MiniMax H3 多参考视频提示模板

subject_definitions: <Subject 1> 是来自 <Picture 1> 的 [PRIMARY SUBJECT]。全程保留 [face, hair, age range, wardrobe, asymmetrical markers, key prop]。<Picture 1> 仅提供身份和外观，不提供姿势或摄像机取景。 <Subject 2> 是来自 <Picture 2> 的 [SECOND SUBJECT / PRODUCT / CREATURE]。保留 [specific visible traits and material details]。<Picture 2> 仅提供 [identity / product geometry / costume]。 <Subject 3> 是来自 <Picture 3> 的 [ENVIRONMENT / VEHICLE / OBJECT]。保留 [architecture, scale, material, lighting condition] 作为环境参考。 <Video 1> 仅提供 [camera rhythm / motion language / edit rhythm / action timing]。除非明确说明，否则不要复制其可见主体。 <Audio 1> 为 <Subject 1> (S1) 提供 [voice identity / speech timing / beat structure / sound texture]。[仅在需要完全复用确切音频时使用 "fully copied"。] summary: [reference generation] 一段 [DURATION] 秒的 [ASPECT RATIO] [live-action / animation / CG / other medium] 序列。<Subject 1> 在 <Subject 3> 中 [执行单一中心动作]。<Subject 2> [与 Subject 1 的关系]。视频从 [初始状态] 过渡到 [最终状态]。参考角色保持分离：<Picture 1> 控制身份，<Picture 2> 控制 [role]，<Picture 3> 控制环境，<Video 1> 控制 [role]，<Audio 1> 控制 [role]。 retention_analysis: <Subject 1>（出现在 [Shot 1]、[Shot 2]、[Shot 3]）：fully_preserved - [必须保持的确切身份和连续性细节]。 <Subject 2>（出现在 [Shot X]）：fully_preserved - [必须保持的确切特征]。 <Subject 3>（出现在 [Shot X]）：partially_preserved - [哪些保持不变，哪些可以改变]。 <Video 1>（摄像机运动和剪辑节奏）：weak_reference - [借用什么，仅此而已]。 <Audio 1>：reference - [确切的声音、时间、节奏或物理声音关系]。 detailed_description: [Shot 1] [Medium / close / wide] 镜头。[媒介和视觉处理]。<Subject 1> 在 <Subject 3> 内开始 [精确的身体位置、屏幕位置、视线方向、手/物体状态]。[光源、表面响应、深度线索]。摄像机 [一个具有显著幅度和速度的摄像机运动]。[动作开始]。[关键身份锁定保持可见：精确的侧别标记、服装、道具方向]。[如果有对话：<Subject 1> (S1) 说：<d>[LANGUAGE] [SHORT EXACT LINE]</d>] [Shot 2] 在 [MM:SS.mmm]，硬切到 [揭示新信息的新取景]。<Subject 1> 现在 [具体的动作进展]，而 <Subject 2> [具体的反应/动作]。摄像机 [一个受控运动]。在 [物理事件] 发生的确切瞬间，听到 [特定的同步声音]。[说明什么不能改变。] [Shot 3] 在 [MM:SS.mmm]，硬切到 [取景]。[原因和可见结果]。[精确的物体交互、材料行为、面部反应、运动路径]。[声音来源和时间]。[任何屏幕上的可见文本，用精确引号。] [Shot 4] 在 [MM:SS.mmm]，硬切到 [取景]。[升级或揭示]。摄像机 [运动]。[一个清晰的视觉优先级]。[一个清晰的声音优先级]。[仅在存在风险的地方明确保持连续性锁定。] [Shot 5] 在 [MM:SS.mmm]，硬切到 [取景]。[最终动作解决]。构图在 [DURATION] 秒时落在 [精确的最终姿势、物体状态、屏幕方向、光照状态和摄像机位置]。 overall_soundscape: [仅物理环境：地点音调、房间音调、风、交通、布料、脚步声、物体接触、呼吸、撞击。说明最重要的两三个声音的确切时间。不要重复对话。] non_diegetic_music: [乐器、速度、节奏、进入点、退出点。]