视频 · H3提示词工程

官方三段结构：多模态描述/声景/非剧情音乐 + 五种生成模式

在库里的位置

视频生成类排名	第 3 详细 / 共 4 个
全站位置	方法论长度超过 78% 的技能（全站 10 个）

技能设定

执行要点

按技能原文的编号拆分，原顺序与措辞未做改写。

• ①integrated_multimodal_description——按时间顺序把主体、动作、场景、运镜、画内声音融为一段连贯文字；
• ②overall_soundscape——整体声景（环境声、拟音及其时间分布）；
• ③non_diegetic_music——非剧情音乐（风格/情绪/节拍，独立于画内声源）。**Ref2VA 用六段固定顺序**：subject_definitions → summary → retention_analysis → detailed_description → overall_soundscape → non_diegetic_music。标签体系：<Subject N> 定义可复用可见内容（人物/物体/场景/服装/道具/特效/风格/动作），<Picture N> 指作为帧锚点的图（首帧/关键帧/尾帧/故事板），<Video N> 指被编辑或续写的原视频，<Audio N> 指参考音频；标签定义后在 summary、retention_analysis、detailed_description、声音段必须含义一致，**不得定义后不用（悬空标签）**。summary 用任务类型加号组合不重复（keyframe completion / reference generation / video editing / video continuation / audio reuse / audio reference），编辑任务以 "The target video is an edited version of <Video 1>." 开头。retention_analysis 逐行写保留级别并说明——可见内容用 fully_preserved / partially_preserved / attribute_transfer / weak_reference，音频用 fully_copy / partially_copy / reference / weak_reference，格式如 `<Subject 1> (appears in [Shot 1], [Shot 3]): fully_preserved - 说明`。detailed_description 生成类写 350-500 英文词（对话密集以放得下完整台词为准），先 1-2 句风格总起句再进 `[Shot 1]`，不写剧情梗概、不重复静态图描述（FL2VA 要写的是两帧之间的运动路径）。参数：时长 4-15 秒；画幅 21:9/16:9/4:3/1:1/3:4/9:16（首尾帧模式跟随图片比例）；切镜时间点尽量落在 24fps 的 17k+5 帧网格上；输入提示词上限约 7000 字符。对白放引号内并标说话人。产出：把重写后的完整提示词写在回复里（六段结构全给全，可直接复制）。**不要自动调用 create_video** —— 只有用户这一句明确要求生成（生成/出片/跑一版）时才执行；要跑时注入 create_video 的 prompt（模型选 H3），referenceNodeIds 与标签一一对应。

同分类的其他技能

这个技能用在哪

相关案例（视频生成类对应的场景）

技能定方法，案例给成品。下面是同类场景下的实际产出，点开可复制完整提示词。

会用到的流程（视频生成类）

可用模型（269 个VIDEO类模型）

按覆盖渠道数排序；同名模型在多个渠道上架是常态，可换渠道比价。