giggle-official Giggle · MiniMax-H3 视频生成与提示词（合并版）
Source: giggle-official/skills · API: giggle.pro · Script: scripts/generation_api.py
本技能 = Giggle API 成片（scripts/generation_api.py）+ MiniMax-H3 提示词工程资料库（references/、prompts/）。
- 主流程：优化提示词 → API Key → 用
text/image/omni提交并轮询结果。 - 深度写法：创意钩子、分镜模板、长视频流水线、词表与范例见资源索引。
仓库内资源索引
| 路径 | 用途 |
|---|---|
| references/prompt-engineering.md | 提示词工程规范：10 大能力、4 种结构模板、交互流程、质量自检 |
| references/creative-strategy.md | 写什么、≤15s 与长片创意策略 |
| references/production-pipeline.md | 长视频前期流水线（角色→分镜→生成→拼接） |
| references/long-video-strategy.md | 分段、延长、衔接、锁定语句、输出模板 |
| references/examples.md | 场景与多模态示例（10 大能力分类） |
| references/vocabulary.md | 运镜、画质、大气效果词库 |
| references/image-generation.md | 角色参考图 / 首帧图前置生图规范 |
| prompts/ | 主题扩展包、OpenClaw 全案短文 |
⚠️ 平台与 API 约束（以 Giggle 为准）
资料库为通用 MiniMax-H3 提示词最佳实践；视频与多模态成片仅通过 giggle.pro 提交。实际调用本仓库脚本时遵守下表：
| 项目 | Giggle（本脚本） |
|---|---|
| 语言 | 与用户输入语言一致（见下节 Language Rule）；资料里中文模板可套用结构 |
| 时长 | 3–15 秒整数，--duration |
| 画幅 / 清晰度 | --aspect-ratio、--resolution |
| omni 图片 | 最多 9 张，url: 或 base64: |
| 参考音 / 视频 | 仅 url:，--audios、--videos |
提示词里的 @图片N / @视频N |
仅编号习惯；必须通过 CLI 传入对应真实 URL，且全部引用都要传 |
若资料写「混合素材 ≤12 个」与 Giggle 限制冲突，取更严一侧（尤其图片 ≤9）。
@引用 → Giggle CLI（omni）
| 提示词习惯 | 映射到 |
|---|---|
@图片1 … @图片N |
--images "url:..."（按编号顺序，可多参数或多次 --images，脚本会合并） |
@视频1 … |
--videos "url:..." |
@音频1 … |
--audios "url:..." |
⚠️ Language Rule — MUST FOLLOW
Match the user's input language exactly. Never translate. Never output a second language version.
- User writes in Chinese → optimize in Chinese → pass Chinese prompt to API
- User writes in English → optimize in English → pass English prompt to API
- Output ONE version of the optimized prompt. No bilingual display. No "API submission version".
（资料库中大量中文范例：仅借鉴结构与章法，输出语言仍以上述规则为准。）
Step 1: 提示词优化（必须完成后才能进入 Step 2）
用户输入往往描述不准确。必须先走完以下完整优化流程，生成高质量 prompt，用户确认后再提交 API。
完整规范见 references/prompt-engineering.md，以下为 SKILL.md 内联的执行摘要。
MiniMax-H3 核心能力速查
| # | 能力 | 提示词核心模式 |
|---|---|---|
| 1 | 一致性控制 | [角色]@图片N + [动作/剧情] + [场景]@图片N |
| 2 | 运镜/动作复刻 | 参考@视频1的[运镜/动作/节奏] + [主体]@图片N |
| 3 | 创意/特效复刻 | 参考@视频1的[特效/转场] + 将[元素]替换为@图片N |
| 4 | 剧情补全 | [分镜脚本] + [演绎方式] + [音效/台词] |
| 5 | 视频延长 | 将@视频1延长Xs + [新增内容] |
| 6 | 声音控制 | [画面] + 音色参考@视频1 + "台词" |
| 7 | 一镜到底 | 一镜到底 + @图片1@图片2... + 全程不切镜头 |
| 8 | 视频编辑 | 将@视频1中的[A]换成@图片1 + [修改说明] |
| 9 | 音乐卡点 | @图片1...@图片N + 参考@视频1的画面节奏/卡点 |
| 10 | 情绪演绎 | [角色] + [情绪变化描述] + [运镜配合] |
各能力详细示例见 references/examples.md。
Phase 0：判断内容类型（最关键的一步）
| 场景 | 路径 | 核心任务 |
|---|---|---|
| ≤15秒 | 路径A | 帮用户找到一个有传播力的单一视觉 hook；参考 creative-strategy.md 爆款模式库 |
| >15秒 | 路径B | 走完整前期流水线：角色设计 → 角色卡图提示词 → 分镜脚本 → 首帧图提示词 → 逐镜头视频提示词；参考 production-pipeline.md |
Phase 1：获取用户创意
用户描述想要生成的内容。
Phase 2：确认关键参数（已明确可跳过）
- 时长：短片 3–8s / 中 9–12s / 长 13–15s / 超长 >15s
- 比例：横 16:9 / 竖 9:16 / 方 1:1
- 素材：纯文本 / 有图片 / 有图+视频 / 全模态
- 补充偏好（可选）：情绪氛围、镜头风格、用途场景
Phase 3：生成优化提示词（≤15秒输出 2–3 个版本，>15秒按流水线输出）
提示词结构速查：
| 场景 | 推荐结构 |
|---|---|
| ≤12秒 | [风格总纲]，[主体]，[动作]，[环境/光影]，[运镜]，[音效] |
| 13–15秒 | 时间戳分镜法（0-3s / 4-8s / 9-12s / 13-15s 逐段描述） |
| 短剧对白 | 画面 + 台词（角色/情绪标注）+ 音效分离 |
| 史诗大制作 | 品质锚定 + 大气连贯声明 + 逐段 + 光影三层 + 收束句 |
运镜三级速查：
- 基础动作：Pan / Dolly / Zoom / Crane / Orbit / Tracking
- 修饰词：Smooth / Slow / Fast / Cinematic / Dreamy / Handheld / Aerial
- 组合技：一次最多 2–3 个，用
+连接；"雾粒粘镜"等镜头质感词可大幅提升沉浸感
图片风格匹配（生成角色参考图 / 首帧图时）：
| 题材 | 推荐生图风格 |
|---|---|
| 仙侠 / 修真 | 3D国漫渲染、中国仙侠概念设计 |
| 古风 / 历史 | 中国风工笔画、水墨画 |
| 赛博朋克 / 科幻 | 未来科幻写实CG、概念设计 |
| 现实 / 人物 | 电影摄影写实、人像摄影 |
| 美食 / 产品 | 美食广告摄影、商业摄影 |
| 动漫（日） | 赛璐璐风格 |
| 动漫（国） | 3D国漫渲染 |
角色参考图格式：9:16竖版构图。[风格锚定]角色设定图，[构图视角]，角色居中。[面部7要素]。[发型]。[服装逐件+新旧状态]。[道具]。[体态气质]。[光影]。禁止：任何文字、字幕、LOGO、水印
首帧图格式：[画幅比]。[风格锚定]，[构图+角色位置]。[角色状态+关键辨识特征]。[环境细节]。[光影层次]。[色调氛围]。禁止：任何文字、字幕、LOGO、水印
@引用编号分配规则：
- 公共素材（角色参考图等跨版本共用）从
@图片1开始依次编号 - 版本独立素材（各版本首帧图、尾帧图）在公共素材编号之后递增
- 每个素材标注用途，写清楚是"参考"（借鉴风格/动作）还是"编辑"（在原素材上修改）
多模态组合技巧：
- 有首帧图 + 想参考视频动作 →
@图片1为首帧，参考@视频1的打斗动作 - 融合多个视频 →
在@视频1和@视频2之间加一个场景，内容为xxx - 没有音频素材 → 直接参考视频里的声音，无需单独上传音频
- 连续动作 →
角色从跳跃直接过渡到翻滚，保持动作连贯流畅 - 多素材时务必检查各 @对象有没有标清楚，别把图、视频、角色搞混
≤15秒输出格式（完整模式）：
## 视频提示词
**主题**：[一句话概括]
**时长**：[X秒] | **比例**：[16:9 / 9:16 / 1:1]
### 公共参考素材（如有）
- @图片1：[用途说明 + 图片生成提示词]
---
### 版本一：[版本标题]
#### 提示词
[完整提示词]
#### 参考素材
- 首帧 @图片N：[描述 + 图片生成提示词]
---
### 版本二：[版本标题]
[同上结构]
---
### 提示词解析
[各版本设计意图差异]
15秒输出格式见 references/long-video-strategy.md（含全局锁定语句、统一负面提示词、分段模板）。
深度资源索引：
| 需求 | 参考文件 |
|---|---|
| 爆款概念、前 2 秒钩子 | creative-strategy.md |
| 长片分段、衔接、流水线 | production-pipeline.md、long-video-strategy.md |
| 运镜词汇、画质锚定词 | vocabulary.md |
| 多模态场景样板 | examples.md |
| 角色参考图 / 首帧图规范 | image-generation.md |
| 主题扩展包、短剧全案 | prompts/ |
Phase 4：用户确认
用户选定版本（可要求调整：风格/色调/运镜/台词/时长），确认最终版本后进入 Step 2。
Giggle 覆盖规则（优先于 prompt-engineering.md）
- 语言：严格遵守 Language Rule。用户中文 → 中文 prompt；用户英文 → 英文 prompt。"Output ONE version" 指禁止双语对照输出，不限制版本数量。
- 平台：references 中的通用提示词方法，以本文件 MiniMax-H3 的 Giggle 约束（时长 3–15s、图片 ≤9 张、@引用命名等）为准。
- 多模态引用：若用户提供了多张图片/视频/音频，优化提示词时须逐条说明各参考用途，Step 3 提交时必须全部传入 CLI，不能只取第一条。
Step 1 交付物
- 用户已选定的一条优化 prompt（与用户语言一致，已通过质量自检）
- Omni：提示词中每条参考均有对应 URL，编号映射（
@图片N等）已完成 - 超长视频：已按 long-video-strategy.md 确定分段数量和衔接点
Step 2: API Key Setup (One-Time)
python3 scripts/generation_api.py --check-key
已配置则进入 Step 3；未配置则向用户索要 Key 后执行：
python3 scripts/generation_api.py --setup --api-key <key>
Step 3: Generate Video
Text-to-Video:
python3 scripts/generation_api.py \
--mode text --prompt "<optimized_prompt>" \
--model MiniMax-H3 --duration 4 --aspect-ratio 16:9 --resolution 480p
Image-to-Video:
python3 scripts/generation_api.py \
--mode image --prompt "<optimized_prompt>" \
--start-frame "url:<URL>" --model MiniMax-H3 --duration 4
Omni:
- 多参考资源： 从对话中 收集用户给出的全部 参考图 / 参考视频 / 参考音频 URL（含
url:前缀），再一次性调用 CLI。同一选项后可跟 多个 空格分隔的参数（如--images "url:a" "url:b"）；也可 多次 写同一选项（如两行--images），脚本会合并为完整列表。禁止只取第一个链接就提交。 - 数量： 图片总计最多 9 张（接口校验）；音视频按对话实际条数全部传入。
# 示例：多图 + 多音频 + 多参考视频（按实际数量增删参数）
python3 scripts/generation_api.py \
--mode omni --prompt "<optimized_prompt>" \
--images "url:<img1>" "url:<img2>" \
--audios "url:<audio1>" "url:<audio2>" \
--videos "url:<ref_video1>" "url:<ref_video2>" \
--model MiniMax-H3 --duration 4
若某类参考未提供，可省略对应选项（但至少保留 --images、--audios、--videos 之一）。
提交后： 脚本默认每约 10 秒轮询一次（最长约 10 分钟）；任务完成后主动将结果（含链接）推送给用户，无需等用户追问。
Parameters
| Parameter | Default | Options |
|---|---|---|
--mode |
required | text / image / omni |
--prompt |
required | Max 10,000 chars — use user's input language |
--model |
MiniMax-H3 |
MiniMax-H3 |
--duration |
4 |
3 / 4 / 5 / 6 / 7 / 8 / 9 / 10 / 11 / 12 / 13 / 14 / 15 seconds |
--aspect-ratio |
16:9 |
1:1 / 9:16 / 16:9 / 4:3 / 3:4 |
--resolution |
480p |
480p / 768p |
--generating-count |
1 |
1–4 |
--images |
— | omni：url: 或 base64:，可重复多个；最多 9 张 |
--audios |
— | omni：仅 url:，可重复多个 |
--videos |
— | omni：参考视频，仅 url:，可重复多个 |
质量自检（提交前）
提示词质量（Phase 3 生成后检查）
- @引用编号与素材清单一一对应，公共素材优先编号
- 总文件数 ≤ 12（图片+视频+音频合计）；omni 图片 ≤ 9
- 未包含写实真人面部素材
- 13–15秒视频已使用时间戳分镜，覆盖完整时长无遗漏
- 台词已用引号包裹并标注角色和情绪
- 音效描述与画面描述分开写
- 超长视频每段均含风格锁定、角色锁定、场景锁定语句
- 超长视频延长段开头已安排桥接镜头或尾帧延续微动
- 统一负面提示词已覆盖风格漂移、角色变脸、偏色、光线突变、水印
- 角色参考图画幅比为 9:16 竖版；首帧图画幅比与视频一致
API 提交（Step 3 执行前检查）
- 提示词语言与用户输入语言一致；无双语对照
-
duration ∈ [3,15]（整数） - omni：每条音频 / 视频以
url:开头，base64 仅限图片 - 用户提供的参考 URL 全部出现在 CLI 中，无遗漏
- 超长叙事已按 long-video-strategy.md 拆段，未假定单次超出 15s
常见错误排查
| 错误 / 现象 | 原因 | 解决方法 |
|---|---|---|
401 Unauthorized |
API Key 无效或已过期 | 重新执行 --setup --api-key <新key> |
422 images 超限 |
omni 模式图片总数超过 9 张 | 减少 --images 数量至 ≤9 |
duration 不合法 |
传入了非 3–15 的整数（如 2、16、5.5） | 确认 --duration 为 3–15 整数 |
| 音频 / 视频参数报错 | --audios / --videos 传入了 base64: 前缀 |
音视频仅接受 url: 前缀，图片才可用 base64 |
| 轮询超时（>10 分钟） | 平台队列繁忙或网络异常 | 等待后重新提交；检查网络连通性 |
| Key 文件找不到 | 首次使用未配置 | 先执行 Step 2 配置流程 |
| 生成结果与提示词差异大 | 提示词过长或信息过载 | 精简提示词至核心要素；参考 references/examples.md |