{ "task": "T-mtd7r60r", "agent": "innovator-hunt (Hunter)", "round": "retrain v5 HUNT (两篇飞书官方文档首次入库 + 两个 GitHub 社区 skill)", "crawl_date": "2026-08-28", "fetched_at_utc": "2026-08-28T17:05:00Z - 2026-08-28T17:29:00Z", "time_precision_note": "crawl_time 为分钟级精度(同一批次共用一个时刻),非逐请求秒级记录", "method": "飞书走 /app/bin/lark-cli docs +fetch(bot 身份,先 outline 后 markdown,全文一次取全未分段);GitHub 走 api.github.com git/trees 拿全量路径 + raw.githubusercontent.com 逐文件抓取;sha256 本地计算;行号为缓存落盘文件内 1-based 行号", "grading_legend": { "A": "官方一手(MiniMax 官方飞书文档),可逐字回查 cache_v5/", "B": "社区一手实践(GitHub 公开仓全文已落盘),工程规范可参考,与官方冲突处不采信", "C": "个人方法论 / 无官方出处的自创词汇,只登记不采信", "R": "复用自 v4 已固化信源,本轮禁复抓,逐字出处走 train/hunt/sources_v4.json" }, "sources": [ { "id": "s01", "grade": "A", "title": "飞书官方 · 🐻MiniMax H3 模型 - 使用手册(本轮最高优先级,此前从未进过任何一轮语料)", "url": "https://vrfi1sk8a0.feishu.cn/wiki/FIWjwgL33ipnkekzk30crmKUnIh", "revision_id": 1297, "document_id": "ZRFZd89oMoGTyrx2JXWcpPq1n7f", "bytes": 147058, "sha256": "48a7a693c70b4e8fd6567a2f4d3ce049ec3966577a3b2ee0e4db556c752b98b6", "crawl_time": "2026-08-28T17:06:00Z", "fetch_via": "lark-cli docs +fetch --doc-format markdown(bot 身份,ok:true)", "cache": "cache_v5/feishu_doc1_H3使用手册_FIWjwgL33ipnkekzk30crmKUnIh.md", "structure": "一、模型定位 / 二、模型功能信息 / 三、模型亮点能力&示例(1.1-1.9 + 2.1-2.3 + 3.1-3.4)/ 四、如何更好地使用 H3(1. 整体公式·四要素·镜头怎么拆·三类模式·容易踩的坑;2. 特定风格·提示词示意;3. 最佳方式)", "quotes": [ { "line": 35, "text": "输出时长4-15秒 … 输出帧率24 FPS … 输出声音所有结果全部带声音输出,原生双声道 … 提示词字数上限不超过7000字符", "note": "模型硬参数表(A 级一手):4-15秒、24FPS、原生双声道、提示词 <=7000 字符;另有 全能参考入口 图片<=9张 / 视频<=3段(单段[2,15]s, 总<=15s) / 音频<=3段且必须配图或视频 / 混合输入总上限 12 个文件;首尾帧入口 图片 0/1/2 张;768p 已开放、1440p 官方推荐版" }, { "line": 71, "text": "官方小Tips:如果你在处理文字时遇到乱码问题,可尝试将文字以图片形式提供给 H3 作为参考图,并在提示词中明确告诉 H3——\"这张内容必须按\"图片\"来理解,不能按\"文字\"来处理。\" 通常能有效降低乱码情况。", "note": "★官方一手新增条款,v1-v4 全部没有:文字乱码 → 转参考图 + 显式声明按图理解", "verbatim": false, "verbatim_lines": "71", "reformat_note": "原文是 HTML table 内嵌引号嵌套,text 为保义转写;逐字以 cache :71 为准" }, { "line": 97, "text": "[0 秒-2 秒] 高角度俯拍。… [2 秒-4 秒] 平滑变焦至她的右臂。… [4 秒-7 秒] 摄像机平滑地绕到她的左侧。… [7 秒-8.5 秒] 摄像机拉回至中景。… [8.5 秒-10 秒] 底部出现加载 (LOADING) 条。… [10 秒-15 秒] 当她起身时,完整的环境在她周围加载。", "note": "★v4 master 案例(六时间窗 0-2/2-4/4-7/7-8.5/8.5-10/10-15)的官方一手同型确认。v4 只能靠 GitHub 镜像 co-op 模板(s13)间接证明,本轮升为 A 级一手逐字" }, { "line": 186, "text": "开源用户Prompt指南:", "note": "官方自己把 doc2 定位为 doc1 的 Prompt 指南出向引用,两篇文档互为正源" }, { "line": 195, "text": "完整提示词 = 参考素材说明 + 核心创意 + 画面过程说明", "note": "★官方整体公式(三段式)" }, { "line": 200, "text": "画面过程说明 按时间轴或故事线分段写,每个分镜/时间段包含两部分:想要(画面景别+内容+运镜+动作+台词+音效)/ 不想要(视频里不要出现什么)… 非叙事性音乐:N/A 或者使用英文格式:\"non_diegetic_music\": N/A … 0-3 秒:全景,女子(@图片1)从画面左侧缓步走入樱花庭院(@图片2)… 3-8 秒:切镜到女子的中景… 8-12 秒:切镜到特写,剑光一闪,慢动作… 非叙事性音乐:N/A", "note": "四要素表逐字出处;官方同时给出中文字段名(非叙事性音乐)与英文字段名(non_diegetic_music)两种写法 → 直接印证 v4 的习语分轨必要性;且给出了第三种时间分段形态「N-M 秒行式」", "verbatim": false, "verbatim_lines": "200", "reformat_note": "doc1:200 为单行超大 HTML table,text 是其中多格的紧凑摘录;逐字以 cache :200 为准" }, { "line": 200, "text": "写清即可;注意环绕运镜,建议用 truck left+pan right 或者 truck right+pan left,而非直接说环绕运镜", "note": "★官方一手新增:环绕运镜的替代组合写法(与 doc2:123 运镜表含 Arc Shot 构成官方内部张力,见 knowhow_v5 §冲突 C-7)" }, { "line": 200, "text": "尽量少写比喻句,多写看得见的画面 … 因为 H3 更擅长理解明确的画面指令,而不是抽象比喻", "note": "官方一手:禁比喻/意会句条款" }, { "line": 206, "text": "台词的长短和画面变化内容需要合乎每个shot的长短逻辑,尽量不要出现一个3s shot说很大一段话的情况,会非常影响效果", "note": "★台词-镜头时长对齐条款;官方原注「很多口型问题会来自于这个」" }, { "line": 208, "text": "H3 能够响应跨shot (J-cut,L-cut)的台词响应,只要明确写出一句台词跨了哪些shot就可以响应!", "note": "官方一手:跨镜台词官方术语 J-cut / L-cut" }, { "line": 209, "text": "对于一个shot而言如果是画面内说话人角色,需写清楚是哪个角色说的,如果是画面外说话人,写清楚是画外说话人。如果发生了画内外因为切镜造成的转化的情况可以明确写出来", "note": "画外/画内说话人身份显式条款;:211-213 给出「画外音 Wake up Wake up → 切镜到中年妇女近景,她是画外音的主人,她继续说道 It's time to go to school!」完整官方示例" }, { "line": 216, "text": "切镜的时候可明确写出切镜到什么景别,具体主体是之前的哪个角色,有助于跨镜头一致性的保持", "note": "切镜一致性条款(跨镜身份保持的官方写法)" }, { "line": 222, "text": "上传多模态素材融合(多模态参考)… 每个素材都要写清它的角色:@图片1 → 人物参考(锁脸)/ @视频1 → 动作参考(锁动作)/ @音频1 → 节奏/情绪参考 … 上传图片生成视频(图生视频)只上传 1 张图:说清楚是首帧还是尾帧;上传 2 张图(首+尾帧):H3 不会自动加切镜,只补两帧之间的动作、光影、声音 … 纯文字生成视频:多用「大全景交代空间 + 中景承载动作 + 特写强调细节」的分层写法", "note": "三类模式官方写法;2 张首尾帧图不会自动加切镜是一条易错点", "verbatim": false, "verbatim_lines": "222", "reformat_note": "doc1:222 为单行 HTML table,text 是三格紧凑摘录;逐字以 cache :222 为准" }, { "line": 231, "text": "想一镜到底但写了很多分镜 → 全文保持一段情节描述,删掉【镜头 N】结构", "note": "官方坑表:一镜到底与分镜结构互斥 → 分镜结构的取舍由「是否切镜」决定,不是默认加", "verbatim": false, "verbatim_lines": "231", "reformat_note": "原文为 markdown 表格行「| 想一镜到底但写了很多分镜 | 全文保持… |」,text 用 → 连接;逐字以 cache :231 为准" }, { "line": 237, "text": "【画面过程描述】0〜3 秒- 正向:… - 反向:… 3〜6 秒- 正向:… 6〜10 秒- 正向:… 10〜13 秒- 正向:… 13〜15 秒- 正向:…", "note": "官方「特定风格·提示词示意」完整 15s 案例:第四种时间分段形态「0〜3 秒」全角波浪线 + 每段「正向/反向」两栏(正向=要什么,反向=不要什么)" } ], "used_for": [ "模型硬参数升 A 级", "整体公式/四要素官方正源", "v4 六时间窗案例官方一手确认", "乱码转图条款(新增)", "时间分段多制式盘点(见 knowhow_v5 §冲突 C-1)" ] }, { "id": "s02", "grade": "A", "title": "飞书官方 · MiniMax H3 - 视频扩写 Prompt 写作全能指南(T2VA/I2VA/FL2VA/L2VA + 全能参考六段式 + 标签体系)", "url": "https://vrfi1sk8a0.feishu.cn/wiki/Vztzwstuqi3MQKkxs8QcGmxinxe", "revision_id": 252, "document_id": "DhOudwGrAoykcRxjBOoc4pLonTf", "bytes": 41607, "sha256": "caa721f6140cc06f1450c961d38372059191fc5e106cef787249a8098f8c0e06", "crawl_time": "2026-08-28T17:09:00Z", "fetch_via": "lark-cli docs +fetch --doc-format markdown(bot 身份,ok:true)", "cache": "cache_v5/feishu_doc2_Prompt写作全能指南_Vztzwstuqi3MQKkxs8QcGmxinxe.md", "structure": "引言 / 一、文生视频·关键帧生视频(1 任务介绍;2 最终 Prompt 结构;3 关键帧写进多模态描述;4 共用三主体段落;5 Cases 1-4)/ 二、全能参考(1 整体结构;2 引用标签与定义;3 summary;4 retention_analysis;5 detailed_description;6 overall_soundscape 与 non_diegetic_music;7 完整示例)", "quotes": [ { "line": 28, "text": "- **T2VA**:根据文字构建完整的视听时间线。\n- **I2VA**:T2VA 主体 + 首帧 instruction + 从首帧继续发展的画面路径。\n- **FL2VA**:T2VA 主体 + 首尾帧 instruction + 从首帧到尾帧的连续路径。\n- **L2VA**:T2VA 主体 + 尾帧 instruction + 从合理的前置状态收敛到尾帧的路径。", "note": "四类 VA 路径的官方定义" }, { "line": 42, "text": "For the target video, at 0.00 seconds into the target video, (from [Shot 1]) is fully referenced.", "note": "I2VA 固定 instruction 逐字模板" }, { "line": 48, "text": "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.", "note": "FL2VA 固定 instruction 逐字模板" }, { "line": 54, "text": "How the reference pictures align with the target video — (from [Shot N]) aligns with the S.SS-second mark of the target video.", "note": "L2VA 固定 instruction 逐字模板" }, { "line": 57, "text": "其中,`N` 是最后一个实际镜头的编号;`S.SS` 是视频有效时长,固定保留两位小数。instruction 必须位于最终 Prompt 的第一行,后面空一行再写主体字段。", "note": "★instruction 位置硬规则(第一行 + 空行)+ S.SS 两位小数定义" }, { "line": 62, "text": "integrated_multimodal_description: [Shot 1] ...\n\noverall_soundscape: ...\n\nnon_diegetic_music: ...", "note": "T2VA/I2VA/FL2VA/L2VA 三主体字段官方顺序(:69-71 给出各字段职责)" }, { "line": 79, "text": "推荐结构:**首帧锚点 → 动作起点 → 连续变化 → 结果或反应**。", "note": "I2VA 四段推荐结构(:87 FL2VA:首帧状态→可观察的中间变化→差异逐步缩小→尾帧状态;:93 L2VA:合理前态→明确的动作与变化路径→最后一个镜头逐步收敛→尾帧落点)" }, { "line": 101, "text": "`[Shot 1]` 的开头先写整体风格与初始构图。常见风格包括 `Cinematic`、`live-action`、`2D-animated`、`3D CG`、`claymation`、`watercolor` 和 `vintage film`。关键帧任务的风格应从参考图中提取;T2VA 则根据用户文字选择。", "note": "风格词官方枚举 + 风格来源规则" }, { "line": 107, "text": "第一镜不写时间戳。", "note": "★与 v4 base-en.txt:86 的「Do not add a timestamp to the first shot」官方一手逐字对应,升级为 A 级" }, { "line": 111, "text": "后续镜头使用连续编号,并在开头写递增且位于视频时长范围内的切镜时间:", "note": "与 v4 base-en.txt:86「strictly increasing cut time」官方一手对应" }, { "line": 114, "text": "[Shot 2] At 00:03.500, the camera cuts to...", "note": "★切镜时间的官方具体格式:`At MM:SS.mmm`(三位毫秒)。v4 习语甲未固化该格式" }, { "line": 117, "text": "普通切镜可使用 `the camera cuts to`、`the shot cuts to`、`the shot transitions to`、`the shot changes to` 或 `the shot switches to`,一些更加高级的切镜手法也可以灵活表述。", "note": "切镜动词官方白名单(5 个)" }, { "line": 121, "text": "一个完整的镜头运动表达由三个维度组成:**运镜类型**决定相机如何运动,**幅度**说明构图变化范围,**速度**说明变化节奏(中等幅度和常速通常省略)。", "note": "运镜三维度官方正源(v4 引 GitHub base-en.txt:94-96,本轮升 A 级)" }, { "line": 123, "text": "运镜:Zoom In / Zoom Out;Push In / Pull Out;Pan Left / Pan Right;Truck Left / Truck Right;Tilt Up / Tilt Down;Pedestal Up / Pedestal Down;Arc Shot;Tracking Shot;Static Shot;Shake Slightly / Shake Strongly;POV;Roll Clockwise / Roll Counterclockwise。幅度:with small amplitude / with large amplitude。速度:at slow speed / at fast speed", "note": "★官方运镜词汇全表:12 组运镜 + 2 档幅度 + 2 档速度", "verbatim": false, "verbatim_lines": "123", "reformat_note": "官方运镜表是 HTML table,text 把它改写为紧凑列举;逐字以 cache :123 为准" }, { "line": 128, "text": "The camera pushes in with small amplitude at slow speed toward the folded letter in her hands.\nThe camera pans right with large amplitude at fast speed, revealing the open doorway.\nThe camera holds a static shot as the runner exits the frame.", "note": "运镜写入句式的官方三例" }, { "line": 135, "text": "会说话、演唱或发出画外人声的主体使用稳定编号 `(S1)`、`(S2)`、...、`(Sn)`。多个已有编号的人同时说或唱时使用组合编号比如`(S1,S2)`。同一说话人跨镜头保持同一编号;没有发声的人物不分配编号。", "note": "★说话人编号体系官方正源(v4 线上缺陷 conv-mtclmne2 的双说话人编号问题的官方出处)" }, { "line": 137, "text": "说话人第一次出现时,根据画面和声音补充稳定身份,例如人物类型、年龄、性别、是否出镜,以及音高、音色、语速或口音。说话人的称呼、编号、动作和说话方式写在 `` 外;`` 内只写语言标签和用户给出的实际语言内容,原词与标点逐字保留,不翻译、不改写。", "note": " 边界规则官方正源" }, { "line": 144, "text": "画外音使用精确表达 `says in an off-screen voiceover`。每一段画外音 `` 后立即写明画面中对应人物的嘴唇保持闭合:", "note": "★画外音 + 闭嘴绑定条款官方正源(v4 引 base-en 相邻条款推演,本轮升 A 级逐字)" }, { "line": 147, "text": "The man (S1) says in an off-screen voiceover: [English] I still remember that road. while his lips remain completely closed.", "note": "画外音官方逐字示例" }, { "line": 150, "text": "同一句台词或歌词跨切镜时,在两段连接位置使用 ``,并明确声音跨切镜连续;视频结束前台词被截断时使用 ``。可使用 `continues seamlessly across the cut`、`continues uninterrupted into the next shot`、`carries over from the previous shot` 或 `remains audible across the transition` 说明跨镜头的连续性。", "note": "/ 官方正源 + 4 个连续性表达" }, { "line": 154, "text": "画面中实际可见的横幅、招牌、标识、字幕或霓虹文字使用英文双引号包围,原文与标点逐字保留,不翻译。", "note": "画面文字条款官方正源(v4 引 base-en.txt:146,升 A 级)" }, { "line": 157, "text": "A red neon sign reading \"营业中\" glows above the doorway.", "note": "画面文字官方示例:中文招牌在英文正文里逐字保留" }, { "line": 162, "text": "使用 1–4 句英文,在一个连续段落中概括贯穿整段视频的环境声、物理动作声和非语言人声 … 只有用户明确要求整段静音时才写 `N/A`。", "note": "★overall_soundscape 官方硬约束:1–4 句英文、单段落、何时写 N/A" }, { "line": 170, "text": "使用 1–3 句英文描述角色听不到、只有观众能听到的背景配乐。重点写乐器、速度、节奏和动态变化,不写抽象情绪词或配乐的情感功能。角色能听见的演唱、乐器、广播、电视或手机音乐属于场景内事件,应写入多模态描述。没有画外配乐时写 `N/A`。", "note": "★non_diegetic_music 官方硬约束:1–3 句英文 + 禁抽象情绪词 + 画内/画外音乐分流" }, { "line": 242, "text": "扩写的六个段落正文统一使用英文;只有 `` 中的台词、歌词以及画面中实际可见的文字保留原始语言。", "note": "★语言规则官方一手逐字(六段正文英文)→ 支持 v4 习语甲;与官方 handdrawn skill(s19:13 跟随用户语言)仍构成官方内部冲突,见 knowhow_v5 §冲突 C-2" }, { "line": 244, "text": "`detailed_description` 应尽量详细、明确,逐镜交代当前构图、主体外观与位置、环境与光线、动作及状态变化、相机运动、当下声音,以及参考内容实际出现或生效的位置,避免只概括剧情或引用关系。", "note": "detailed_description 详细度七要素" }, { "line": 250, "text": "一份完整扩写结果由六个段落组成,按以下顺序排列:subject_definitions / summary / retention_analysis / detailed_description / overall_soundscape / non_diegetic_music", "note": "全能参考六段官方顺序", "verbatim": false, "verbatim_lines": "250-260", "reformat_note": "六段顺序原文是 markdown 表(段落/作用两列),text 折叠成单行列举;逐字以 cache :250-260 为准" }, { "line": 267, "text": "| `` | 从参考素材中抽象出的、可在目标视频中复用或修改的可见内容 |\n| `` | 作为具体目标帧或镜头规划依据的参考图片 |\n| `