SuperMate-Ai h3-video-producer — 本地 H3 完整视频生产 Skill（pexo 本地版）
把 pexo 式"一句话需求 → 成品视频"的完整生产流程，改为**纯本地 MiniMax H3（ComfyUI 工作流）**驱动，全程不调用任何云端视频 API。
前置环境（使用前必须确认）
- ComfyUI 在运行：
http://127.0.0.1:8188，且 H3 工作流可用（Supermate-MiniMax H3 图生视频 DSH 测试.json，节点 94=LoadImage 参考图 / 95=Text 提示词 / 20=时长 / 44=分辨率 / 3=种子）。 - 角色参考图：主讲人形象图（如智子
zhizi-portrait.png）用于 ref_image_0/身份锚定。 - 机器约束（铁律）：RTX 5080 16GB + ~32GB RAM 级别。ComfyUI 生成期间绝不调用 Ollama 视觉分析；视觉分析只在队列完全空闲时进行，分析后立即卸载视觉模型（keep_alive=0）。逐条生成、逐条质检，任何时刻只有一个模型占算力。
- 素材：主画面展示用图表/界面图（可用 ECharts/SVG/System.Drawing 等生成后转 PNG）。
生产流程（六步）
⛔ 生成门禁（最高优先级，先于一切步骤）
所有视频项目必须先出具体方案（剧本/分镜/台词逐字稿），提交用户检查确认；用户明确批准后，才允许进入任何生成环节（H3/Z-Image/合成）。未批准不得生成。 理由：未经确认直接生成 = 废片成堆 + 时间与 token 成本失控。
- 交付方案时：只给分镜表 + 台词 + 素材清单 + 时长（简版，不展开长篇）。
- 用户批准后才执行第 3 步及之后。
- 重活（轮询/日志/下载/合成/校验）一律脚本内完成，只回传一行摘要，不把大段日志/输出拉进对话。
1. 文案与分镜
- 依据用户需求写口播稿（语速按需，参考 270-300 字/分钟；冷静干货/活泼均可，写进提示词）。
- 用
references/storyboard-template.md把视频切成块（开场/正文/结尾），每块标注：模式、时长、主画面素材、台词。
通用本地模型执行规范（任何模型照单操作，勿依赖模型背景知识）
本技能面向通用/本地模型（含 Ollama 等小模型）设计。执行时严格照抄以下清单，按顺序做，不跳步：
- 固定事实（写死，不靠猜）：ComfyUI =
http://127.0.0.1:8188；工作流 JSON、角色肖像、素材 PNG 的具体路径一律见各脚本顶部 CONFIG；脚本用node <文件>.mjs运行。 - 执行顺序（固定 8 步）：
① 出方案（分镜表+台词逐字+素材+时长）→ ② 提交用户，确认后才继续 → ③ 写提示词到
prompts/<seg>.txt（台词用<d>[Chinese]...逐字保留）→ ④ 编辑references/segment-generate.mjs的 CONFIG（segments/prompts 目录/portrait）→ ⑤node segment-generate.mjs→ ⑥ 编辑references/compose-final.mjs的 CONFIG（blocks/dialogue/highlight）→ ⑦node compose-final.mjs→ ⑧ffprobe校验成片时长与音视频流。 - 每步后校验点：提示词内台词与 dialogue/ 逐字一致；每段
segments/<seg>/<seg>.mp4存在且含qa-pass.txt；成片时长 ≈ 各块时长之和 ±0.5s；音轨存在（aac）。 - 出错处理：段失败 → 看项目根
run.log尾部定位；ComfyUI 不可达 → 重启服务再试；卡死超时 → 按 45 分钟上限报错并停；生成门禁未获批准 → 不得进入任何生成。 - 机器铁律：ComfyUI 生成期间不跑 Ollama 视觉分析；视觉分析只在队列空闲时进行并随后卸载模型；一切重活（轮询/下载/合成/校验）由脚本完成，只回传一行摘要。
- 分镜时长规则：开场 3-6s 全屏；正文普通讲解 6-9s；图表/原理特写 7-10s 纯画外音；结尾 3s 全屏。禁止统一强制 10s。
2. H3 分段提示词
- 按
h3-prompt-writing规范 +references/h3-prompt-modes.md的三模式模板写每段提示词。 - 台词用
<d>[Chinese] ...</d>原样保留，逐字与口播稿一致；语速/人声/口型同步/禁即兴写进描述。 - 角色一致性：全片共用同一角色参考图；正文小窗段注明"视线朝向画面右侧"。
3. 本地逐段生成
- 运行
references/segment-generate.mjs（配置：输出目录、角色参考图、每段提示词与时长、工作流路径）。 - 内置：首段用角色肖像，后续段链式衔接（前段尾帧作 ref_image_0）+ 身份锚定（角色肖像作 ref_image_1）；逐段尾帧质检（Ollama，仅队列空闲时）+ 卸载视觉模型；质检不过换种子重试。
4. 合成
- 运行
references/compose-final.mjs（配置：块列表 = 段 + 模式 + 主画面素材 + 裁剪）。 - 三模式：
full全屏主持人 /pip主画面+左下角正圆羽化小窗（尺寸=画面 1/6~1/7、只露脸+肩颈、视线朝右）/vo纯画外音（图表缓慢推镜 zoompan、无任何人物、字幕保留）。 - 全部硬切；字幕 ASS 白字+核心词黄高亮+按标点硬换行避让小窗；BGM 低音量恒定、说话时避让；结尾淡出+音频限幅。
5. 校验
- 时长/音视频流校验（ffprobe）；抽帧视觉校验（仅 ComfyUI 空闲时）：主画面无人物半身像、小窗正圆完整脸部、纯画外音段无人物、字幕不遮挡。
6. 交付
- 输出成片 + 分段底稿（同目录保留）+ 提示词/台词/日志。
硬性规范（沿用秋芝2046 风格模板）
- 正文技术画面禁止主屏出现主持人大图，禁止小头像+主人物同框。
- 小头像禁止放大为半身照，禁止直视镜头（必须看向画面右侧），禁止静态图（须口型/眨眼/微小动作）。
- 图表/原理/数据段优先纯画外音（完全移除人物，人声保留为旁白）。
- 运镜只用：静态固定、缓慢推镜（图表特写）、极慢横移（宽表格）、微小缩放；禁止甩镜/旋转/剧烈推拉。
- 特效只允许：高亮框闪烁、箭头流动、数字滚动、文字逐行浮现、点击反馈；禁止粒子/霓虹/爆炸/花字。
- 图表风格：扁平 2D、低饱和蓝灰黑白科技配色，拒绝 3D/渐变炫光/卡通插画。
关联
- 提示词结构：见
h3-prompt-writing技能。 - 运行脚本：
references/segment-generate.mjs、references/compose-final.mjs。 - 分镜模板：
references/storyboard-template.md；三模式提示词模板：references/h3-prompt-modes.md。