forest-laoli-h3 · MiniMax H3 短剧全流程导演 (v2.1.1)
一、定位与边界
只做一件事:把短剧从文字做到能投进 MiniMax H3 的成片级提示稿与投喂包。
边界(v2.0 通用化):本包不绑定任何渲染平台、生产机、客户端或队列接口。产出是平台无关的纯文本载荷 + 投喂包(剥壳六段式
.txt+ 图槽表 + 清单 JSON),你可以灌进官方 API、自建 H3-Base、ComfyUI 节点或任何客户端。跑片、排队、并发、账号容量是你所用渲染端的事,不在本包内。本包也不自带任何推送脚本。
- 覆盖:剧本(带刺活人话) → 资产参考图(三视图 + 9 图固定槽) → 分镜(镜行) → H3 格式编译 → 五遍词根清洗 → H1-H36 机检 → 剥壳投喂包与交付复检。
- 画幅:推荐 9:16 竖屏(短剧主流平台形态),16:9 横屏实测同样可用(用户实测,横屏项目/影院感/双人并置更好使)。全片必须一个画幅,禁
auto。推荐档的理由是先验成本低,不是硬约束。 - 不做:广告片、产品片、品牌宣传、MV、游戏片头。
- 不套用平台发行规格到生成层:红果/抖音的"单集 60-90 秒、付费卡点"只指导① 剧本层;H3 生成层只认 4-15 秒的独立生成单元。
- 不假装有记忆:H3 每段独立生成零记忆,跨段连续靠「全片固定图槽 + 段首空间锚点卡复述 + 镜末正向维持句 + 末镜 1 秒定格」。
二、设计前提(先接受这六条)
- H3 吃图,不吃复杂文字。底部声纹、无脸版、几百字人设表一律不进正文。人物靠「参考图 + 一句可见外观」锁。
- H3 按词找画面。写"不要越轴",它丢掉"不要"、去画一条轴。否定词会被丢弃,词根会被渲染。
- 抽象词 = 通用滤镜。写"压迫感",它给皱眉 + 阴影 + 眯眼。要压迫感,写"他坐着,所有人都站着"。
- 正文必须英文(官方
base-en/ref-en:Write all six rewrite sections in English)。只有<d>台词、双引号内画内文字保留中文。 - 单段上限 15 秒,短剧按情绪节拍拆多段;短剧是台词驱动而非画面展示驱动(吸收 V7.4.26),禁出纯展示无对白废段。
- 门窗状态、画外动作、人物坐标必须显式锁死。H3 会对跨镜结果词提前抢跑开门、把画外敲门安在门内人身上、因段内依托物跳变画出一个人的左右两个分身。
三、全流程六阶段(含阶段门)
G0 锁 → ① 剧本 → ② 资产 → ③ 分镜 → ④ H3 编译 → ⑤ 清洗机检 → ⑥ 交付
(G1) (G2) (G3) (G4) (G5) (G6)
| 阶段 | 做什么 | 交付物 | 门 |
|---|---|---|---|
| G0 锁 | 确认 6 项锁 | 锁卡 + 全片空间锚点卡 | 6 项齐全;模式与时长档明确 |
| ① 剧本 | 分集 → 分场 → 带刺台词 → 情绪节拍 | 分集卡 + 场次表 + 台词稿 + 节拍曲线 | 每场有冲突目标;台词密度 80-90% |
| ② 资产 | 三清单 → 角色三视图/场景单主视角 → 全片固定 9 图槽表 | 三清单 + 生图词 + 资产清单.json + 图槽表 |
图 <=9;全片槽位一次钉死不省图 |
| ③ 分镜 | 逐镜定 景别 / 机位 / 运镜 / 越轴 / 站位 | 镜行表(中英对照) | 对话段固定机位为主力;依托物不跳变 |
| ③·补 表演 | 每镜写四区肌肉 + 听戏反应 + 视线落点 | 并入镜行正文 | 零心理结论词;神态动作同镜双挂 |
| ④ 编译 | 七段式 → H3 三字段 / 六段式 | 最终投喂稿 | 字段齐全、顺序正确;动态门窗标 partially_preserved |
| ⑤ 清洗机检 | 五遍词根清洗 + 62 项清单 + h3_lint.py 清零 |
载荷 JSON + 检查报告 | FAIL = 0;WARN 全部修正或说明(支持多段合稿自动切分) |
| ⑥ 交付 | 剥壳 .txt(去 Markdown 外壳)+ 图槽表 + 清单 JSON → 自检 → 交用户/交渲染端 |
投喂包(平台无关) | 图槽语义零错位;剥壳干净;清单与稿一致 |
G0 六项锁(缺一项就停下来问,不许默认)
| 锁 | 取值 | 默认 |
|---|---|---|
| A 模式 | T2VA / I2VA / L2VA / FL2VA / Ref2VA | Ref2VA |
| B 时长档 | 4 / 5 / 8 / 10 / 12 / 15 秒 | 按节拍定,一般 8-15s |
| C 画风基底 | BASE_LIVE 真人 / BASE_ANIME 3D·半写实 / BASE_2D 手绘 / BASE_INK 水墨 | 未定不许动手 |
| D 资产形态 | M1 文字档 / M2 已锁参考图 | M1 起步,有图升 M2 |
| E 段缝 | 尾帧锚定 / 换机位硬切 / 空镜过渡 | 情绪顶点用尾帧锚,文戏慢段用空镜 |
| F 空间锚点 | 全片一张锚点卡:家具清单 + 座位/站位表 + 三个方位词 + 门窗初始开闭态 | 未钉不许动手 |
画幅(推荐档,不是死锁):推荐
9:16(竖屏,短剧主流);16:9横屏实测同样可用,横屏项目、双人并置、空间全景都更好使。规矩只有三条: ① 全片一个画幅,段与段之间不许换(换了段缝必崩,机检 H14 拦); ② 禁auto/adaptive——那是把画幅决定权交给模型,跨段会自己改; ③ 画幅不进正文,只写载荷aspect_ratio(正文里写9:16反而会被当构图词渲染)。 用户没指定时默认给 9:16 并说明「16:9 也实测可以」,不追问三轮。
四、模式路由(H3 只有两个 checkpoint)
| checkpoint | 输入 | 场景 | 输出 |
|---|---|---|---|
H3-Base-FL2VA |
零图 | 纯文本段(T2VA) | 三字段 |
H3-Base-FL2VA |
一图 | 首帧(I2VA) / 尾帧(L2VA) | 指令行 + 三字段 |
H3-Base-FL2VA |
两图 | 首尾帧(FL2VA) | 指令行 + 三字段 |
H3-Base-Ref2VA |
多模态参考 | 角色 3View + 场景主视角 + 道具(Ref2VA) | 六段式 |
- 三字段:
integrated_multimodal_description/overall_soundscape/non_diegetic_music - 六段式:
subject_definitions/summary/retention_analysis/detailed_description/overall_soundscape/non_diegetic_music(顺序固定) - 指令行只有 I2VA / FL2VA / L2VA 需要,Ref2VA 没有。
五、铁律二十条(违反即返工)
- 单段 4-15 秒,与载荷
duration_seconds一致。 - Ref2VA 参考素材:图 <=9、视频 <=3(每段 2-15s、总 <=15s)、音频 <=3(必须挂图或视频)、总数 <=12。全片图槽顺序一次钉死,每段全挂不省图(省掉中间某张图会导致后续
Picture N全部错位,触发卡死或鬼影)。 - 正文英文;
<d>内保原文,必须带语言标签(<d>[Chinese] …</d>)。 - 词根零容忍:正文分号后禁否定词、禁镜头/摄影术语、禁抽象评价、禁心理动词、禁比喻、禁声音词。详见
h3-lexicon-cleanup.md。 - 镜行分两区:分号前(镜行头)写景别·机位·运镜;分号后(正文)只写人和物的可见状态与动作。
- 首镜无时间戳;后续
[Shot N] At 00:04.000,严格递增,且 < 段时长。 - 切镜只用官方绑定短语:
the camera cuts to/the shot cuts to/the shot transitions to/the shot changes to/the shot switches to。 - 越轴只写正向不变式,且不写
line/axis/frame:The camera stays on the same side of them throughout; she is on the left, he is on the right. [Shot 1]必须有一个具名主体;禁"X 与 Y 同框"并列句式;禁悬空指示代词。- 画外声用官方固定公式:
<Subject N> (Sx) says in an off-screen voiceover: <d>[Chinese] …</d> while his/her lips remain completely closed.若该角色整段在门外不入画,正文只写the woman outside (S1),绝不写<Subject N>标签(写了标签就会把门外人画进屋里)。 - 同性别多说话人声学反差锁:同性别多说话人是官方已知缺陷(issue #17)。同段 >=2 个同性别开口者时,音高/音质/语速必须反着写(一低冷慢
low quiet slow/ 一高亮快high reedy quick),做不到就拆段(机检 H26)。 - 情绪必须落成四区肌肉:禁写"紧张 / 愤怒 / 委屈"等结论词,一律写成眉·眼·口·颌的可见动作 + 可见计数。
- 运镜带物理刻度 + 文戏运镜收敛(吸收 V7.4.26):推拉必给「距离 + 时长 + 轨道」(
sliding forward 10 cm over two seconds on a rail);禁升格 / Hit-Stop / 急速变焦 / 滑动变焦 / 摇臂 / Snorricam。「每镜必标运镜」!=「每镜都要动」:对话段以固定机位the camera holds still+ 换嘴切镜为主力,15s 段最多 1-2 镜微推,禁镜镜花式运镜导致空间穿帮。 - 道具物理接地:道具首现必写支撑面(
standing on the low table/in her right hand),只写相对位置会悬浮(机检 H22)。 - 空间锚点 + 每镜维持句:每段开头复述同一张「空间锚点卡」(只列资产图真实存在的单数家具,禁
wall of / rows of复数扩建词,机检 H28);每镜末尾加正向维持句(机检 H24);末镜必加 1 秒定格句(机检 H27)。 - 动作预算:一镜一个主角动作 + <=70 词:单镜正文 <=70 词(>75 词 WARN,>100 词 FAIL 先丢机位,机检 H23/H25)。
- 门窗开闭状态锁 + 禁穿门融化(2026-10-21《门后》段01/03/04 真机实证):
- ① 人绝不穿过门洞/窗洞/有框开口:写
he steps out through the door,老周从 13.3s 起越过门框线即发生 alpha 半透明融化蒸发(机检 H29)。安全替代:停在门内扶门(turns back with his hand on the closed steel door)或只拍门自己关上。 - ② 未开门段全程锁死
closed / shut:段03 Shot 3 切反打拍男主蹲姿时未锁门状态,导致背景绿铁门提前大敞四开。凡未开门镜头,锚点与维持句必须显式带the dark green steel door stays shut and latched。 - ③ 开门段防抢跑与防“双扇门分裂”:段01 Shot 3 末尾门把手提前自己下压(跨镜预演抢跑);段04 Shot 4 开门时单扇门分裂成“左扇带猫眼关闭 + 右扇打开”的门中门/双扇门!根因是段首锚点写死闭合门
stay in place for every shot且retention_analysis标了fully_preserved。铁律:凡段末有开门/关门变化,场景<Subject>在retention_analysis必须标partially_preserved(注明门状态变化),段首锚点句只锁墙面与固定家具,且开门前的镜头显式写the door stays shut防提前抢跑(机检 H31)。
- ① 人绝不穿过门洞/窗洞/有框开口:写
- 同框人数硬锁 + 段内依托物唯一锁(2026-10-21《门后》段01 双林昭分身实证):
- ① 一镜最多两人,第二人禁写旁观动词:Shot 4 写老周出门 + 林昭
watches him go,触发图层复制(机检 H30)。第二人只能写纯静止状态(stands still with both hands in his pockets)。 - ② 段内无走位时,同一角色依托物与方位严禁跳变:段01 Shot 1 林昭站在右侧电表箱下(老周在左侧鞋柜旁),Shot 4 未写走位却写林昭
stands beside the low wooden shoe cabinet(跳到左侧鞋柜旁),导致 H3 保留右侧旧林昭的同时在左侧鞋柜旁又画一个新林昭,画面一左一右站两个林昭夹住老周!同段内角色未发生显式走位时,依托物必须全程一致(机检 H32)。
- ① 一镜最多两人,第二人禁写旁观动词:Shot 4 写老周出门 + 林昭
- 画外声源动作隔离锁(2026-10-21《门后》段02 门内人自己敲门实证):
- 段02 Shot 1 在画面正文写
three knocks landing on the far side,H3 抓取动词词根knocks并绑定给画面唯一人物<Subject 1>,结果渲染出屋里的男主背对镜头自己举拳敲自己家的门! - 铁律:门外敲门(
knocks / knocking / pounding)、门外脚步等隔绝在门墙外的动作,严禁写进detailed_description正文!画面正文只写门内可见受迫结果(the closed steel door vibrates three times in its frame, the iron chain clinking once against the latch),敲门声只放overall_soundscape(机检 H31)。
- 段02 Shot 1 在画面正文写
- 高危物理死锁禁区(2026-10-21《门后》段03 卡 76% 与冻帧实证):
- 禁「全蹲/跪趴低姿态(
crouches on his heels)+ 低机位」与「薄物穿过极窄门缝动态过程(slides through the gap)」:该组合直接导致段03 三次卡死在 76% 且成片两处冻帧(1.7s + 1.6s)。一律改为半蹲/弯腰(bends from the waist)+ 物品已静置在门内地面上的结果态(a white square photograph lies flat on the concrete floor inside the closed door)(机检 H33)。
- 禁「全蹲/跪趴低姿态(
- 三层分工:外形锁图、空间锁位、氛围靠写(2026-10-24 治「国漫 3D 没氛围感」):
- 矛盾的正解:官方说「提示词越详细越好」是对的,但只对氛围层。三层写法是反的——
- 外形层(脸/发/服装/体型):人物参考图全覆盖 → 只写一句「按图」,写细了与图打架、脸被拽跑。
- 空间层(家具/陈设/尺度/门窗):场景图覆盖 → 只写站位与朝向,物件一律不列,写多了尺度膨胀(H28)。
- 氛围层(光位/光质/色温/空气介质/景深前景/材质高光):任何参考图都给不了 → 写到死,不写就是没有。
- 判据一句话:参考图能覆盖的一个字别写;覆盖不了的写到死。 资产图是平光正对图,锁得住「长什么样」,锁不住「被什么光照着、空气里有什么」——只写前两层,出来就是「有物件、有动作、没有空气」的平光片。
- 六件套写在段首,不占镜行字数(镜行 ≤70 词,氛围词塞进去会挤掉动作):① 光源与方向 ② 光质(硬/软、切不切介质)③ 空气介质(烟/尘/雾/汽)④ 色板三色 ⑤ 前景遮挡+景深 ⑥ 材质高光点(漆/丝/铜/玉/湿石)。最少写 ①③⑤——只有光位没有介质和前景,仍然是「有打光的平片」。
- 位置:Ref2VA 在
[Shot 1]之前,顺序 风格句 → 光位句 → 空气句 → 空间锚点句;T2VA 在[Shot 1]之后。 - 空词必删:
atmospheric / moody / cinematic / beautiful / volumetric lighting不产生氛围,只会回落到训练集平均值(均匀三点光)。氛围靠具体名词:one hard pool of amber light on the floor/thin smoke crosses the beam, its cone visible/a blurred bronze censer in the near foreground。 - 反例:《暖阁》段01(纪律满分、氛围为零,H35 报缺 3/3)。详见
references/atmosphere-and-light.md(机检 H35)。
- 矛盾的正解:官方说「提示词越详细越好」是对的,但只对氛围层。三层写法是反的——
六、参考文件索引
| 文件 | 什么时候读 |
|---|---|
references/checklist.md |
★ 每次出稿前逐项打勾:62 项必查(A 锁 → I 交付 + 四大真机防崩专项) |
references/gates.md |
判断"这稿能不能交":P0 阻断 25 条 / P1 修复 16 条 / P2 优化 7 条;改稿复验闭环 |
references/diagnose.md |
★ 片子跑崩了 / 生成一直卡着:50 条症状 D01-D50 + 卡死四维排查树(贴错素材 vs 真假卡审核 vs 物理死锁 vs 渲染端排队) |
references/spatial-anchor-and-hold.md |
★ 站位/门窗/分身专治:空间锚点卡、维持句、动作预算、段01-04 逐帧取证(H28-H33) |
references/atmosphere-and-light.md |
★ 氛围感/国漫 3D 塑料感:三层分工判据、段首六件套、国漫 3D 正词表(皮肤/材质/光/粒子/色板)、平光参考图三种救法、验片四问 |
references/delivery.md |
★ 交付与投喂包:剥壳硬规矩、图槽铁律(防省图错位/贴错素材)、清单 JSON 格式、出片三关复检(平台无关) |
references/camera-four-axis-h3.md |
分镜设计权威:八档四轴整行取齐、回合制切镜、神态动作双挂、状态账 |
references/dialogue-density.md |
台词连续铺轨机制、3.3 字/秒标定、一镜一句、声槽全局绑定 |
references/acting-facs.md / acting-recipes.md / acting-listen.md |
四区肌肉总表、30 种短剧情绪英文配方、听戏五步反应链 |
references/h3-lexicon-cleanup.md |
词根黑名单、九条改写公式、五遍清洗流程 |
references/camera-movement.md / h3-shot-grammar.md |
22 种运镜刻度、运镜收敛铁律、越轴正向不变式、站位四要素、竖/横画幅句式对照 |
references/h3-format.md / h3-constraints-qc.md / pipeline.md |
三字段/六段式规格、硬约束 H1-H36 对照、全流程拆段 |
references/script-layer.md / asset-layer.md / examples.md |
带刺活人话四式、三视图与 9 图固定槽、完整正反例 |
scripts/h3_lint.py / scripts/tests/run_tests.py |
H1-H36 机检(支持单段/多段/清单 JSON、自动识别 9:16 与 16x9、剥 BOM)、29 用例零放水基线 |
scripts/tests/check_docs.py |
改规则后必跑:查机检码缺号、文档声称条目数、跨文件引用死链、旧版残留——防版本串与条目数漂移 |
七、机检(H1-H36 · 支持单段与多段合稿自动切分)
| 门 | 检查 | 级别 |
|---|---|---|
| H1-H3 | 字段集完整与六段顺序;首镜无时间戳、切点递增 < 时长、绑定切镜词;时长 4-15s | FAIL |
| H4-H7 | 正文全英文 + <d> 语言标签;标签定义 <=9 且先定后引;保留度合法且无 (Sx);(Sx) 顺序 |
FAIL/WARN |
| H8-H12 | 栏名【】/@/ASCII/坐标 → FAIL;画外声固定短语+闭口证据;声音分层;首现语气;首镜具名主体 |
FAIL/WARN |
| H13-H14 | 词根清洗(剥除 <d> 后扫否定/元描述/声音硬根 → FAIL,软根 → WARN);画幅全片一致(9:16 推荐 / 16:9 可用;auto 或段间混用 → FAIL,未声明 → WARN) |
FAIL/WARN |
| H15-H19 | 推拉物理位移量与时长;禁用运镜(FAIL);运镜×景别矛盾;连续同运镜;位移+变焦同镜 | FAIL/WARN |
| H20-H22 | 台词密度(填充率 65%-98%);回合制换嘴切镜;道具首现物理接地支撑 | WARN |
| H23-H25 | 镜行词数上限(>75 词 WARN,>100 词 FAIL);关键镜行维持句;单镜过薄(<35 词 WARN) | FAIL/WARN |
| H26-H28 | 同性别多说话人声学反差;末镜定格句;空间尺度膨胀(wall of / rows of 复数扩建词) |
WARN |
| H29 | 消除式穿门动作:人物穿过门洞/窗洞/开口(steps out through the door → 半透明融化) |
WARN |
| H30 | 同框人数与身形复制:同镜同标签多次引用、同框 >2 人、双人同框且第二人带旁观动态词 | WARN |
| H31 | 门窗状态锁 & 画外敲门污染:①画外 knocks 写进画面正文(致门内人自己敲门);②段末开门但段首死锁闭合门/标 fully_preserved(致分裂成双扇门) |
WARN |
| H32 | 段内角色依托物跳变:同段内无走位却更换角色依托物/左右位置(致段01 左右两个林昭分身) | WARN |
| H33 | 高危物理死锁动作:全蹲 crouches on his heels + 窄缝穿物过程 slides through the gap(致卡 76% 与成片冻帧) |
WARN |
| H34 | 跨段图槽一致性(多段合稿自动触发):同一 <Picture N> 跨段绑定的角色/场景类型不可错位 |
FAIL |
| H35 | 氛围层缺失:光位(光源+方向)/ 空气介质(烟尘雾汽)/ 前景景深,三类缺两类以上(致平光片、无氛围) | WARN |
| H36 | 图槽越界(载荷 JSON 带 images 数组时触发):正文最大 Picture N > images 张数,或槽位为空值(省图会让后续槽位整体前移) |
FAIL |
7.1 三条命令(复制即用)
# ① 单段/多段稿机检(4-15s 按段填;多段合稿会自动切段)
python scripts/h3_lint.py 稿子.md --duration 12
# ② 横屏项目显式声明画幅(不传则按正文里的比例判)
python scripts/h3_lint.py 稿子.md --duration 12 --aspect 16:9
# ③ 清单.json(交付清单数组)—— 自动读同目录 .txt、自动取 aspect、逐段查图槽越界 H36
python scripts/h3_lint.py 清单.json --json
判读:
FAIL必须清零;WARN逐条修正或在交付说明里写清为什么留。 喂清单不喂 txt:images数组只在清单 JSON 里,剥壳.txt查不出 H36(详见delivery.md §三)。 清单条目里没写prompt时,机检会去读同目录file指向的.txt——所以清单与 txt 必须放在一起。 退出码:0无 FAIL /1有 FAIL /2输入问题(文件不存在、空稿、坏 JSON)——可直接接 CI。
八、片子跑崩了或一直卡着怎么办(逆向诊改)
- 生成一直卡着(0% / 76%):按四维排查树(
diagnose.md §十)定位——① 图槽省图错位/素材贴反、② 渲染端排队/限流/会话未建(先看渲染端自身的队列状态,再怀疑稿子)、③ 真卡审核(秒败报错,排查血腥/敏感词)、④ 全蹲/窄缝穿物触发物理推理死锁(H33)。② 属于渲染端,本包不管——本包只保证 ①③④ 这三类"稿子本身"的病能查出来。 - 成片画面崩坏:按 取证(哪段哪镜) → 查 D01-D50 码(
diagnose.md) → 只改病灶句 → 机检复验零新增 四步出诊改报告。