官方指南
可安装的 H3 skills 将上述内容打包给智能体。 各模板应用示例：T2V/I2V、R2V、多帧参考、Fun ControlNet。通用技巧
I2VA 首行为固定图像对齐句，空一行后接字段；FL2VA/L2VA 各有对齐句；T2VA 直接从字段开始：<d> 内；屏幕文字保留原文。
- 先场景：总述后写
[Shot 1]内分镜 - 一块写完：镜头、运镜、音频
- 分辨率：16:9 原生 1344×768；32 倍数（详情）
- 长度：
length为 24fps 帧数（默认 124 ≈ 5s），吸附 17k+5 - 屏幕文字：英文双引号、逐条原文（如
A red neon sign reading "营业中"）；对白用<d> - R2V 音频标记：
fully_copy、partially_copy、reference、weak_reference（见官方 ref 表） - 音频字段：
overall_soundscape写环境/动作/非语言（1–4 句；真静音才N/A）。对白与画内音乐写在分镜里。non_diegetic_music写配乐（1–3 句；无则N/A） - 无负向：
BasicGuider在cfg1 无负面分支。写「不要什么」反而引入概念；改写正面描述或 R2V 保留字段 - 多格参考图（R2V）：一张图多视角/分镜格时单独
<Picture N>（不要只写在<Subject N>内），在镜头中指名某一格（如<Picture 2>的正面全身格）
镜头与切换
[Shot 1] 从 0.00s 起；后续镜头以切换时间开头：
- 时间递增且在
length时长内 - 写单点时间（
At 00:05.000），不写区间 - 用
the camera cuts to等动作描述；需要时可写溶解/淡入淡出
对白与说话人
- 说话人 ID：
(S1)、(S2)…（含画外/演唱）；合唱(S1,S2) <d>：ID、动作、语气在标签外；标签内为语言标记与原文- 标点：保留
, . ? !；句末用.?!；听不清写[unclear]；慎用省略号 - 画外音：
says in an off-screen voiceover，并说明嘴唇闭合；跨切用<scenetrans> - 多说话人+音频参考：易错配；绑定可见动作而非时间码；必要时外生成每人的音频参考
提示词嵌入
ComfyUI#15697 支持embedding:name。文件放 ComfyUI/models/embeddings/。
Comfy-Org/MiniMax-H3/embeddings 含 10 个社区风格嵌入（silveroxides，讨论 #50；非官方）。触发词为无扩展名的文件名：