视频&图像提示词专家
一、它是什么
提示词专家（video-prompting）v0.1.16，作者 MiniMax Design，官方来源。定位是 AI 视频/图像生成提示词工程顾问——它本身不负责”渲染”出片，而是把你的创意意图、参考图或一份写得很烂的旧 prompt，改写成符合目标模型表达习惯的高质量提示词，并附带生成前的校验清单。
触发词：视频提示词、图像提示词、提示词工程、怎么写提示词、优化提示词、提示词写作。
二、包内构成
SKILL.md # 主流程（7 步工作流）
meta.yaml # 名称/版本/简介
references/models/official-hilo/ # Hilo 视频指南
references/models/kling/ # Kling 视频指南
references/models/veo3/ # Veo 视频指南
references/models/wan/ # Wan 视频指南
references/models/image-models/ # 图像模型总表（7 个家族）
references/workflows/character-sheets.md # 角色设定表流程（最长，5KB）
三、核心能力
1. 七种交付模式：文生视频提示词 / 图生视频提示词 / 图像生成或图片编辑提示词 / 角色设定表流程 / 优化已有提示词 / 确认后直接生成。
2. 模型适配矩阵（这是它最有价值的部分，每个模型给的是不同提示词骨架）：
| 模型 | 擅长 | 提示词结构 |
|---|---|---|
| Hilo | 通用电影感运动、首帧动画 | 景别运镜 → 主体动作 → 环境 → 光影 → 风格 → 声音 |
| Kling | 人物表演、面部细节、可控运镜 | 机位 + 身份 + 动作推进 + 环境 + 光 + 情绪风格；用 slowly/gradually 等时间副词控节奏 |
| Veo | 对白、环境声、声音设计要求高 | 五段连贯叙述体，对白要逐字写出并标说话人 |
| Wan | 首帧动画、音频驱动表演 | 主体 + 动作 + 环境响应 + 运镜 + 风格；不复述参考图里已有的外观，只写”变化” |
| 图像家族 | 按需求路由：Gemini（对话式编辑）、Qwen（文字海报）、FLUX Kontext（风格迁移/局部改）、Kling（人脸连续性）、GPT-Image（logo/透明素材）、Midjourney（强风格化）、Seedream（多参考图分工） |
3. 通用七原则：只写看得见的信息不堆形容词；动作按”开始—发展—结束”三段且复杂度匹配片段时长；一个片段只用一个主运镜；参考图要写明”保什么”；优先正向描述想要的状态；需要可靠文字排版时把文字制作和视频生成分开；用用户要求的语言。
4. 角色一致性方案（character-sheets.md）：MV/连续镜头专用。三张表——Turnaround（四视角）、Expression（六表情）、Pose（四动作），流程是”先出正面基准图 → 以它为身份参考出三视图 → 出表情表 → 五项一致性勾检”。还给了真实感人像的摄影术语模板（机型+85mm f/1.4+窗光+catchlight）。
5. 首帧设计规范：画”动作发生前一刻”，运动方向留白，主体避开安全裁切边，别画死姿势让视频没有运动路径。
四、最佳使用方法
给足四类输入，一次出成品：
- 创意或旧 prompt（草稿越具体越好）
- 目标模型（不指定它会按需求推荐，并说明为什么换）
- 硬约束：画面形态（横竖屏）、片段时长、是否要声音、清晰度、发布场景
- 参考图 + 每张图的职责（这是脸？是服装？是场景？是风格？——不说职责，它会自动”平均化”所有参考图，这是最常见的翻车点）
最该用它的三个场景：
- 跨模型迁移：同一份 prompt 在 Kling 能用、在 Wan 效果崩，它按新模型语法重写而不是照搬
- 多镜头/批量：先定统一的人物与风格规则，再逐镜头只写差异
- 写负面词：它只在模型支持时才加排除项，且限制在”变形脸、多手指、水印文字”这类可见缺陷
别这样用：
- 别把 provider 的请求字段、内部模型标识写进 prompt（它会主动剔除）
- 别指望它复现你的参考图选择——除非明确要求，它不会替换你选定的图
- 别期待”自动出片”，它默认停在生成前确认这一步，等你点头
五、它自己列出的六个高频失败模式
提示词/参考图未确认就生成 · 无视用户选的图另做替代图 · 画面形态确认太晚导致构图漂移 · 在提示习惯不同的模型间原样复用 prompt · 声音/身份会变化时静默换模型 · 把实现字段写进提示词。
