SKILL.md 58.8 KB

Edit Raw Blame History



name: h3-video-prompt-main-skill
version: 0.7.0-candidate-v6 (纠偏 retrain v6：硬门作用域钉死)
status: candidate（未部署。本轮纠偏候选件，禁止直接覆盖现网；Deploy 由 org-innovator 验收后统一执行。基线 = v0.6.1，快照 + sha256 见 train/evolve/v6_artifacts/baseline_snapshot/）
source: MiniMax 官方一手飞书语料（train/hunt/cache_v5/，revision doc1=1297 / doc2=252，逐字落盘）：
  doc1 = H3 使用手册（feishu_doc1…FIWjwgL33ipnkekzk30crmKUnIh.md）
  doc2 = Prompt 写作全能指南（feishu_doc2…Vztzwstuqi3MQKkxs8QcGmxinxe.md）
  v4 及以前的 GitHub 镜像信源（base-en.txt / ref-en.txt / co-op 模板等）降为 R 级同型佐证，
  凡本文已给 docN:line 的条款一律以 A 级一手为准。引句全部可在 cache_v5 逐字回查。
supersedes: v0.5.0（train/evolve/SKILL_v4.md）
v0.6.0_changes: 按 benchmark_v5 C-1/C-2/H1-H16 做作用域重写（非追加）。①§0 从「习语甲/乙」改为
  「三种交付形态 ①②③④ + 语言按形态划界 + 记号硬互斥」；②新增链路四层交付义务与映射纪律；
 ③v4 从镜像推演的长描述替换为官方短条款（带 docN:line）；④H9 关系标记按官方落 8 个取值（v4 任务
  书误写 6 个）；⑤篇幅自 88,655 B 收敛至 ≤60,000 B：合并重复示例、删冗余叙事、条款表化。
v0.6.1_changes: 线上热修（conv-mtekh2bm 实证，非重训、无新分数）：url 载体被「输入显式约定 > 本节
  默认」+「不得夹带 schema 外字段」合法吞掉。§2 url 逐字保留升硬不变量；只有 id 时追加
（部署件与候选件 sha256 逐字一致）。
v0.7.0changes（纠偏 retrain v6，T-mtlcior6；量尺 benchmark_v6.md，裁决 R6-C1/C2/C3，缺口 G1-G7）：
  一条已发生的训错是「核心主体未知」被扩张成「无参考图/url 就拒跑」。本轮把硬门作用域钉死——
  硬门判「主体事实」，不判「素材存在性」。①§1.1 加作用域钉死：主体事实 ≠ 参考素材；素材集合
  为空（纯文字 T2VA/L2VA）直出豁免；素材维度判定推迟到 §3.1，不属硬门（G1/G3）。②§1.2 加零素材
  入口分支：素材集合为空 → 逐条预检整体跳过 + 显式声明无参考素材（G2，doc1:237 官方先例）。
  ③§8.1 CL1 的「有无参考素材」从必问项收口为条件问项（G4，R6-C1：锁脸须传图是唯一不可文字替代
  的外观锁定职责）；新增 §8.1b 点名素材未到达的限定反问（三选项：补传/文字替代/豁免，R6-C2）。
  ④§9 补无素材对应交付物（G5）；R6-C3 纯文字交付免任务类型标记、不得无中生有标素材类标记。
  ⑤同轮清扫失效交叉引用（§7 清单 26 条、§8.2 反向条款、§1.7 第 21 条、§3.1 交叉引用）。
H3 视频提示词写作方法论
0. 交付形态判定（先判形态，再谈语言与记号）
第 0 步永远先判交付形态。 形态决定正文语言、分段记号、适用硬约束与判分落点。
官方一手语料内部并存多种分段记号（doc1 案例层 4 种变体、doc2 规范层 1 种），判形态先分「规范层
条款」与「案例层行为」：格式判据只取规范层（doc2），案例（doc1）只作行为先例与模型参数正源。
0.1 三种合法交付形态


形态
识别特征
分段记号
判分落点


① 型（doc2 结构化）
需求要英文结构化 Prompt / JSON / 官方字段结构（六段或三主体字段 + instruction）
[Shot N] + 递增 At MM:SS.mmm，第一镜不写时间戳（A：doc2:107/:111/:114/:455）
§0.4 全部 H 条款


② 型（窗式）
需求是分镜类：连续故事情节 + 按时长切分显示内容（「每隔几秒显示什么」「分镜」「时间窗」）；或需求是分镜脚本交付物
[N 秒-M 秒] 窗标题（A：doc1:97 官方「提示词」列六窗一手案例）
§0.5 + 跨形态不变量


③④（登记合法，不考察）
③ N-M 秒： 行式（doc1:200）；④ 0〜3 秒 全角波浪 + 正向/反向（doc1:237）
不作为判分形态；交付中出现不判违规，只判其内容是否满足所申报形态的三要素义务
—


判据理由（不要丢）：② 是官方四种形态里唯一窗口边界显式成对、可逐窗相加核验总时长的形态，
而「边界可核对」正是分镜脚本这一交付物的核心义务；doc1:97 把窗式文本直接放在「提示词」列，
所以 ② 在最终 Prompt 层同样是 A 级合法形态，只是不走 ① 的 H4/H5/H6/H10。
doc1 案例层的分段记号有 4 种变体（②③④ + Shot 1 —），官方在案例层不做记号统一（doc1:231 坑表
甚至要求删掉多余【镜头 N】结构）——案例记号不得升格为格式判据。
0.2 形态切换判据（B 级内部规范；官方没有「何时选哪种」的条款，不得对外表述为官方规则）

输入含连续故事情节 + 按时间切分，或需求明确要分镜脚本/分镜设计文档 → ② 型。
输入要英文结构化 Prompt / JSON / 官方字段结构 → ① 型。
「拆成 N 个镜头」≠ ② 型：只要求镜头切分、情节照给、无逐窗「每隔几秒显示什么」要求的，
是 ① 型多镜（[Shot 1..N] + At MM:SS.mmm）——官方 ① 型本来就用 [Shot N] 表达多镜。
② 型的判据是逐窗显示内容（「每隔几秒显示什么」「每窗出现什么 UI」）或明确要分镜脚本/
分镜设计文档交付物。两者都沾时才判 ②。
两者都不满足 → 按 §2 五模式判定（T2VA/I2VA/FL2VA/L2VA/全能参考），交付形态默认 ①。
形态误判是 D1 档 2：分镜需求交英文六段、英文结构化需求交中文窗式散文，都算。
交付说明 / 中文沟通不受此限（说明层语言自由）。
多件交付（链路模式）：需求同时要「分镜设计 + 分镜脚本 + 最终 Prompt」→ 按 §0.6 链路四层
交付，各层用各自形态；不要把链路需求做成单件 ① 型交付，也不要给单件需求硬拆四层
（过度交付同样按 D1/HP1 扣）。

0.3 语言规则按交付形态划界（C-2 裁决）
按形态划界，不按「哪份官方文档」划界：doc1 自己的案例就是中文散文、同时声明多语言支持
（doc1:35「支持多语言提示词输入与输出」）；doc2 的英文条款明文限定在「扩写的六个段落正文」
这个形态上（doc2:242）。把「正文必须英文」套到 ② 型交付上 = 判据越界违规；反向同罪。


交付形态
语言判据
级
出处


① 型（六段 / 三主体字段 / instruction）
正文英文；<d> 内台词/歌词、画面实际可见文字保留原语言
A（硬）
doc2:242「扩写的六个段落正文统一使用英文；只有 <d> 中的台词、歌词以及画面中实际可见的文字保留原始语言。」


② 型（窗式 / 分镜脚本）
跟随用户输入主导语言（中文输入 → 中文正文）
A（硬）
doc1:97 官方案例正文全中文 + doc1:35


分镜设计（链路第 2 层，给人类的内部档）
语言自由
B（内部规范）
官方无此条款，从 doc1:220-222 收口


台词 / 歌词（跨形态不变量）
原词、原语言、原标点不改写；无法辨认写 [unclear]
A（硬）
doc2:137 / :575


画面实际可见文字（跨形态不变量）
英文双引号包围，原文与标点逐字保留，不翻译
A（硬）
doc2:154（:157 中文招牌 "营业中" 示例）


字段名写法
「非叙事性音乐：N/A」与 "non_diegetic_music": N/A 两种都合法
A
doc1:200 同段并列


0.4 ① 型官方硬约束（H1-H16，逐条带级与行号）


#
约束
级
出处
适用


H1
提示词总长 ≤ 7000 字符（含标点与空白，len() 口径）
A
doc1:35
跨形态


H2
输出时长 4–15 秒；超限不得静默
A
doc1:35
跨形态


H3
输出帧率 24 FPS：提及则不得写错；需求指定非 24 帧时显式说明该参数不在提示词层控制；不写帧率不扣分
A（参数层）
doc1:35
跨形态


H4
instruction 必须位于第一行，后空一行再写主体字段
A
doc2:57
仅 ① 型 I2VA/FL2VA/L2VA


H5
At MM:SS.mmm 递增切镜时间，毫秒 3 位、落在视频时长内；第一镜不写时间戳
A
doc2:107/:111/:114/:455
仅 ① 型


H5b
记号硬互斥：① 型内零处 [N 秒-M 秒]；② 型内零处 At MM:SS.mmm
A（反证）
doc2 全文 0 处窗式、doc1 全文 0 处时间戳（grep 复算）
跨形态


H6
生成类 detailed_description 350–500 英文词；三条豁免：台词密集型以容纳台词时间线为先 / 视频编辑类按源视频复杂度展开 / 单镜头并不自动缩短。区间外且不落在任一豁免才扣分；无豁免依据的机械补字数也扣
A
doc2:543
仅 ① 型


H7
听不清写 [unclear] 不猜测改写；标点规范化为基础书面标点 , . ? !，删波浪号/emoji/装饰标点；完整陈述句/疑问句/感叹句在 </d> 前以 ./?/! 结束
A
doc2:575
跨形态（台词）


H8
复杂/易乱码文字：以图片形式提供作参考图 + 在提示词中明确「这张内容必须按"图片"来理解，不能按"文字"来处理」
A
doc1:71
跨形态


H9
关系标记是固定英文取值，共 8 个：可见内容 4（fully_preserved / partially_preserved / attribute_transfer / weak_reference）+ 音频 4（fully_copy / partially_copy / reference / weak_reference）。自创中文或变体取值 = 词法违规
A
doc2:398/:400-405/:427-434
六段交付


H10
overall_soundscape 1–4 句英文连续段落概括贯穿全片的环境声；non_diegetic_music 1–3 句英文描述角色听不到、只有观众能听到的配乐
A
doc2:162 / :170
仅 ① 型六段/三字段


H11
台词长短与 shot 长短对齐：不出现一个 3s shot 说一大段话（官方标注的口型问题一手根因）
A
doc1:206
跨形态


H12
画外音固定短语 says in an off-screen voiceover（逐字相邻，不得插语打断）+ 唇部保持闭合；跨镜台词 <scenetrans>、结尾截断 <cutoff>；(Sx) 稳定编号、组合编号、无声者不编号
A
doc2:144/:147/:150/:459/:135
仅 ① 型


H13
素材硬上限：图片 ≤9、视频 ≤3（单段 2-15s、总时长 ≤15s）、音频 ≤3 且必须配图/视频、不能单独输入、混合总上限 12 个文件
A
doc1:35
跨形态


H14
标签一经分配，在 subject_definitions、summary、retention_analysis、detailed_description 与声音段落五处同义
A
doc2:272
六段交付


H15
<Video N> / <Audio N> 独立编号，序号只表示本类内顺序，不表配对；普通参考视频不因含声而自动产生 <Audio N>
A
doc2:347/:349
六段交付


H16
分镜参考图映射到镜头而非秒数：<Picture 3> is a storyboard reference for [Shot 1] and [Shot 2], defining their viewpoint, subject placement, and shot order.；分镜草稿图在 ② 型写窗口映射；每条素材至少被一个镜头/窗认领
A
doc2:310/:553 + doc1:200「故事版」
跨形态


配套 A 级短条款：六段顺序 subject_definitions → summary → retention_analysis → detailed_description → overall_soundscape → non_diegetic_music（doc2:250）；三主体字段顺序（doc2:62-66）；summary 带方括号任务类型前缀，六类型 keyframe completion / reference generation / video editing / video continuation / audio reuse / audio reference，可用 + 组合（doc2:360/:371-378）；retention_analysis 逐标签一行并沿用 subject_definitions 含义、不写 (Sx)（doc2:394/:579）；边界处新增内容不得误写成参考损失（doc2:444）；音色参考只取音色不带入原台词（doc2:577）；环境声无则写 N/A（doc2:594）。
0.5 ② 型窗式交付规范
窗式结构：窗标题 [N 秒-M 秒]（doc1:97 六窗逐字）；窗序覆盖 0 → 总时长、相邻窗相接、窗序与
故事情节因果序一致；窗长可以不等（官方六窗即 2/2/3/1.5/1.5/5 秒）；子秒节拍允许但不留 gap。
窗边界四条分行标级（不得合并成一句「官方要求无缝隙无重叠且总和等于总时长」）：


#
纪律
级
出处


1
相邻窗无缝隙
A
v4 镜像 shot-table-spec:65（R 级；官方一手无逐字句，行为先例 doc1:97 六窗相接）


2
无重叠
A（① 型相邻条款）
doc2:111 严格递增 ⇒ 不重叠


3
各窗之和 = 总时长
C（构造性设计）
官方模板构造性首尾相接，无明文条款


4
首窗从 0s 开始
C（构造性设计）
行为先例 doc1:97 首窗 [0 秒-2 秒]


#3/#4 照常扣分，但对外表述保持 C 级标注——判分强度与出处等级是两件事。

每窗三要素（判内容，不判有没有字段名标签）：
① 机位/运镜：每窗首行显式声明机位或主导运镜（A 同型：doc1:97 各窗首行即 景别 字段）；
② 主体动作：该窗内主体做什么，可量化状态是官方文风；
③ UI/覆盖元素：该窗出现的 UI/字幕/HUD 内容与位置。
声音写在窗内（doc1:97 各窗「声音：」字段先例）；官方无独立转场字段，转场信息写进机位行，
不得硬切（v4 镜像 co-op:117/:133 R 级）；「每窗必须写明转场」不是判据，不要自加。

参考素材落位：头部一行职责声明（每份素材负责什么）+ 窗内语义回指，回指与声明同一体系；
分镜草稿图按 H16 写窗口映射（映射到哪几个窗、提供什么规划信息），非锚点图零秒级对齐
（v4 反证 ref-en 全文 0 处 "aligns with"，R 级）；幽灵素材禁令（C 级收口）。
UI 文字四禁令（R 级 v4 镜像 co-op:133）：UI 字符串可读、无随机字母、用户名不拼错、
菜单/选项集合不得超出输入给定集合。输入自带中英并列时沿用（输入事实），只给英文时英文单语，
两种互不判违规；把中英并列表述成官方要求 = 出处纪律违规。
时长：duration_seconds 由请求体指定、不写进正文；正文时长信息只以窗标题体现；
交付说明注明本次取值（B 级）；需求超 4–15s 不得静默，给拆分方案或与调用方确认；
节拍总合 ≠ 请求时长时按最小改动解决并显式说明改了哪里，不删情节凑时长。
对白：<d> 包裹与 (Sx) 编号非硬判据（不强制、出现亦不算违规，用了就守同一套稳定性纪律）；
台词逐字保真与「画外 + 唇部闭合」语义要求跨形态成立；说话人身份须窗内可辨识。
词法：url 不进正文；散文交付无 JSON 通道要求，不因「没交 JSON」扣分。
0.6 链路四层交付（需求理解 → 分镜设计 → 分镜脚本 → H3 Prompt）
当需求要求多件交付（先出分镜设计/分镜脚本，再出最终 Prompt）时，按四层依次交付，各层实体
计分（LU15 + SD20 + SS30 + HP35 = 100；#62 标 C 级构造性设计、0 真实先例——官方没有「分几层
交付」的条款，这是工程收口，不得表述为官方规则）。


层
义务


LU 需求理解
从 raw_brief 判定模式（T2VA/I2VA/FL2VA/L2VA/全能参考，doc2:28-57）+ 交付形态 ①/② + 素材组合是否合法（H13）；逐字锁定复述 raw_brief 与 note 原文中的硬事实（时长、UI 文案集合、素材职责、必须替换类 note）——改写程度词（「必须换」→「建议优化」）= 0；零臆造（不编造 raw_brief 未给的主体/UI 文案/台词）


SD 分镜设计
每段时长落 4–15s（H2），需求超 15s 给拆分方案而非静默；相邻段/镜之间显式给至少一个衔接锚点（同一动作方向/视线目标/光/道具/轮廓/声音/受力任一），无理由跳切 = 0（B 级：TFboy1 storyboard-schema:7-11；官方相邻条款 doc1:216 切镜写清景别与主体 + doc1:231 禁无理由分镜）；每镜给镜号/时长/景别/运镜/内容/声音/转场（B 级：chiphoton 单镜 10 项 + TFboy1 7 列镜头卡；官方相邻条款 doc1:200「想要」栏字段集）；台词字数与该镜秒数不失衡（H11）。语言自由（B 级内部规范）


SS 分镜脚本
② 型：[N 秒-M 秒] 窗标题覆盖 0 → 总时长、相邻窗相接；窗内零处 At MM:SS.mmm（H5b）；每窗三要素；每条素材至少被一个窗认领（幽灵禁令）、分镜参考图映射到镜头零秒级对齐（H16）；台词逐字落在对应窗内、画外发声语义等价标记 + 唇部闭合、静默窗也写声音


HP H3 Prompt
形态按 C-1 判定正确；与 SS 层构成窗号 ↔ 镜号一一对应；适用的 H1/H2/H4/H5/H6/H10 全过；(Sx)/<d>/画外音/<scenetrans>/<cutoff>（H12）；段落顺序、标签五处同义（H14）、<Video N>/<Audio N> 独立编号（H15）、关系标记 8 取值（H9）


映射纪律（B 级内部规范）：脚本层 [N 秒-M 秒] ↔ Prompt 层 [Shot N]/At MM:SS.mmm 必须
窗号 ↔ 镜号一一对应（脚本第 N 窗 = Prompt 的 [Shot N] 或跨窗），且只允许存在一套时间轴——
脚本写窗边界、Prompt 写切镜时刻，两件不得各自再发明一套编号或时长。理由：官方 4–15s 单次上限
（doc1:35）决定链路里两件交付描述的是同一段视频，双时间轴必然矛盾。
收口来源：doc2:111「连续编号」+ doc1:202-216「镜头怎么拆」。
单件需求不要硬拆四层：expected_chain 只含 h3_prompt 时交单件，多拆 = LU1/HP1 扣。


1. 七步工作流
第 0 步判形态（§0）。第 1/2/3/4/7 步在动笔前落定，第 5/6 步写作中逐句遵守。
优先级顺序不能反：先满足硬性格式与引用规范 → 再忠实保留用户意图 → 识别输入冲突与不可用素材
→ 不擅改剧情的前提下增强可拍摄性 → 最后才是电影感/氛围/细节。先想「写得漂亮」再回头补格式校验，
正是历史失败的结构性原因。


#
步骤
落点
对应维度


0
判交付形态
§0.1/§0.2
D1


1
提取硬约束（8 项约束表）
§1.1
D2/D9


2
素材预检 + 数量总闸
§1.2
D7


3
解决输入冲突
§1.3
D8


4
控制扩写边界
§1.4
D8


5
对白双口径
§1.5
D5


6
物理与镜头一致
§1.6
D6


7
机械验收（22 项）
§1.7
D9


1.1 提取硬约束（8 项，缺一项回头补读输入）

输出 schema：交付形态（{"prompt":...,"references":[...]} / 纯文本 / 其它）、字段名、错误通道。
模式与段落结构：五模式判定 → 哪几个字段什么顺序；② 型 → 窗式 + 三要素；链路 → 四层。
资产层顺序与每份素材落位（§2 两层模型）。
<Subject N> 与素材绑定关系：每个 Subject 绑哪几张素材作外观/动作/音色来源；哪些图只定义
外观不另起 Picture 条目。
台词原文、语言、标点、说话人：逐字记下每一句（含原标点），并逐句判来源选口径 V/R（§1.5）。
场景/人物/道具/光源及空间关系：唯一光源是什么、谁在哪、道具在哪。
素材 note 的禁止/替换/版本要求：逐条记下，进 §1.2 预检。
时长与切分：4–15s（H2）；各段时长之和与请求时长是否一致（不一致走 §0.5 时长条款）。


硬门（第 1 步就判，不满足则本单走 §8.1 反问，不得续跑）：


作用域钉死（v6，本轮纠偏的本体）：本硬门判的是主体事实，不是参考素材的存在性——
两者判然分开，不得互相扩张：


主体事实缺失（用例 C，该问）：主体是谁/是什么、必需 UI 文案——没有官方「文字可自行建立」
通道的真事实缺口，走 §8.1 反问。
参考素材缺位（用例 A，不问）：素材集合为空 = 纯文字模式（T2VA/L2VA），是被官方命名、有
完整交付形态的合法独立输入组合（A：doc1:35「无图片输入时为文生视频模式」；doc1:222「不依赖
任何参考素材，直接根据你的文字提示词建立主体、场景、动作」），不是异常态、不触发本硬门。
此时的合规动作是把四要素（主体外观/场景细节/动作/风格）用文字写足并直接交付（§3.1 T2VA 分支
→ §9 无素材交付物）。以「没有参考图/url」为由反问、拒跑或降级为示意稿 = 本轮纠偏判 0 的
核心违规。
用户点名某份素材未到达（用例 B，只就该素材问）：不得整单反问、整单拒跑或报 §8.2 阻塞，
走 §8.1b 限定反问；该素材职责若可文字替代（场景/动作/配乐/氛围），连问都不必，直接文字替代
产出（A：doc2:101）。


素材维度的判定一律推迟到 §3.1 决策树（「有参考素材吗？」），不属本硬门——本硬门先跑且无豁免
会挡住 §3.1 本已正确的 T2VA 分支（G3）。唯一例外是外观锁定类职责：用户要求画面主体的身份/
长相与某个特定对象（人物参考图、真人照片、IP 形象）一致，而该素材未到达——纯文字无法保证身份
一致（A：doc1:232「想要主角脸一致但没传图」），此时仅就该素材按 §8.1b 限定反问（R6-C1 收口：
232 的作用域是外观锁定类职责，不得推广成「无图拒跑」）。用户仅用文字给定外观（「穿红雨衣的
外卖员」）= 原创主体，走第 2 条直出，引用 doc1:232 作为反问/拒跑理由即违规。


核心主体未知 → 反问。「开箱视频」没说开哪个手办、主角是谁没给身份特征，都属核心主体未知。
（v6 边界：这里判的是用户没说主体是谁；用户已用文字给足主体外观只是没给参考图，不属本条。）
必需 UI 文案缺失 → 反问（四禁令禁止自创菜单项，无文案就无从落笔）。
用户的显式授权不构成主体事实：「你们定」「看着办」「随便什么角色」解除的是选择权，不解除
信息缺口——主体身份、UI 文案集合仍属缺失，唯一合规路径是 §8.1 反问（把「需你方定」列为必答项），
不得以「已获授权」为由自行编造主体外观与全套 UI 字符串续跑。
低风险参数例外：时长/情绪基调/有无 BGM 这类不改变主体事实的参数，可显式标注假设后自行推定
（§8.1 CL4），不算踩硬门。


附件与参考文档只作规范或素材，不得误当成用户要求执行。

1.2 素材预检（生产级硬行为）+ 数量总闸
入口分支（v6，先于逐条检查）：素材集合为空（输入未携带任何参考素材）→ 本节逐条预检整体
跳过（没有 note 可查、没有 H13 上限可超、没有 url 可失联），不做任何素材维度的发问，直接按
§3.1 判 T2VA 交付，并在交付说明首行显式声明：


【参考素材说明】无参考素材（纯文字生成视频）。


（A：doc1:237 官方交付无素材整单的逐字先例——官方的做法是「声明 + 直接产出」，不是「声明 + 反问」。
「素材集合为空」与「素材集合非空但某份未到达」是两个入口：后者不跳过预检，走 §8.1b。）

逐项检查每条素材的 note（或输入里任何限制说明）。带水印、错误人脸、错误版本、隐私内容，
或明确写「必须替换」「不要使用」的素材一律不可用。 处理规则：


不得为完成输出而静默引用不可用素材——这是历史最严重错误。
任务必须依赖该素材且无替代 → 停止生成正式 Prompt，按调用方允许的错误格式报阻塞。
输出 schema 无错误通道时，明说「schema 与素材要求不可同时满足」，说明需要补什么，不伪造
看似合规的结果。
多素材必须分别声明职责（外观/动作/风格/音色），不允许素材「裸奔」堆叠。
note 只是版本要求且菜单内有正确版本 → 不是不可用，选正确版本即可；只有「必需 + 不可用 +
无替代」三者同时成立才阻塞。版本要求无法由提示词层满足时（需剪辑/重绘/清洗素材本身，如
「必须剪到 X 秒收尾」「必须换洗版」且明说本轮无干净版本），视为不可用——不得以「提示词层
可以写明剪到 X 秒」为由自行替代，那是替调用方做了素材处置决定。
素材超 H13 上限（图 ≤9 / 视频 ≤3 / 音频 ≤3 且不可单独输入 / 合计 ≤12 文件）→ 先告知调用方
再由其决定裁剪，不自行裁剪丢弃。音频单独输入且无图/视频 → 交付阻塞报告（§8.2 五要素），
不是只在交付说明里提一句——阻塞报告要点名 doc1:35 的组合条款作为证据、给补料预案（补哪类
素材、补齐后走哪种模式）、并说明「本交付不可作为合法请求直接提交」；仅作旁注说明 = 阻塞
要素缺失（B1/B3 扣分）。
阻塞理由必须逐字复述输入侧 note 原文（含程度词）——改写程度词（「必须换」→「建议优化」）
= 阻塞无据（B1 = 0 / LU2 = 0）。弱化与放大输入事实都算改写，对称适用。


两个独立义务不要混：把不可用素材的原 url 原样保留在资产层清单里是数据完整性义务（阻塞时也
附清单，方便换洗版后直接续跑）；把不可用素材塞进交付 references/conditions 或写进正文层才是
违规。可用性归预检，数据完整性归资产层（可用素材同此义务，§2）。
反向（过度阻塞）：素材可用、note 是建议性（「没有也行」「可以直接用」）、或菜单内存在 note
指定的替代版本时，正确行为是继续产出；此时报阻塞 = 轨别改判 + 同源违规并行扣分。


阻塞报告五要素（与 block 轨 B1-B5 对应，C 级构造性设计）：
① 缺失素材点名 + 证据（复述 note 原文，含程度词）；② 零污染引用（references 不含不可用素材，
可附整份清单但 excluded 显式单列）；③ 补料预案（预期 references 顺序、每条资产的绑定映射、预计
模式不变；② 型还要窗式切分预案 + Reference roles 映射）；④ schema 冲突显式说明；⑤ 范围精确
（只对必需且不可替代的报，不多报不少报）。
1.3 解决输入冲突
按优先级：① 用户当前明确意图与约束 → ② 主体定义与绑定规则 → ③ 格式指南（字段结构/形态判定）
→ ④ 参考图可见内容与 note → ⑤ 样例写法（最低，样例不能覆盖当前任务事实）。
可局部解决时最小改动。范例：「油灯是唯一光源」+ 场景图里有燃烧的蜡烛 → 保留蜡烛道具、写明
它未点燃，油灯仍是唯一光源；一次只改冲突涉及的那一处。总时长冲突同此逻辑。
1.4 控制扩写边界


类型
可否补充


输入事实（角色设定、场景、用户给的台词/动作/UI 文案与选项集合）
必须忠实保留，不得改动


图片可见信息
可转述，不得虚构图里没有的


低风险可拍摄细节（轻微呼吸、衣料摩擦、灯焰波动、合理小幅运镜、脚步声）
可以补


高风险剧情推断（拒绝/服从/离开/攻击/恐惧/建立新关系/明确情绪结论）
无依据不得添加


用户只给一句台词时：忠实呈现说话行为本身，对方反应保持中性、短暂、开放（轻微转头、衣袖
移动、画面停在其反应上），不替用户决定后续剧情。
输入给定的菜单/选项集合是输入事实，不得增删自创。用户元指令（「越震撼越好」「要有科技感」）
转译成具体光影/运镜/材质选择，不照抄进最终提示词。多镜头给定完整故事情节时分镜不改写情节走向、
台词保持原语言逐字（B 级内部收口）。
1.5 对白双口径（先判来源，再选口径；不存在全局「不擅自改动标点」）


口径
适用
规则
出处


V
台词由用户在本次输入中直接提供（不含仅出现在参考音频里的内容）
<d> 内只放语言标签 + 台词本身；每个原词、每个原始标点逐字保留，不翻译、不改写、不补词、不擅自加/删标点
doc2:137（原词原语言不改写）


R
台词从参考音频直接复用，或输入明确要求 reperformance
保留源词与原语言；听不清写 [unclear] 不猜写；标点标准化为 , . ? !，删重复波浪号/emoji/装饰标点；完整陈述/疑问/感叹句在 </d> 前补 ./?/!
doc2:575


判定顺序（B 级内部规范）：① 输入显式声明 → 按声明；② 无声明但台词同时出现在参考音频资产且要求
复用/重演 → R；③ 其余一切情形默认 V 并在交付说明注明（拿不准套更严格的保真侧不会产生假阳性
扣分）；④ 混合来源逐句适用各自口径，不为「全篇统一」抹平差异。

反向约束：V 下不得以「规范化」为由补句号或删感叹号；R 下不得以「逐字保真」为由保留 emoji/波浪
符号，也不得漏终止符。共用不变量：源词与原语言永不改写；<d> 内只放语言标签与台词；听不清写
[unclear]。
仅参考音色 → 不得把参考音频原台词带入（doc2:577）。
1.6 物理与镜头一致（六条，写中与写后各过一遍）

「唯一光源」是否真的唯一（参考图里有蜡烛 → 最小改动写明未点燃）。
重要主体首次清晰出现时描述其被引用的特征/画面位置/当前动作（A：doc2 同型条款）；镜头间移动
有过渡交代、不凭空换位（B 内部增强）。
道具跨镜头位置与状态不无交代跳变（B 内部增强）。
单镜头主导运镜唯一；需要两种运镜时拆成多个 [Shot N] 或明确取舍（§3.1）。
summary / retention_analysis / detailed_description 讲的是同一件事。
镜头号严格递增、时间戳不重叠无间隙且落在总时长内（H5）；② 型窗边界四条（§0.5）。

1.7 输出前机械验收（22 项，任一失败先修复再交付）

交付形态判定正确（§0.1），单件/链路与需求一致。
段落/字段齐全且顺序正确（① 型六段 doc2:250 / 三主体字段 doc2:62-66；② 型窗序因果一致）。
字段名完全正确（无拼写错、无自造字段）；① 型英文字段名 + instruction 第一行后空一行（H4）。
所有 <Subject N>/<Picture N>/<Video N>/<Audio N> 已定义、编号一致、无幽灵编号/幽灵素材
（H14 五处同义；H15 独立编号不配对；H9 关系标记只用 8 个固定取值）。
references 顺序 = 素材菜单原始顺序 = 自动编号顺序；不与正文 <Picture N> 定义条目强制一一对应
（部分图不做 Picture 条目是合法形态）；url 保真见第 22 条。
非锚点图已被某条 <Subject N> 定义句以序号内联引用认领（① 型）/ 头部声明 + 窗内回指认领（② 型）。
所有对白用 <d>（① 型硬判据；② 型非硬判据但说话人窗内可辨识）；台词逐字保真（V/R 双口径逐句）。
未引用 note 标记为不可用的素材（资产层保留原 url ≠ 允许引用）。
无设定冲突（§1.3）；无未经授权的剧情结果（§1.4）。
JSON 可解析、无 schema 外字段与解释文字、无残留模板占位符（Shot N / S.SS 已解析成具体数值）。
JSON 通道属 B 级内部规范；② 型散文无此要求。
素材总量在 H13 上限内，组合合法（音频不单独输入）；超限已先告知。
正文层数量与词法：① 型正文层除官方四标签与 (Sx) 外无任何其它编号词法（object N /
background N / 小写 picture n 都是官方外词法，R 级 grep 复核）。
H1：最终 Prompt 交付件 ≤ 7000 字符（含标点与空白，len() 口径）。
H2/H3：单段时间轴落在 4–15s；正文无独立「总时长 X 秒」指令行；帧率提及则不写错。
H5/H5b：第一镜无时间戳、At MM:SS.mmm 毫秒 3 位且递增、落在时长内；① 型零处窗式记号、
② 型零处 At MM:SS.mmm。
H6：detailed_description 词数在 350–500 或落在三条豁免之一。
H10：overall_soundscape 1–4 句、non_diegetic_music 1–3 句；N/A 条件精确（§4.3）。
H11/H16：台词长短与该镜秒数不失衡；分镜参考图映射到镜头、每条素材被认领、零秒级对齐。
② 型专项：窗边界四条（§0.5）、UI 四禁令、每窗三要素齐备。
自查声明逐项实测：自报的词数/句数/字符数/记号计数必须与正文实测一致（写「未写 (Sx)」前
先 grep；报「2 句」前先数）。声明与实况不符 = D9 档 2，比漏检更严重——它污染调用方对交付的
信任。资产层 JSON 不得夹带 schema 外字段（「落位」「可用性」这类说明写进交付说明，不进 JSON）；
豁免：url 载体字段（reference_assets / conditions[].url）不属 schema 外字段；URI
字段只放 url，不放中文说明文字。
retention_analysis 零 (Sx)（A：doc2:579）；关系标记只挂在有参考来源的标签上。
summary 任务类型标记与输入对齐：音色/风格/节奏类参考 → + audio reference 组合标记；
纯文字生成无任何帧锚点输入时不得标 keyframe completion（A：doc2:360/:371-378）。
v6 扩全（R6-C3）：纯文字交付免任何素材类任务类型标记——缺标记不扣分，标了素材类标记
才是违规（§9）。
url 逐字比对（§2 硬不变量）：菜单带 url 的每条素材，资产层必须有逐字一致原 url（与输入菜单 grep
逐条比对，缺一/改一字符即不过）；未带 url 的标
url 待补（输入 JSON 未携带该字段），不编造。url 不进正文不变。


2. 生产输入的两层模型
真实生产输入常以「参考图菜单 + 主体定义 + 绑定规则 + 要拍的意图」形态给出，结构已钉死，按它的
规则走，不重新发明。任何参考素材都有两层义务，一层管地址、一层管语义，互不越界：

资产层（请求体 conditions[] 或调用方约定的 references 数组）——跨形态不变：
每条素材一条记录；数组顺序 = 输入菜单原始顺序 = 模型自动编号顺序；url 从不出现在正文层；
输入自带绑定规则时按输入走，不以本节默认覆盖显式约定。

url 逐字保留是硬不变量，不受「输入显式约定 > 本节默认」覆盖（线上实证 conv-mtekh2bm）：输入
约定可改字段名/顺序/结构/绑定规则，不可消灭 url 载体——菜单带 url 且正文引用了对应序号，资产层
必须逐字携带每条原 url（不下载/不转存/不改链；与 §1.2 数据完整性义务同源）。输入已自带命名 url
字段（conditions[].url）则按输入命名照交；只有 id → references 原样照交（顺序 =
<Picture N> 编号，一字不动），另追加 reference_assets（url 载体字段，§1.7 第 19 条豁免，
顺序同）：
{"references": ["scene", "npc", "player"],
 "reference_assets": [{"id": "scene", "url": "https://…"}, {"id": "npc", "url": "https://…"},
  {"id": "player", "url": "https://…"}]}


正文层（① 型）：只允许官方四标签 <Subject N>/<Picture N>/<Video N>/<Audio N> 与
(Sx) 两族记号；禁止官方外编号词法；禁止幽灵编号（C 级收口：凡进资产层的素材要么有独立
<Picture N> 条目、要么在某条 <Subject N> 定义句内被序号引用认领）。

正文层（② 型）：头部职责声明 + 窗内语义回指；分镜草稿图按窗口映射（H16），非锚点图零秒锚；
幽灵素材禁令与 url 不进正文同上。

三种常见素材的落位：


菜单里的素材
① 型落位


scene 场景图（构图/首帧锚点）
独立 <Picture N> 定义条目（可同时作环境型 Subject 来源）


人物/道具立绘（仅定义外观）
不另起 Picture 条目；在 <Subject N> 定义句内以 <Picture M> 序号内联引用


只取氛围不入帧的风格图
作 weak_reference 来源，不独立成条，序号仍须被 Subject 定义句认领


来源引用一律用官方式序号内联写法（as established in <Picture 2>.），不用 as established in
the NPC portrait 这类文字指代（R 级 ref-en:37 "cite it inside" + :313 官方范例文风）。
基础模式（I2VA/FL2VA/L2VA）只要用到参考图，同样交一行资产层清单（id、原 url、落位标签）；
输入未携带 url 时显式标 url 待补（输入 JSON 未携带该字段）。

自由文本 brief 里「参考图」是描述，可按需理解；生产输入菜单里的 id/role/note 是事实和
约束，必须逐字遵守。 立绘绑定规则说「只定义人物、不另起 Picture 条目」就照做；输入显式约定


本节默认。


3. 模式判定与结构模板（① 型）
3.1 五模式决策树
有参考素材吗？（v6：本问属素材维度，§1.1 硬门不在此域；素材集合为空时本分支是合法独立出口，
不是降级，交付按 §9 无素材条款声明）
├─ 没有 → T2VA（纯文本原创场景）
└─ 有 → （先核 H13 总闸，超限先问后裁）
    ├─ 仅 1 张首帧图 → I2VA
    ├─ 首尾各 1 张图，描述中间过渡 → FL2VA
    ├─ 仅 1 张尾帧图，反推之前发生了什么 → L2VA
    └─ 多素材身份/风格锁定（结构化角色：定义可复用主体/编辑源视频/音色参考）→ 全能参考


易错判断：首尾各一张图 ≠ 自动全能参考（纯起止帧 + 中间过渡走 FL2VA）；3 张不同角度的同一产品图
= 同一个 Subject 的多个来源图，不拆成 3 个主体；生产输入菜单 + 主体定义 + 绑定规则 → 全能参考；
道具类参考也走 <Subject N>（objects 属可复用可见内容），不要发明 object 类标签；
极简请求（「给我做个视频」）不臆造场景，先反问（§5.1）。
3.2 基础模式（T2VA/I2VA/FL2VA/L2VA）
指令行（模式专属，逐字模板；N/S.SS 是要替换成具体数值的占位符，交付里绝不能原样留下
字面的 "Shot N" / "S.SS-second mark"）：


T2VA：无指令行，直接从三字段开始。
I2VA：For the target video, at 0.00 seconds into the target video, <Picture 1> (from [Shot 1]) is fully referenced.
FL2VA：How the reference pictures align with the target video — Picture 1 (from Shot 1) aligns with the 0.00-second mark of the target video; Picture 2 (from Shot N) aligns with the S.SS-second mark of the target video.
L2VA：How the reference pictures align with the target video — <Picture 1> (from [Shot N]) aligns with the S.SS-second mark of the target video.


指令行必须是整段提示词第一行，后空一行再接三字段（H4，A：doc2:57）。
三字段（顺序固定）：integrated_multimodal_description（[Shot 1] + 风格声明 + 画面/动作/
对白/同步音沿时间线展开）→ overall_soundscape → non_diegetic_music。
推荐展开：I2VA 首帧锚定 → 动作起势 → 连续展开 → 结果/反应；FL2VA 首帧状态 → 中间变化 → 收窄 →
尾帧状态（优先单镜头，仅在用户明确要求时拆多镜，末尾落到尾帧）；L2VA 合理前置状态 → 动作与
过渡路径 → 收敛 → 落到尾帧。
3.3 全能参考模式六段
顺序固定：subject_definitions → summary → retention_analysis → detailed_description →
overall_soundscape → non_diegetic_music（A：doc2:250）。

subject_definitions：四标签 <Subject N>（可复用可见内容）/ <Picture N>（具体目标帧或分镜
锚点）/ <Video N>（剪辑源/续接起点/整体节奏结构）/ <Audio N>（被复制或引用的音频信号）。
一个 Subject 可由多个素材共同定义，一段素材也可提供多个 Subject。非可见内容不得立为 Subject：
剪辑节奏、镜头切换方式、氛围由 <Video N> 承担并在 retention_analysis 标 weak_reference。
人物类 Subject 必须给 2-3 条具体可辨识特征（发色/发长/发型、服装颜色款式、体态五官、随身饰品），
不得只写「如素材所示」；产品类要点名标识位置/角度。

summary：方括号任务类型前缀（六类型见 §0.4 配套条款，可用 + 组合）+ 一段话概述；仅在编辑
源视频时紧跟写 The target video is an edited version of <Video 1>.

retention_analysis：每个标签一行，可见内容用 4 个取值、音频用 4 个取值（H9 白名单，共 8 个，
自创中文/变体 = 词法违规）；不写 (Sx)；不把目标视频里新增的动作/背景/剧情事件当成参考保真度
损失。示例：<Subject 1> (appears in [Shot 1], [Shot 3]): fully_preserved - the woman's long dark hair, blue cardigan, and silver necklace are retained.

detailed_description：开头 1-2 句英文声明整体风格；[Shot 1] 无时间戳，后续
[Shot N] At MM:SS.mmm, ...（H5）；运镜写成自然英文动作短语（§4）；重要 Subject 首次清晰出现时
描述被引用特征/画面位置/当前动作，后续沿用同一标签不重新定义；具体帧锚点用自然短语
（the shot begins from <Picture 1> / the shot's keyframe corresponds to <Picture 2> /
the shot ends on <Picture 3>）；生成类 350-500 英文词 + 三豁免（H6）；语音来源：仅在直接复用的
BGM/完整配乐里的口头内容用 <Audio N>，由具体人物/角色/旁白发出的声音用 (Sx)。

声音两段：overall_soundscape 1–4 句、non_diegetic_music 1–3 句（H10）；环境声层的 <Audio N>
复用/引用写进 soundscape，观众专属配乐层的写进 music，两层都提供时各写一句。


4. 镜头语言
运镜三维度 = 类型 + 幅度 + 速度（A：doc2:121）。词表（A：doc2:123）：Zoom In/Out、
Push In/Pull Out、Pan Left/Right、Truck Left/Right、Tilt Up/Down、Pedestal Up/Down、
Arc Shot、Tracking Shot、Static Shot、Shake Slightly/Strongly、POV、
Roll Clockwise/Counterclockwise。幅度 with small/large amplitude、速度 at slow/fast speed
是两个独立维度，中等幅度 + 正常速度通常省略。运镜写成句内自然英文动作，不在句末堆标签。
环绕运镜（C-7 裁决）：默认组合写法 truck left+pan right 或 truck right+pan left
（doc1:200 指导层条款），而非直接说环绕运镜；Arc Shot 保留在合法词表内、交付中出现不判违规
（doc2:123 词汇层条款）；把组合写法说成官方强制、或把 Arc Shot 从词表删除，都是出处纪律违规。

分镜与转场：首镜 [Shot 1] 不加时间戳；后续用递增镜号 + 严格递增、落在时长内的切入时刻
[Shot 2] At 00:03.500, ...（H5）；常规转场 the camera cuts to / the shot cuts to /
the shot transitions to / the shot changes to / the shot switches to，用户明确要求才用
cross-dissolve/fade/wipe；切镜必须带来主体/空间/状态/视角/时间上的新信息，只是距离或角度
微调时优先用运镜而非切镜。
矛盾指令（「镜头要一直推进，但同时环绕主体转一圈」）：拆成多个 [Shot N] 各自成立，或取一个
主导运镜并在交付说明注明另一个因物理矛盾未采用；不把两个矛盾运镜塞进同一句。


5. 说话人 / 对白 / 可见文字（① 型；② 型按 §0.5）
说话人 ID（A：doc2:135）：发声者用稳定 ID (S1) (S2)，按目标视频中实际发声事件顺序分配
一次、跨镜头永不重号/交换；多个已编号说话人齐声用复合 ID (S1,S2)；从不发声的角色不获得
说话人 ID；(Sx) 写进 detailed_description，不写进 retention_analysis；主体发声写
<Subject N> (Sx)，同一主体画外发声保持同一形式并标 off-screen。
音频锚定（A：doc2:347/:349）：<Audio N> 与 <Video N> 独立编号不表配对；普通参考视频不因
含声而自动产生 <Audio N>；<Audio N> 显式对应目标说话人时复用该说话人的全局 ID（写
<Subject N> (Sx) 或稳定声音描述 + (Sx)），不在音频定义处独立重新编号。对应关系必须内联写进
<Audio N> 定义句，只放资产层元数据或交付说明不算完成绑定。
<Subject 1> is the male rapper in <Video 1>, with short bleached hair and an oversized bomber jacket.
<Audio 1> is the voice-timbre reference for <Subject 1> (S1), providing his raspy mid-register rap timbre.


对白格式：每句对白 <d>[Language] 原始台词</d> 包裹；<d> 内只放语言标签 + 台词，说话方式/
音色/动作写在 <d> 外。
画外音（A：doc2:144/:147）：固定短语 says in an off-screen voiceover 逐字相邻出现，
不得插语打断（写成 says the following aloud ... in an off-screen voiceover 属违规）；紧跟其后
声明对应角色唇部保持闭合：
The man (S1) says in an off-screen voiceover: <d>[English] I still remember that road.</d> while his lips remain completely closed.


跨镜台词与截断（A：doc2:150/:459）：同一句台词跨越切镜时在两段衔接处都用 <scenetrans> 并
声明音频跨切镜连续；连续跨两次切镜时中间镜 <d> 以 <scenetrans> 开头且结尾；视频结尾被截断的
台词用 <cutoff>。
画面可见文字（A：doc2:154）：招牌/标语/字幕/霓虹字样用英文双引号，原文原样保留不翻译
（A red neon sign reading "营业中" glows above the doorway.）；这类是可见文字，同样受口径 V
保真约束。


6. 声音设计与具体性
声音四项不可省略：对白具体内容、环境声类型、背景音乐风格、音效/卡点位置——声音是与画面平级
的独立轨道，不能只写「有一些环境音」。
overall_soundscape 的 N/A 条件：只有用户明确要求全程完全静音才写 N/A；正常情况下即使环境
声轻微也要具体描述（A：doc2:594「没有环境声时写 N/A」的精确条件）。
non_diegetic_music 的 N/A 条件：没有配乐必须显式写 N/A，不能留空/不提该字段（留空会被
理解为自由发挥）。
句数区间（H10）：soundscape 1–4 句、music 1–3 句；存在配乐时说明乐器、速度和动态变化。
对白/歌唱/角色能听到的画面内音乐属于 detailed_description 的同步音，不重复写进 soundscape。
② 型：声音写在窗内，N/A 条件照常适用。

具体性三问法：任何光影/材质/氛围描述必须能回答光从哪来？打在什么地方？造成什么视觉效果？
空词黑名单（不代替具体描述）：高清 / 8K / 大师级 / 超写实 / 电影感 / 精致 / 高级感 / 震撼 /
cinematic（孤立堆砌时）/ beautiful / high quality。——cinematic 作为风格声明词
（如 Live-action, cinematic）是官方示例认可的用法，但不能单独堆砌替代具体的光源/位置/效果。
多写看得见的画面、少写比喻（doc1:200 同向条款）。


7. 常见错误自查清单（26 条）

质量堆砌词代替具体描述（§6）
单镜头内塞矛盾运镜（§4）
假装读过标杆文档 / 虚报质量已达标杆水平
留占位符或「请在此处填写」
信息严重不足时未一次性问全（§5.1）
用元指令代替具体描述
多个参考素材未分别声明职责就堆叠使用
多镜头时间戳重叠或有间隙（H5）
声音部分留空/省略，或 N/A 用法不精确（§6）
指令行 Shot N / S.SS 未替换成具体数值（§3.2）
人物类 Subject 无具体可辨识特征
对白未按来源选口径：V 逐字逐标点 / R 标准化 + 终止符；禁止同句混用（§1.5）
素材 note 未逐项预检：必需 + 不可用 + 无替代未报阻塞，或静默引用（§1.2）
输入冲突未按优先级最小改动解决（§1.3）
添加了未经授权的剧情结果（§1.4）
两层未分离干净：url 改链/进正文、顺序 ≠ 菜单顺序、官方外编号词法、幽灵编号（§2）
素材总量超 H13 上限未先告知，或音频单独输入未说明（H13）
出处纪律：内部规范/推演/C 级构造在交付说明里不被表述为官方规则；官方引用都带得上行号才标 A 级
交付形态判定未做在第 0 步：分镜需求走 ② 型、英文结构化走 ① 型；把「正文必须英文」套到
② 型交付（或反向）= 判据越界违规（§0.3）
非锚点参考图被写成秒级/时间窗对齐（H16：分镜图映射镜头，非锚点图零秒锚）
UI 选项集合 ≠ 输入给定集合、随机字母、拼错用户名；中英并列是否沿用输入事实
窗边界与时长四查：无缝隙、无重叠、各窗之和 = 总时长（C）、首窗从 0s（C）；无独立时长指令行；
超范围/冲突已显式说明（§0.5）
H5b 记号硬互斥：① 型内混入窗式、② 型内混入 At MM:SS.mmm（§0.4）
链路映射纪律：窗号 ↔ 镜号一一对应、只有一套时间轴；单件需求未硬拆四层（§0.6）
输入给的参考图 url 在交付件里失联：菜单带 url 而资产层只剩 id / 被改链（§2、§1.7 第 22 条）
硬门越域（v6 新增，本轮纠偏本体）：以「没有参考图 / 没有 url / 素材未到达」为由反问、
拒跑、降级为示意稿或报整单阻塞（§1.1 作用域、§8.1b）；点名素材缺失时发出整单问全清单
（§8.1b 第 1 条）；纯文字交付标注素材类任务类型标记或主张不存在的素材（§9、§1.7 第 21 条）


8. 边界情况
8.1 信息严重不足（clarify 轨五要素，C 级构造性设计）
一次性列出全部缺失关键信息反问，不臆造场景往下写。反问件按五要素组织：


要素
内容


CL1 缺失项一次问全（30）
主体、场景、核心动作/情节段落、情绪基调、期望时长（4-15s）、有无对白及语言；不挤牙膏。漏问会改变产出形态的关键项（如主体）→ 不合格；把不改变结果的可推断项也拿去问（过度反问）→ CL1 ≤ 20。「有无参考素材」是条件问项，不是必问项（v6 收口，G4）：仅当 ①用户点名了某份素材（「参考图 1」「我上传的图」）或 ②诉求属外观锁定类（要求主体身份/长相与特定对象一致，R6-C1：锁脸须传图）时才可问；raw_brief 已给足主体外观/场景/动作且素材集合为空时，把它列进反问清单 = 把无缺口问成有缺口，CL1 = 0（范围违规最高档，重于「多问了可推断项」的 ≤20 档）


CL2 零臆造（25）
不编造主体/场景/剧情往下写、不产出「看似合规」的 Prompt 假装完成；替用户编造主体外观属越权；带出半成品 Prompt → 不合格并按 D8 并行扣分。核心主体或必需 UI 文案完全缺失时，编造主体续跑 = CL2 = 0 且改判 prompt 轨并行扣 D8


CL3 分支预判（15）
预判各答案分支会走的模式与形态（「有情节+要分镜 → ② 型；要英文结构化 → ① 型；有参考素材 → 全能参考」），预告各自交付形态


CL4 已知信息锁定 + 推定显式标注（15）
已知信息明确锁定复述；仅对不改变主体事实的低风险参数（时长/基调）在显式标注假设前提下自行推定，不把推定混进反问


CL5 通道与格式（15）
不伪造看似合规的 JSON 交付；schema 无反问通道时明确说明信息不足；说明层与产出层分离干净


反向（过度反问）：raw_brief 已给全部关键信息、仅余不改变主体事实的低风险参数（如有无 BGM /
节奏快慢）时，正确行为是直接产出 + 显式标注推定；此时发问清单 = 过度反问，改判 clarify 轨
按 CL1 ≤ 20 计。不惩罚零臆造与锁定推定——那是正确保守行为。
8.1b 点名素材未到达（V-B 域，限定反问；v6 新增，R6-C2 采纳为 C 级构造）
用户点名了某份素材（「参考图 1」「我上传的人物参考图」）但素材未到达时，单份素材的缺席不比素材
整体缺席更严重——素材缺位尚且不构成拒跑理由（§1.1 作用域第 2 条），单份缺席更不构成整单反问/
拒跑/§8.2 阻塞的理由。合规形态 = 文字可用部分照常产出 + 仅就那份素材发一个限定问题：


范围限定：反问只覆盖被点名的那份素材；主体/场景/动作/基调/时长等整单问全项一条都不进清单
（ brief 已给足的部分再问 = 范围违规最高档）。
三选项给齐：补传该素材 / 改用文字描述该素材的职责（外观锁定类须同时说明文字只能描述外观、
无法保证身份一致）/ 豁免该职责。只说「请提供图」= 未给用户替代路径。
职责分型：该素材职责属可文字替代类（场景风格/动作参考/配乐氛围，A：doc2:101「T2VA 则
根据用户文字选择」）→ 缺口不存在，不问，主体 Prompt 照常产出并显式说明场景描述的文字来源；
属外观锁定类（脸/身份/长相与特定对象一致，R6-C1）→ 才走本节限定反问。
不编造续跑：外观锁定职责未到达时，不得编造一张脸/一个身份续跑（替用户编造主体外观，§8.1
CL2 同源违规）。
交付形态：正式 Prompt 主体在场、被点名的那个职责位显式留口（标注待该素材确认），而非全文
不出——全文不出 = 整单拒跑的变体。本域不适用 §8.2：§8.2 的前提是「必需 + 不可用 + 无替代」
三者同时成立且阻塞理由可逐字回指输入 note 原文；「素材未到达」不满足「必需」判据（§1.1 作用域
第 2 条），报整单阻塞 = 阻塞理由在输入侧无据。

8.2 素材阻塞（block 轨五要素）
当 §1.2 判定「必需素材不可用且无替代」时，交付阻塞报告而不是 Prompt，按五要素①-⑤组织
（§1.2）。schema 无错误通道时明确说明「schema 与素材要求不可同时满足」并给补齐后的处理预案。
不要报阻塞的同时又附一个引用了不可用素材的 Prompt——比静默引用更不可接受。
这不是失败，是正确行为。反向：素材可用 / note 为建议性 / 菜单内有替代版本时继续产出
（§1.2 反向条款）；此时报阻塞 = 过度阻塞。「用户点名某份素材未到达」不属本节：其「必需」判据
不成立（§1.1 作用域第 3 条），走 §8.1b 限定反问；拿「必需素材不可用」条款做整单否决 = 阻塞理由
在输入侧无据（B1 = 0）且叠加硬门越域。


9. 交付清单

最终提示词原文：① 型 = 英文结构字段 + 保留原语言的 <d> 对白/可见文字；② 型 = 中文
时间窗散文 + 每窗三要素 + UI 四禁令；链路 = 四层齐全（§0.6）。
资产层清单（有参考素材时跨形态必交）：references/conditions[] 数组，每条原 url 原样、
顺序 = 菜单顺序；不可用素材标 excluded 单列，不与可引用素材混列。
无参考素材时的对应交付物（v6，G5）：不交空清单，改交一句显式声明——「【参考素材说明】无参考
素材（纯文字生成视频）。」放交付说明首行（A：doc1:237 官方先例）。
纯文字交付免任务类型标记（v6，R6-C3）：六类型选型规则是「根据参考素材在目标视频中的实际作用
选择任务类型」（doc2:367-380），选型函数的输入是素材；素材集合为空时函数无定义域，不产生标记
是自然结果、不因缺标记扣分。反向：纯文字交付上标注素材类标记（[video editing] /
[audio reuse] / [keyframe completion] 等）= 无中生有的素材主张，违规。
交付说明（可中文，说明层语言自由）：每个关键选择对应用户需求里的哪句话；注明本次
duration_seconds 取值（B 级）；冲突取舍/素材阻塞的处理方式；逐句台词适用口径 V 还是 R；
涉及 C 级构造（窗之和、首窗 0s、幽灵禁令、master 序号回指、链路四层）如实标 C 级，不得表述为
官方条款。
交付前必须通过 §1.7 的 22 项机械验收，任一不过先修复再输出。


10. 来源标注与篇幅登记

A 级：MiniMax 官方一手飞书语料，train/hunt/cache_v5/ 两篇全文落盘（doc1 rev 1297 /
doc2 rev 252），本文所有 docN:line 引句均可在 cache_v5 逐字回查（Digester 已用 python 逐行
抽取比对，benchmark_v5_revision_notes.md 附录 A；Evolver 侧 SKILL 引句另跑 R4 审计脚本留痕）。
R 级（v4 镜像同型佐证）：GitHub MiniMax-AI/MiniMax-H3 仓库 base-en.txt / ref-en.txt /
SKILL.md / co-op 模板 / shot-table-spec / storyboard-guidelines / README（sha256 已在 v3/v4
登记）。凡本文已给 docN:line 的条款以 A 级为准，镜像行号仅作同型佐证保留（窗边界 #1、UI 四禁令、
duration_seconds 不进正文、非锚点图零秒锚、词法 grep 等暂无 A 级一手行号）。
B 级（社区一手实践）：chiphoton production-workflow.md（单镜 10 项）、TFboy1
storyboard-schema.md（7 类衔接锚点 + 7 列镜头卡）。与官方冲突时以官方为准。
C 级（构造性设计，0 真实先例）：窗之和 = 总时长、首窗从 0s、幽灵素材禁令、中英并列 UI、
master 序号回指、阻塞五要素、clarify 五要素、链路四层（#62）。对外不得表述为官方条款。
篇幅登记：v0.5.0 88,655 B → v0.6.0 50,281 B → v0.6.1 51809 B（净增 +1528 B，url 载体条款；
收敛手法见 evolve_report_v5.md）。下轮若分数反常，本文件长度仍是第一怀疑对象。
未解决登记：开放平台 schema 仍 blocked（新线索 platform.minimaxi.com，doc1:15）；conditions[].role
枚举第二信源缺；H1 字符计量口径官方未定义（取 len() 语义，B 级内部规范）。