MiniMax H3 프롬프트 작성 가이드: 다섯 가지 모드 전체를 위한 공식 구조

integrated_multimodal_description: [Shot 1] ...

overall_soundscape: ...

non_diegetic_music: ...

For the target video, at 0.00 seconds into the target video, <Picture 1> (from [Shot 1]) is fully referenced.

How the reference pictures align with the target video — Picture 1 (from Shot 1) aligns with the 0.00-second mark of the target video; Picture 2 (from Shot N) aligns with the S.SS-second mark of the target video.

How the reference pictures align with the target video — <Picture 1> (from [Shot N]) aligns with the S.SS-second mark of the target video.

[Shot 2] At 00:03.500, the camera cuts to...

The camera pushes in with small amplitude at slow speed toward the folded letter in her hands.
The camera pans right with large amplitude at fast speed, revealing the open doorway.
The camera holds a static shot as the runner exits the frame.

The young woman with a quiet, breathy voice (S1) says: <d>[English] I get off at the next station.</d>

The man (S1) says in an off-screen voiceover: <d>[English] I still remember that road.</d> while his lips remain completely closed.

A red neon sign reading "营业中" glows above the doorway.

## 전체 참조 모드(Ref2VA): 6개 섹션 형식

Ref2VA 재작성은 다음의 정확한 순서로 6개 섹션을 사용합니다.

| 섹션 | 목적 |
|---------|---------|
| `subject_definitions` | 참조된 콘텐츠와 그 레이블 정의 |
| `summary` | 작업 유형 + 대상 비디오 + 주요 참조 관계 |
| `retention_analysis` | 각 참조 항목이 어떻게 보존/전달되는지 |
| `detailed_description` | 재생 순서에 따른 샷별 설명 |
| `overall_soundscape` | 분위기와 물리적 사운드 |
| `non_diegetic_music` | 관객만 들을 수 있는 배경 음악 |

### 참조 레이블

| 레이블 | 의미 |
|-------|---------|
| `<Subject N>` | 참조에서 추상화된 재사용 가능한 가시적 콘텐츠 |
| `<Picture N>` | 프레임 앵커 또는 계획 참조로서의 참조 이미지 |
| `<Video N>` | 편집 소스 / 연속 / 구조로서의 참조 비디오 |
| `<Audio N>` | 복사되거나 참조된 오디오 신호 |

레이블은 6개 섹션 전체에서 그 의미를 유지합니다. `<Video N>`과 `<Audio N>`은 독립적으로 번호가 매겨집니다.

### `summary`의 작업 유형

| 작업 유형 | 사용 시점 |
|-----------|----------|
| `keyframe completion` | 이미지가 구체적인 프레임 앵커 역할을 할 때 |
| `reference generation` | 에셋이 구체적인 프레임이 아닌 가이드를 제공할 때 |
| `video editing` | 소스 비디오가 직접 수정될 때 |
| `video continuation` | 새 콘텐츠가 소스 비디오에서 이어질 때 |
| `audio reuse` | 동일한 오디오 신호가 재사용될 때 |
| `audio reference` | 오디오의 스타일/음색/콘텐츠만 참조될 때 |

여러 유형을 ` + `로 결합합니다. 예: `[video continuation + keyframe completion]`.

### `retention_analysis`의 관계 마커

**가시적 콘텐츠:** `fully_preserved`, `partially_preserved`, `attribute_transfer`, `weak_reference`
**오디오:** `fully_copy`, `partially_copy`, `reference`, `weak_reference`

<Subject 1> (appears in [Shot 1], [Shot 3]): fully_preserved - ...
<Audio 1>: reference - the target speaker follows <Audio 1>'s voice timbre without copying the original signal.

integrated_multimodal_description: [Shot 1] Live-action, cinematic, a medium-wide shot frames a baker opening the shutters of a small street bakery before sunrise. The camera pushes in with small amplitude at slow speed as the middle-aged baker with a calm, slightly raspy voice (S1) places a fresh loaf on the wooden counter and says: <d>[English] First batch of the morning.</d> [Shot 2] At 00:05.000, the camera cuts to a close-up of steam rising from the sliced bread while the baker's final words carry over from the previous shot.

overall_soundscape: Wooden shutters scrape open over a quiet street as trays clink softly inside the bakery. The doorbell rings once, followed by light footsteps and the crisp sound of bread being sliced.

non_diegetic_music: A soft acoustic-guitar pattern at a moderate tempo, joined by sparse upright-bass notes and a gentle fade at the end.