skill.md
3.5 KB
name: h3-video
description: 用 MiniMax H3 生成视频（文生 / 首尾帧 / 参考图），通过 H3 Console 的 HTTP API 提交任务并取回结果。Use when：用户要生成视频、把想法/参考图写成 H3 提示词并提交。
H3 视频生成
完整接口文档：同域名下的 /docs/api.md（公网：http://qwen.wudaima.com/console/docs/api.md）。
只打 console 的 /v1/*，不要直连底层 raylight 端口。
- 公网 Base URL：
http://qwen.wudaima.com/console（所有路径带/console前缀） - 局域网 Base URL：
http://192.168.110.67:8080 - 鉴权：
Authorization: Bearer <token>，token 向服务器管理员索取，不要写进提示词或日志。
流程
- 定模式（按传的字段自动判断）：只有文字 → 文生；有首/尾帧图 → fl2va（
first_frame_url/last_frame_url）；有人物/场景/风格参考图、参考视频、参考音频 → ref2va（reference_*_urls）。 - 写提示词，见下节。
- 给用户看草稿并等确认。一条 1344×768、10–15s 的视频要跑 30–55 分钟，别未经确认就提交。
- 有本地素材先上传：
curl -H "Authorization: Bearer $T" -F file=@a.jpg $BASE/v1/assets→ 返回url。 - 提交：
bash curl -X POST $BASE/v1/videos -H "Authorization: Bearer $T" -H "Content-Type: application/json" \ -d '{"prompt":"…","width":1344,"height":768,"frames":300,"reference_image_urls":["<url>"]}'永远返回 HTTP 202，必须检查响应体status："failed"表示校验没过，原因在error。 - 轮询
GET $BASE/v1/videos/{id}，状态queued → running → done/failed/cancelled；完成后GET $BASE/v1/videos/{id}/file取 mp4。 给用户的详情页链接：$BASE/task.html/{id}。
参数要点
frames为 24fps 帧数，秒数 = frames / 24。默认建议 1344×768、300 帧（≈12.5s）。- 各分辨率帧数上限以
GET /v1/models为准（1344×768 目前 412 帧）。超限直接判失败。 - 4 张卡是一个集群，同一时刻只跑 1 条任务，其余排队；多提交不会更快。
turbo/cfg_scale/negative_prompt当前不生效。
提示词写法
完整提示词 = 参考素材说明 + 核心创意 + 画面过程说明
- 参考素材说明（没素材就跳过）：用
@图片1/@视频1/@音频1编号并写清用途（人物参考、场景参考、风格参考、首帧……），编号顺序与实际传入顺序一致。 - 核心创意：一句话写清主体 + 地点 + 事件 + 风格 + 运镜。运镜写具体（如
truck left + pan right），不要自相矛盾（有推近就别写"固定机位"）。 - 画面过程：按时间轴/shot 分段，每段写景别、内容、运镜、动作、台词、声音。
- 时长一致：提示词里的总时长和分镜时间戳必须与提交的
frames / 24一致。 - 每个 shot 都带声音：画内环境声/拟音 + 配乐，不要把声音全堆在结尾一句。
- 材质与微动作：画面里可见的主要元素都给材质词；静态 shot 也要有光影/蒸汽/织物等细微动态。
- 画面里要出现的文字/Logo 必须逐字写出。
- 不需要人物说话时，加"人物保持安静、嘴巴自然闭合"，避免模型自动念白。
- 比喻改成具体可视描述；不要写"不要字幕"（负向词对字幕无效甚至反效果）；避免"亮度分区"一类词，只描述具体光源照到哪里。
- 想要角色一致，务必传人物参考图。