H3 视频提示词专家 — Hunt 阶段调研报告 v4
任务:T-mtbn18a4(重训调研 T-h3retrain-v4)|调研人:innovator-hunt (Hunter)|抓取时间:2026-08-27(UTC 14:43–14:56)
性质:纯增量报告。v1/v2/v3 已核实的结论(conditions[].uri 机制、四官方标签、立绘规则、标点双口径、六盲区定位等)一律不重写,只标引用位置(见 knowhow_v3.md §2/§3/§4/§5);
本文只写本轮新增的事实与新增的缺口。本轮新增能力主题:分镜镜头脚本(time-windowed storyboard)。
配套逐字信源清单:sources_v4.json(URL + 行号级引文 + 字节数 + sha256 + 抓取时间)。
0. 结论速览(Q1–Q6 逐条有答案)
- Q1(15s 时长):「4–15 秒」有官方逐字出处,且本轮把行号钉死了 —— README.md:73 规格表逐字
| Output duration | 4–15 seconds |,另有 README.md:67 "durations of up to 15 seconds" 佐证。指定方式走请求体参数(target.duration_seconds,三个官方脚本实测 5/8/10),不写进提示词正文。现役 SKILL §1「4-15秒,H3 官方范围」这条从「内部转述」升级为 A 级官方逐字,可放心引用。 - Q2(时间窗分段):官方仓库里存在两种提示词习语,时间窗写法属于第二种。h3-prompt-writing 双规范(base-en/ref-en)用镜头起始时间戳制(
[Shot 2] At 00:03.500,base-en.txt:86),没有任何 [Xs-Ys] 窗式写法;而官方同仓库skills/下 8 个 style-specific video generation skills 里,co-op-game-intro-generator的模板逐字使用[0秒–2秒]…[10秒–15秒]六个时间窗标题,且其六窗边界(2/2/3/1.5/1.5/5,总和 15s)与 master v4 案例完全一致 —— master 案例几乎可以确定是该官方模板的单人变体(§2 逐项对照)。 - Q3(每窗三要素):三要素全部有官方逐字对应。「景别/机位:」是官方模板每个时间窗的首行字段(co-op template:51/75/86/102/111/122);动作对应「画面内容/动作:」字段;UI/覆盖元素对应「UI结构:」「HUD结构:」「环境转化:」字段。「转场」官方没有独立字段,转场信息写在机位行的运镜描述里 + Negative constraints 的
no hard cuts(co-op template:133)。UI 可见文字的官方条款是 base-en.txt:146(§4.5 On-Screen Text,英文双引号 + 原文原样不翻译);UI 文字「中文 (ENGLISH)」中英并列写法官方零先例,属 C 级构造(§5.3)。 - Q4(非锚点参考图对齐时间窗):官方不允许也不要求非锚点图做秒级对齐。「aligns with the S.SS-second mark」只存在于 base-en.txt 的 I2VA/FL2VA/L2VA 首尾帧锚点指令行(L25/L31/L201/L215),ref-en.txt 全文零处 "aligns with"(全参考模式根本没有对齐条款);非锚点图的官方落位是 v3 已核实的「在
<Subject N>定义句内序号引用」(ref-en.txt:68)。官方模板习语下,UI 风格图{ui_ref}/ 人物图{player1_ref}用角色名绑定(co-op template:18-23 Reference roles 一节),可在具体窗口内被正文提及("延续 {ui_ref} 的构图逻辑",:51),但从不用秒级对齐。两条习语结论一致。 - Q5(边界纪律)分三层如实报告:①「无缝隙」有官方逐字条款,但在 style skill 层而非 h3-prompt-writing 层 —— shot-table-spec.md:65 "…must not leave any time gap"、storyboard-guidelines.md:47 "Panels must cover the full shot duration from first frame to last frame with no time gaps";②「无重叠」在 h3-prompt-writing 层只有相邻条款 base-en.txt:86 "strictly increasing cut time"(严格递增⇒不重叠,但「gap」一词在 base-en/ref-en 零出现);③「总和=总时长」「每窗必须连续无缝」在 co-op 时间窗模板里靠构造保证(六窗首尾相接),没有明文纪律条款 → 该条若写进 SKILL 须标 C 级构造性设计(相邻 A 级条款已列)。
- Q6(上游变更):零变更。v3 抓过的 9 个官方文件本轮全部重抓,字节数与 sha256 逐一致(§6 对照表);tree API 重新清点 281 条路径,无新增提示词规范文件。本轮全部增量来自 v3 已在树里清点、但未抓正文的
skills/目录(8 个风格 skill + skills/README.md,共 15 个新文件) —— 即「官方没有新增,是我们此前没读完」。
⚠️ 本轮最重要的判据分叉预警(给 Digester):官方仓库里两种习语的语言规则互相冲突 —— h3-prompt-writing 要求正文全英文(SKILL.md:33);而
handdrawn-live官方 skill 明文要求 "The final prompt language must follow the dominant language of the user input: Chinese input produces Chinese…"(:13),co-op模板正文本身就是中文散文 + 英文 UI 字符串。v4 若采用时间窗形态,走哪种习语(英文六字段结构 vs 中文时间窗散文)必须由 Digester 拍板,Hunter 只列证据不替上级选(§8)。
1. 本轮抓取清单(24 个官方文件:9 个复抓比对 + 15 个新增)
1.1 v3 已抓 9 个文件的复抓比对(Q6 证据)
全部 raw.githubusercontent.com 直读,字节数与 sha256 与 sources_v3.json 记录逐一致:
| # | 文件 | bytes | sha256 前16位 | 与 v3 |
|---|---|---|---|---|
| 1 | .claude/skills/h3-prompt-writing/SKILL.md |
2177 | a48f9db1231cebe6 | ✅ 一致 |
| 2 | references/base-en.txt |
15773 | 2cfebc096a6e0837 | ✅ 一致 |
| 3 | references/ref-en.txt |
23553 | 1e574f356716ad55 | ✅ 一致 |
| 4 | agents/openai.yaml |
240 | 7770c9d784b7251a | ✅ 一致 |
| 5 | README.md |
40135 | 7964f3044d3c7efa | ✅ 一致 |
| 6 | README.zh-CN.md |
36894 | 5c109694dae87cf0 | ✅ 一致 |
| 7 | Ref2VA/processor/chat_template.json |
5499 | 5c72a170d2a4a1a3 | ✅ 一致 |
| 8 | scripts/readme/reproducible-768p-ref2va-request.sh |
5047 | 73ea0e5cc94440b2 | ✅ 一致 |
| 9 | scripts/readme/reproducible-768p-fl2va-request.sh |
5718 | 82d1c06897da37e5 | ✅ 一致 |
另复抓 api.github.com/repos/MiniMax-AI/MiniMax-H3/git/trees/main?recursive=1(84966 bytes,281 条路径)。
1.2 本轮新增抓取(v3 未读正文的官方文本)
官方 skills/README.md:3 逐字定性:"This directory contains the skills bundled with MiniMax H3: **1 prompt writing skill and 8 style-specific video generation skills." —— 这些 skill 与 h3-prompt-writing 同属官方仓库随附内容(co-op SKILL.md:4 也写明 "Requires the MiniMax Hub agent (canvas workspace and MiniMax H3 generation)",STEP 6 "Generate the final video with Minimax H3")。出处定级:A 级官方逐字(官方仓库随附 skill 文本),但注意它们不是 h3-prompt-writing 五模式的格式规范,两套文本层级不同(§2.3)。
| # | 文件 | bytes | sha256 前16位 |
|---|---|---|---|
| 10 | skills/README.md |
8408 | d993939102d1b062 |
| 11 | skills/co-op-game-intro-generator/SKILL.md |
8216 | 8b49cf84a70fbbc9 |
| 12 | skills/co-op-game-intro-generator/references/h3-video-prompt-template.md |
10331 | 7fac20c236de585d |
| 13 | skills/co-op-game-intro-generator/references/h3-confirmation-image-template.md |
14001 | 344325132841a673 |
| 14 | skills/3d-animation-short-generator/SKILL.md |
14961 | 92f1130ccf456b3e |
| 15 | skills/3d-animation-short-generator/references/storyboard-guidelines.md |
14959 | a1a5aaed9681dd2f |
| 16 | skills/3d-animation-short-generator/references/shot-table-spec.md |
7803 | d4770ff3f7c6d1d8 |
| 17 | skills/3d-animation-short-generator/references/qc-checklist.md |
7308 | ffd9b192f09aff8c |
| 18 | skills/handdrawn-live-video-generator/SKILL.md |
7911 | 5c62175b552f51ed |
| 19 | skills/brand-promo-video-generator/SKILL.md |
13561 | a50d270e412be4ed |
| 20 | skills/minimalist-product-ad-generator/SKILL.md |
32495 | 1f07c58090141159 |
| 21 | skills/music-video-subtitle-generator/SKILL.md |
14423 | a2c0904632e8db52 |
| 22 | skills/paper-collage-explainer-generator/SKILL.md |
20952 | 2223d4b4ec6b2842 |
| 23 | skills/papercraft-stop-motion-explainer/SKILL.md |
22882 | bf8b8e42acd91a02 |
| 24 | scripts/readme/reproducible-768p-t2va-request.sh |
3425 | 78bfe72365f27a53 |
2. 【本轮最大发现】master v4 案例的官方同型母本:co-op-game-intro-generator
2.1 六窗结构逐字命中
skills/co-op-game-intro-generator/references/h3-video-prompt-template.md(官方文件,10331 bytes)的
## Fixed timeline framework(:48)下逐字使用六个时间窗标题:
:50 ### [0秒–2秒] — 双人主菜单
:74 ### [2秒–4秒] — PLAYER 1 右臂配置
:85 ### [4秒–7秒] — PLAYER 2 重型手臂配置
:101 ### [7秒–8.5秒] — 双人确认配置
:110 ### [8.5秒–10秒] — 双人世界加载
:121 ### [10秒–15秒] — 双人进入游戏世界
六窗时长 2 / 2 / 3 / 1.5 / 1.5 / 5 秒,边界相接、总和 15s —— 与 master_input_storyboard_case_v4.md 的六个时间窗逐窗同长。
2.2 案例内容与官方模板的逐项对照
master 案例里的元素在官方模板中全部逐字命中(含大量细节级命中,非泛型相似):
| master v4 案例元素 | 官方模板对应(行号+原文) |
|---|---|
| 高角度俯拍、角色坐地上抬头看摄像机 | :51 "景别/机位:高角度俯拍大全景…镜头从上方轻微下压并缓慢推进" + :53 "抬头看向摄像机" |
| 游戏菜单 UI:开始新游戏/继续(高亮)/设置/退出 | :64-68 "“START NEW GAME”“CONTINUE”“SETTINGS”“EXIT GAME”“CONTINUE”是视觉中心和主高亮按钮" |
| 右上/左上玩家资料 MINIMAX | :55-62 玩家资料卡结构(“PLAYER 1”/昵称/“READY”) |
| UI 面板滑入 RIGHT ARM EQUIPMENT、PHANTOM GRIP→CHRONOS CLAW 高亮切换 | :77 "…准确显示:“PLAYER 1”“RIGHT ARM EQUIPMENT”。装备列表中先高亮“PHANTOM GRIP”,随后选区移动至“CHRONOS CLAW”" |
| 义肢逐段拆解重装、露出线路和活塞、青色 LED 更亮 | :79 "手指分开,修长爪状指节滑入并逐一锁定,内部短暂露出精细线路、微型活塞和金属连接件。配置完成后,功能强调色 LED 依次亮起" |
| ARMAMENT CUSTOMIZATION 网格(手部/前臂/肘部/上臂) | :88-93 "“ARMAMENT CUSTOMIZATION”。面板以网格形式展示:“HAND”“FOREARM”“ELBOW”“UPPER ARM”选区快速但清晰地在四个组件之间切换" |
| CONFIRM CONFIG 按钮闪烁→点击、UI 面板向内收缩消失 | :104 “CONFIRM CONFIG” + :106 "所有 UI 面板快速向内收缩并消失" |
| LOADING 条 0%→100% | :113 "加载条准确显示:“LOADING”。进度从 0% 快速填充至 100%" |
| 环境变暗/金色光芒渗入(加载过渡) | :115 "环境转化:黄色平面环境连续转化为游戏世界…转化必须连续自然,不使用硬切" |
| 第三人称身后视角、小地图、生命值弹药、任务标记、迈步进街道 | :122 “大全景转第三人称跟拍” + :128 "HUD结构:HUD 淡入。右上角出现小地图;左下角出现…状态栏…前方街道中央出现共享任务标记" |
结论(A 级):master 案例的「时间窗 + 每窗机位/动作/UI 三要素 + 游戏菜单→装备→确认→加载→进入世界」结构不是 master 发明的形态,官方仓库里就有一份同型模板。v4 训练的「能力蓝本」可以直接对齐这份官方文本,训练判据从此有官方锚点。
差异也要如实记录:master 案例是单人(义肢少女)+ 赛博朋克紫色调;官方模板是双人(PLAYER 1/2)+ 用户可选风格、黄色平面环境。差异属「同一骨架的变体」,不改变结构同型判定。
2.3 习语层级警示(不得混同)
这份模板不是 h3-prompt-writing 五模式规范:
- 它没有
integrated_multimodal_description/overall_soundscape/non_diegetic_music/subject_definitions字段名,声音写进每窗的「声音:」字段(:72/:83/:99/:108/:119/:130); - 参考素材不用
<Picture N>标签,而用{ui_ref}/{player1_ref}/{player2_ref}/{height_ref}占位符 +## Reference roles(:18-23)一节声明各自职责; - 正文是中文散文(UI 字符串为英文)。
即官方体系内并存两种提示词习语:
| 习语甲:h3-prompt-writing(v3 已核实) | 习语乙:style skills(本轮新增) | |
|---|---|---|
| 正文语言 | "Write rewrite sections in English"(SKILL.md:33) | "The final prompt language must follow the dominant language of the user input: Chinese input produces Chinese…"(handdrawn :13) |
| 结构 | 固定字段名(三字段/六字段) | 自由段落/时间窗标题(每 skill 自定) |
| 时间表达 | [Shot N] At MM:SS.mmm 起始时间戳(base-en:86) |
[X秒–Y秒] 时间窗标题(co-op)/ 逐秒 panel(3d-animation)/ 段落序命名(handdrawn) |
| 参考素材 | <Subject/Picture/Video/Audio N> 四标签 |
{xxx_ref} 角色占位符 + Reference roles 表 |
| 对齐条款 | 首尾帧 aligns with the S.SS-second mark |
无秒级对齐 |
v4 训练走哪种习语必须由 Digester 拍板(涉及语言规则冲突、字段结构冲突、标签体系冲突三个维度)。Hunter 只指出:master 给的案例形态与习语乙同型;而现役 SKILL v0.4.0 的全部硬规则建立在习语甲上。
3. Q1 总时长 15s:官方支持范围与指定方式
3.1 范围(A 级,本轮钉死行号)
README.md:73(H3 输入输出规格表)逐字:
"| Output duration | 4–15 seconds |"
README.md:67 佐证:"…can generate video with native stereo audio at resolutions up to 2K and durations of up to 15 seconds."
第三方佐证(同为官方 skill 文本,非模型规格):music-video-subtitle-generator_SKILL.md:63 "because many models have a 15-second single-generation ceiling";shot-table-spec.md:62 "no shot exceeds 15 seconds. If a beat needs more, split it."
判定:现役 SKILL §1 优先级 2「期望时长(4-15秒,H3 官方范围)」从内部转述升级为 A 级官方逐字(README.md:73)。
3.2 指定方式(A 级)
时长走请求体参数,不进提示词正文:
scripts/readme/reproducible-768p-ref2va-request.sh:29→"duration_seconds": 5scripts/readme/reproducible-768p-fl2va-request.sh:25→"duration_seconds": 8scripts/readme/reproducible-768p-t2va-request.sh:19→"duration_seconds": 10- README.md:326/344/365/404 的可复现案例标注
Duration: 10 seconds/8/5,对应任务 JSON 的"duration": 10字段(README.md:344)。
提示词正文里的时长信息只以镜头时间戳/时间窗形式体现(base-en:86 的时间戳须 "fall within the video duration")。15s 案例的官方形态:co-op 模板最后一窗收在 [10秒–15秒](:121)、handdrawn 固定 0-3/3-6/6-10/10-13/13-15 秒七段(:57-65)。
4. Q2 时间窗分段描述:官方条款与范例定位
4.1 逐字使用 [X秒–Y秒] 窗式标题的官方文件(习语乙,A 级)
co-op template:48 "## Fixed timeline framework" + :50/74/85/101/110/121 六个窗标题(§2.1 已引)。每窗内部是带字段名的结构化段落,官方字段集合为:
景别/机位(:51)·画面内容(:53)·UI结构(:55)·动作(:79)·动态风格填充(:70/:81/:97)·声音(:72)·环境转化(:115)·关键约束(:117)·世界风格(:124)·角色关系(:126)·HUD结构(:128)。
4.2 逐秒 panel 制(习语乙另一形态,A 级)
shot-table-spec.md:23 "…a required Per-Second Directives subsection. The subsection must break the shot into second-by-second instructions such as 0–1s, 1–2s, 2–3s; for sub-second critical beats, use 2.0–2.5s style markers. Each per-second directive MUST cover all five required elements",五要素逐字在 :24-28:
- Action / pose / expression;2. Camera movement;3. Spatial position;4. Audio cue;5. Handoff to the next second or next shot。
storyboard-guidelines.md:35-40 同款:panel 结构为 Timecode(如 0–1s)+ Pose + Expression + Camera(push/pull/pan/tilt/handheld-shake/locked/orbit)+ Audio + Anchor;:42-46 规定 3 秒镜头→3 个 panel(每秒 1 个)、7+ 秒镜头每秒一个 panel。
4.3 段落序命名制(习语乙第三形态,A 级)
handdrawn-live:57 "…Keep this paragraph order:" + :59-65 固定十一段顺序,其中 3-7 段就是时间窗:3. 0-3 秒;4. 3-6 秒;5. 6-10 秒;6. 10-13 秒;7. 13-15 秒。正文不写窗标题括号,而是按顺序把每段内容写成散文段落。
4.4 h3-prompt-writing 双规范里没有任何窗式写法(反证,A 级)
base-en.txt / ref-en.txt 全文检索 [数字-数字s] / [X秒 / [0-1s] 均零命中;官方时间表达只有:
[Shot N]镜头号 + 首镜头无时间戳、后续镜头起始时刻(base-en:86);- 首尾帧对齐指令行的秒级锚点
aligns with the 0.00/8.00/S.SS-second mark(base-en:25/31/201/215); - README 可复现案例正文
[Shot 2] At 00:04.500(README.md:344 内嵌 prompt)。
4.5 官方时间线写法(T2VA timeline)与 [Xs-Ys] 窗式写法的关系(判读,B 级收口解释)
两种写法不是竞争关系而是层级关系:起始时间戳制是「喂给 H3-Base 模型的正文语法」(习语甲,规定每个镜头从哪个时刻切入);窗式写法是「人机协作工作流里的分镜文档语法」(习语乙,规定一段 15s 内容如何切成可审阅的拍摄段落)。官方仓库没有一份文本把两者互相换算,也没有任何官方文本声明生产交付给模型的 prompt 必须写成窗式;co-op 模板本身是「直接拿去喂 H3 的最终 prompt」(其 SKILL.md:16 "Use references/h3-video-prompt-template.md when refilling the final Minimax H3 video prompt in STEP 6")——这一点对「窗式写法也能直接喂模型」是有力的官方实证(A 级行为证据),但「两种写法何时选哪种」官方无条款(B 级缺口)。
5. Q3 每窗三要素的官方条款(机位/运镜 + 主体动作 + UI/覆盖元素)
5.1 机位/运镜(A 级)
- 习语乙字段名:
景别/机位(co-op template:51/75/86/102/111/122,六窗齐备)——master 案例每窗第一句写机位/运镜的形态与此逐字同构。 - 逐秒制下的运镜词表(shot-table-spec:25 / storyboard-guidelines:38):
push / pull / pan / tilt / handheld-shake / locked / orbit。 - 习语甲的运镜三维度(类型+幅度+速度)条款在 base-en.txt:94-96(v3 已核实 SKILL §5.1 转写自此处,本轮不重写)。
- master 案例的「平滑变焦」「摄像机平滑地绕到她的左侧」「摄像机拉回至中景」对应官方模板 :75 "镜头从主菜单平滑推近"、:86 "摄影机沿两人之间平滑横移并绕向…"、:102 "镜头平滑回到双人构图" —— 「平滑 + 具体部位」的运镜短语是官方文风(A 级)。
5.2 主体动作(A 级)
习语乙字段名:画面内容(co-op:53)、动作(:79/:95/:106)、逐秒制 Action / pose / expression(shot-table-spec:24)、Pose + Expression(storyboard-guidelines:37)。master 案例「她的右手机械地重新配置,手指分开…新的爪状指节锁定到位」与官方 :79 逐字级对应(§2.2 表)。
5.3 UI / 覆盖元素 / 转场(A 级 + 一处 C 级构造)
- UI 字段:
UI结构(co-op:55/:77/:88/:104/:113)+HUD结构(:128)+环境转化(:115)——master 案例的「右侧显示游戏菜单 UI」「UI 面板从右侧滑入」「底部出现加载条」「HUD 元素淡入」全在此官方字段族内。 - UI 文字书写纪律(习语甲,A 级):base-en.txt:146 "Place any banner, sign, label, subtitle, or neon text that is actually visible on screen in English double quotation marks. Preserve the original text and punctuation verbatim, without translation."(v3 未引此条,本轮补上;现役 SKILL §6.3 的可见文字条与它一致)。
- UI 文字书写纪律(习语乙,A 级):官方模板把每条 UI 字符串单独成行、英文双引号、大写(:63-67 "“START NEW GAME”/“CONTINUE”/…"),并有 Negative constraints 专句管 UI 文字质量::133 "no unreadable UI, no random letters, no misspelled usernames, no extra menu options" —— 这四句是官方对 UI 文字可读性/准确性的明文禁令,可直接引入 v4 判据。
- ⚠️ C 级构造:UI 文字「中文 (ENGLISH)」中英并列。master 案例写「开始新游戏 (START NEW GAME)」「继续游戏 (CONTINUE)」;官方模板 UI 字符串只有英文(:64-67),官方 On-Screen Text 条款要求可见文字原样不翻译(base-en:146)。中英并列=在画面上放置两份可见文本,官方零先例、零条款。写进 SKILL 必须标 C 级构造性设计(候选辩护:并列写法与「原文不翻译」不直接冲突——中文可读作交付侧说明——但官方没有任何文本支持这个读法,须 Digester 拍板是否保留)。
- 转场:官方没有独立转场字段。转场信息在官方模板里有两处落点:① 写进机位行的运镜描述(:75 "平滑推近"、:102 "拉回"、:122 "转第三人称跟拍");② Negative constraints 的
no hard cuts(:133)。另 :117 "转化必须连续自然,不使用硬切,不用烟雾遮挡"。master 案例的「UI 面板从右侧滑入」「所有 UI 面板向内收缩消失」官方对应为滑入/收缩动画(:77/:106)。「每窗写明转场」若成硬性判据属内部增强(B/C 级),相邻官方条款已列。
6. Q4 参考图与时间窗对齐:非锚点图官方不需要、也不提供秒级对齐
6.1 秒级对齐是首尾帧锚点专属机制(A 级)
aligns with the S.SS-second mark 只出现在 base-en.txt 的 I2VA/FL2VA/L2VA 起始指令行(:25/:31/:201/:215,v3 已核实,本轮复核哈希一致、行号未变)。ref-en.txt 全文 0 处 "aligns with"(grep 逐字核验)——全参考模式(master 案例对应的模式)官方没有对齐条款。
6.2 非锚点图在两条习语里的官方落位(A 级)
- 习语甲(v3 已核实,只标引用):仅定义人物/场景/服装/风格的图不另起 Picture 条目,在
<Subject N>定义句内序号引用(ref-en.txt:68);分镜草稿图则映射到镜头而非秒数:ref-en.txt:70-73 "When an image acts as a storyboard or shot-planning reference, state which shots it maps to…" / "<Picture 3>is a storyboard reference for [Shot 1] and [Shot 2], defining their viewpoint, subject placement, and shot order." - 习语乙(本轮新增):参考图按角色绑定,声明集中在模板头部
## Reference roles(co-op:18-23):{ui_ref}"Use it to lock UI layout, menu hierarchy, color system, typography scale, button structure…"、{player1_ref}"PLAYER 1 identity anchor. Lock exact face, hairstyle…"。全部四种参考角色没有任何一种带秒级对齐;UI 风格图在具体窗口内被正文提及时用的是语义短语(:51 "延续 {ui_ref} 的构图逻辑"、:70 "保留 {ui_ref} 的布局和层级"),不是秒锚。
6.3 本轮结论(含判读分级)
「参考图1=角色外观来源、参考图2=UI风格来源」这类非锚点图:官方两种习语都只做角色/语义绑定,不做时间窗对齐。因此:
- 若 v4 要求非锚点图「对齐到时间窗」→ 无官方依据(C 级,不得写成官方条款);
- 若 v4 要求非锚点图「在对应窗口内被语义提及/认领」(如 UI 窗口内回指 UI 风格图)→ 有官方行为先例(co-op:51/:70,A 级),但「必须在每个涉及该来源的窗口回指」是推演加强(B/C 级);
- 与 v3 已核实的「幽灵编号禁令」(knowhow_v3 §4.4 / SKILL §0.6.1)兼容:习语乙没有编号体系,该禁令只在习语甲下有意义。
7. Q5 时间窗边界纪律:分三层如实定级
| 纪律 | 定级 | 官方证据 |
|---|---|---|
| 无缝隙(相邻窗/相邻秒不留空档) | A 级(习语乙) | shot-table-spec.md:65 "…every second from 0s to the shot duration is covered by a Per-Second Directives entry… Sub-second beats like 2.0–2.5s are allowed but must not leave any time gap.";storyboard-guidelines.md:47 "Panels must cover the full shot duration from first frame to last frame with no time gaps.";:38 "cover the entire shot duration from first frame to last frame" |
| 无重叠 | A 级(习语甲,相邻条款) | base-en.txt:86 "begin each one with a strictly increasing cut time that falls within the video duration"(严格递增 ⇒ 不重叠);⚠️ "gap"/"overlap" 两词在 base-en.txt 与 ref-en.txt 零出现(grep 核验),没有直白的无重叠句 |
| 总和 = 总时长 | C 级构造(相邻 A 级已列) | 官方六窗模板(co-op:50-121)与七段模板(handdrawn:59-65)都构造性首尾相接收在总时长上(15s),但没有任何文本写明「各窗之和必须等于总时长」这一纪律 |
| 首窗从 0s 开始 | C 级构造(行为先例 A 级) | 所有官方模板首窗/首段都从 0 开始(co-op:50、handdrawn:61、shot-table-spec:65 "every second from 0s"),无明文「必须从 0 开始」条款 |
| 单窗最短时长 | 无官方条款 | base-en 无;shot-table-spec 只有单镜头上限(:62 no shot exceeds 15 seconds)与每秒一 panel 的隐含下界。现役 SKILL §9 第 11 条「单镜头短于 1.5 秒(第三方经验)」的谨慎适用结论维持不变 |
结论:把「无缝隙、无重叠、总和=总时长」整体写成一条官方纪律是过度概括——只有「无缝隙」拿到习语乙的逐字条款,「无重叠」是习语甲的相邻条款,其余两条是官方模板一致行为 + 我方构造。v4 SKILL 落地时建议按本表分行标注等级,不要合并成一句「官方要求」。
8. Q6 官方仓库本轮变更核对(结论:零变更)
- 9 个 v3 文件复抓字节/sha256 全一致(§1.1 对照表);
- tree API 重抓(84966 bytes,281 路径):
.claude/skills/h3-prompt-writing/与skills/的文件清单与 v3 记录的清点结论一致(v3 §1 注记里已写明 skills/ 下有 8 个风格 skill),无新增提示词规范文档、无新 references 文件; - 如实说明:本轮对 v4 主题(分镜/时长/UI 文字)的全部增量来自
skills/目录里v3 已清点但未读正文的 15 个文件,不是官方在上游新增的内容。即:官方没有变化,是我们的覆盖面变宽了。 - 限制:v3 未把 tree.json 全文落盘,无法对 281 条路径做逐字节历史比对;本轮已把 tree 摘要写入 sources_v4.json(s10),下一轮起可比对。
9. 对「Innovator 归纳的 6 条形态特征」的独立复核(任务指定逐条复核,不默认采信)
| # | Innovator 归纳 | 复核判定 | 依据 |
|---|---|---|---|
| 1 | 六个时间窗 2/2/3/1.5/1.5/5,边界连续无缝隙无重叠,总和=15s | 结构同型 ✅(A 级);纪律表述 ⚠️ 过度概括 | 六窗时长与官方模板逐窗相同(co-op:50-121,A);但「无缝隙/无重叠/总和=总时长」作为纪律只有 §7 表里的分级支撑,不能整条标官方 |
| 2 | 每窗三要素齐备:机位或运镜、主体动作、UI/覆盖元素(部分窗有环境光变化/转场) | ✅ A 级(三要素均有官方字段对应) | 景别/机位/画面内容/动作/UI结构/HUD结构/环境转化(co-op:51-128);「转场」无独立字段(§5.3)——该括号里「转场」一半要降级 |
| 3 | 故事线因果连续(菜单→右臂→左臂→确认→加载→进入世界) | ✅ A 级(同型)+ B 级(作为通用判据) | 官方模板即 Fixed timeline framework 固定事件框架(:48,六窗事件链同序);但「由同一条故事情节连续展开」作为普适判据无逐字条款,相邻条款为 base-en:172(v3 已核) |
| 4 | 参考图开头一行声明「角色参考图1,UI风格参考图2」,正文以「参考为图1」回指 | ⚠️ 混合:声明位置 A 级同型;「图1/图2」编号回指 C 级构造 | 官方声明参考图职责的位置也在模板头部(## Reference roles,co-op:18-23),但用的是角色名占位符 {ui_ref}/{player1_ref};「参考图1/参考图2」序号与 chat_template.json 的 Picture 自动编号机制相容(knowhow_v3 §2.4 机制性证据),但「以 参考为图1 形式回指」无官方逐字先例 |
| 5 | UI 文字中英并列:中文在前英文括注 | ❌ C 级构造(官方零先例) | 官方模板 UI 字符串英文-only(:63-67);On-Screen Text 要求原文不翻译(base-en:146)。中英并列=两条可见文本,无条款支持(§5.3) |
| 6 | 数字/状态可量化:进度条 0%→100%、LED 更亮、高亮切换 | ✅ A 级 | 官方逐字:"进度从 0% 快速填充至 100%"(:113)、"选区移动至"(:77)、"LED 依次亮起"(:79) |
总评:6 条里 4 条站得住(1/2/3/6),第 4 条一半站得住,第 5 条不成立(官方相反方向——UI 字符串单语言)。master 案例整体是官方 co-op 模板的单人中文变体;Innovator 的归纳方向正确,但其中「中英并列」「边界纪律」两条如果直接写进 SKILL 硬判据会把 C 级构造冒充成官方条款——必须按本表分级落地。
10. 给 Digester / Evolver 的增量建议(只追加,不改 v1-v3 已定案项)
- 先拍板习语(§2.3 表):v4 时间窗形态走习语甲(英文六字段 +
[Shot N]起始时间戳,时间窗只作为内部分镜工作产物不进交付正文)还是习语乙(中文时间窗散文直接作交付正文)。这是本轮唯一影响全局的裁决点;两种习语的官方文本都已逐字到手,可直接引用裁决。 - 把 master 案例的官方母本(co-op template 六窗 + 每窗字段族)写进 v4 训练蓝本引用清单:结构同型证据比 Innovator 的归纳更硬。
- 时长条款升级:SKILL §1「4-15秒」补行号出处 README.md:73(A 级),并补一句「时长由请求体
duration_seconds指定,不写进提示词正文」(§3.2)。 - 边界纪律按 §7 分级表落地,不合并成一句官方要求。
- UI 文字:可引入官方四禁令
no unreadable UI / no random letters / no misspelled usernames / no extra menu options(co-op:133,A 级);「中英并列」如保留必须标 C 级并写明是 master 形态约定。 - 补引 base-en.txt:146 On-Screen Text 到 SKILL §6.3 可见文字条(v3/v4 均未引过该行号)。
- benchmark 候选新判据(均需先标级):每窗首行含机位/运镜(A 级同型)、每窗含 UI/覆盖元素(A 级同型)、进度条等可量化状态(A 级同型)、UI 文字可读且无随机字母(A 级官方禁令)、非锚点图不做秒级对齐(A 级反证)。
- 下轮 Hunt 可选补课:
skills/*/SKILL.cn.md(8 个中文版,本轮未抓,与英文版差异未比对);h3-confirmation-image-template.md的确认图工作流(与 v4 主题相关性低);开放平台文档(v3 遗留,仍受网络限制)。
11. 网络受限记录(如实)
- platform.minimax.io / platform.minimaxi.com 本轮仍不可达(沿用 v3 §7.1 状态;本轮未重试,因本轮问题集不涉及开放平台 schema)。开放平台请求 schema 继续保持未核实状态。
- raw.githubusercontent.com 与 api.github.com 本轮全程可用;24 次 curl 全部 200,无重试触发,无超时(R2 参数全程携带:
--retry 3 --retry-all-errors --max-time 60)。 - 本轮无 transcript 词级重复抖动(R3 未触发)。
- 本轮未启用 WebFetch 降级路径(R2 第一步即成功,无需降级)。
12. 未核实 / 受限事项(如实,不充当结论依据)
skills/*/SKILL.cn.md中文版 8 个未抓取,中文版与英文版是否有差异未核对(引用一律以英文版/中文模板原文为准——注意 co-op 模板本身就是中文文本,已按原文逐字引用)。- 两种习语的模型侧实际接受度(中文窗式散文 vs 英文六字段)无官方对照实验数据,本报告只到「官方同时存在两种写法」为止,不推断哪种出片质量更高。
- co-op 模板的「单人变体」是否官方另有单人文档未查证(本轮 tree 清点 281 路径中无第三份游戏类模板;master 案例的单人形态来源属推演)。
h3-confirmation-image-template.md(14001 bytes)只核对哈希与存在性,未逐行引用(与 v4 主题相关性低,留作下轮)。- §4.5 的层级判读、§6.3 的推演加强句、§9 第 4 条的「机制相容」判读均为 B/C 级我方解释,已在各自位置标注,不得当作官方出处转述。