视频结尾画面，帮我补全前面的内容" | 识别为 L2VA 模式，逆推合理的开场并收敛到给定尾帧，确保时间线逻辑自洽 |
| "我有图片、视频和音频参考，要全部用到提示词里" | 识别为 Ref2VA 模式，按六段式结构重写，执行保留分析，统一所有参考标签的命名与引用 |
| "提示词里的参考标签前后对不上" | 检查并修正 Ref2VA 全文中 <Picture>、<Video>、<Audio> 标签的一致性，修复断裂引用 |