写剧本一小时，拆分镜一天。
做 AI 短剧的人都卡在这一步。一集三分钟的戏，按四五秒一个镜头算，要拆出四五十个镜头。每个镜头还要单独写一份 AI 看得懂的画面描述：景别、机位、光线、人物在画面里站哪个位置、这一步动作到哪里结束。
手工做，一集一天。外包出去，风格还对不齐。
真正决定成片能不能用的，是分镜这一步。人物换了发型、房间换了布局、台词和嘴型对不上，前面生成的画面再漂亮也得重做。
这套 short-drama-shot SKILL 就是干这件事的：把剧本拆成分镜表，再把每个镜头写成 MiniMax-H3 能直接读的提示词。
它到底输出什么
SKILL.md 里写得很清楚，职责是生成 MiniMax H3 全流程参考模式（ReDVA）下一集戏的画面结构、分镜表，以及六段式提示词。
你给它三样东西：一集剧本、目标时长、想要的风格。它输出两样成品：一张能直接照着拍的分镜表，一份贴进 MiniMax-H3 就能跑的分段提示词。
装法
技能目录里放两个文件：
short-drama-shot/
├── SKILL.md
└── references/
└── template.mdSKILL.md 是规则和流程，template.md 是分镜表模板。模板缺了，输出的表格列会不齐，后面接提示词会错位。
放好之后重启客户端，对话里直接说「用 short-drama-shot 技能，把这段剧本拆成分镜」，它就接管。
五条硬规则
这五条是整套东西的地基。违反任何一条，出来的画面都会废。
| 规则 | 具体要求 |
|---|---|
| 人物一致性优先 | 服装、发型、角色、站位不要乱变。这是最容易被模型破坏的一项 |
| 快节奏 | 一个镜头只承担一个信息点，几秒内完成一次推进 |
| 台词密度 | 按气口算字数，宁少勿多。超了就拆到下一段镜头 |
| 空间不跳 | 换了房间或座位，必须交代新的空间点位 |
| 说话镜头给到人 | 台词镜头对准说话的人，否则嘴型会和声音错开 |
第三条最容易被忽略。分镜表按每秒两个字算，一个八秒的镜头写十六个字刚好；写到三十个字必然说不完，模型会自己删词或者加速，最后嘴型全乱。
四条关键词方法论
人物三图规则
角色描述分三层写，顺序不能换：
- 先在
subject_definitions里写角色：外貌、服装、声音。服装那一项要标LOCKED，明确告诉模型这部分不许改。 summary开头再重申一次人物设定。- 到了
detailed_description，每个镜头都要单独标景别。
同一个角色在不同镜头里"换脸"，基本都是因为第二、三层缺失，模型只记住了第一层。
场景要写清布局
场景不是写一句"办公室"就够。要写清：主体站在哪个位置、参考图编号对应哪个角色、房间里的家具怎么摆、动作从哪开始到哪结束。
参考图必须编号对齐。picture 1 对应 1.png，picture 2 对应 2.png，编号错一位，模型就把角色和场景配错了。
运镜要能数得出来
运镜写成公式：镜头时长、气口时长、运镜时长分别给具体秒数，让动作有可见的台阶。
"缓慢推近"这种描述模型没法执行，因为不知道推到哪里停。写成"从三秒到六秒，从全景推到中景"，它才知道。
BGM 统一写 No
non_diegetic_music 这一项直接写 No，只保留环境音效。
这样处理的好处是配乐可以放到后期统一做，一次就能对全片。让模型在生成阶段就混背景音乐，每一段的音乐都不连续，剪起来只能全删。
输出长什么样
分镜表的列是固定的：镜头、时间、时长、景别、画面、台词、字数、语速。
以一段八秒的中景为例，一行长这样：
| 镜头 | 时间 | 时长 | 景别 | 画面 | 台词 | 字数 | 语速 |
|---|---|---|---|---|---|---|---|
| 2 | 2s-10s | 8s | 中景 | 沈总站在办公区中央，冷冽目光扫过全场，黑裙、白衬衫、工牌。团队低头 | 这是你要的素材明天早上全部交给我 | 16 | 2.0 字/秒 |
表格下面是六段式提示词，结构固定：
subject_definitions: 角色定义，含 FACE / OUTFIT LOCKED / VOICE
summary: 一句话概括这一集
reference_analysis: 参考图与角色的对应关系
detailed_description: [Shot 1] [Shot 2] [Shot 3] 逐镜画面
overall_soundscape: 环境音
non_diegetic_music: No
角色卡怎么写
每个角色一张卡，三个字段：
沈总（S1）
· FACE: 深棕色长卷发，侧分，金色小圈耳环，红唇，肤色白皙
· OUTFIT LOCKED: 白色翻领衬衫（袖口卷到小臂），黑色挂绳配白色工牌，
黑色高腰阔腿裤，黑色红底高跟鞋
· VOICE: 低沉磁性的女声，共鸣深，语气平静有权威感
萧然（S2）
· FACE: 黑色短纹理发，浓眉，眼神明亮，体型偏瘦，肤色白皙
· OUTFIT LOCKED: 白色翻领衬衫（袖口卷到小臂），黑色皮带配银色扣，
深色长裤，黑色皮鞋
· VOICE: 清亮年轻的男声，略带紧张OUTFIT LOCKED 这四个字母是关键。不标 LOCKED，模型会在不同镜头里给你换衣服、换领口、换鞋。
一次完整的使用顺序
- 准备好一集剧本，标好场次
- 定三个参数：总时长、每镜头时长区间、风格
- 调用 SKILL，等它输出分镜表
- 检查分镜表：字数除以时长有没有超过 3 字/秒，超了就砍
- 检查角色卡：每个角色的 OUTFIT 有没有标 LOCKED
- 检查参考图编号：picture 1/2/3 是否和 1.png/2.png/3.png 对应
- 把六段式提示词贴进 MiniMax-H3，逐段生成
- 生成后先看第一段，人物对了再往下批量跑
第 4 步和第 8 步能省掉最多返工。第一段人物错了，后面全白跑。
几个常见问题
人物在不同镜头里换脸。 检查 summary 里有没有重申设定，以及每个镜头有没有标景别。
嘴型和声音对不上。 台词字数超了。八秒镜头最多十六个字，按两字每秒算。
换了场景后人物位置乱了。 新的空间点位没写。换房间、换座位都要重新交代一遍。
生成的画面镜头跳来跳去。 运镜没给具体秒数，模型自己猜的。
画面里出现莫名的音乐。 non_diegetic_music 没写 No。
资源
全套 SKILL 文件、分镜表模板、以及配套的模型和工作流：
https://pan.quark.cn/s/d767ca6536ba
里面有：
SKILL.md与references/template.md- 角色卡与分镜表模板
- MiniMax-H3 相关模型与工作流文件
- 一份完整的示例剧本（第 11 集，含分镜表与六段式提示词）
链接失效的话在评论区说一声。