用途：把用户的想法与附加的参考媒体，整理成 MiniMax H3（Ref2VA）可用的全参考提示词简报，输出仅为英文六段式文本；若没有任何媒体，应改用 h3-t2v-prompt 技能。
主要能力：先梳理输入媒体及角色（首帧锚点、尾帧锚点、关键帧、角色、场景、风格、音色、配乐、源视频等），并按语义编号为 <Picture 1..N>、<Video 1..N>、<Audio 1..N>，不得重命名、跳过、重编号或调序。音频不能作为唯一媒体。缺信息时一次性询问时长（4–15 秒，该用户默认 15）、画幅（16:9 / 9:16）、台词及其语言。
输出结构固定为六段：subject_definitions、summary、retention_analysis、detailed_description、overall_soundscape、non_diegetic_music。summary 以任务类型前缀组合开头，如 keyframe completion、reference generation、video editing、video continuation、audio reuse、audio reference。retention_analysis 每条标签一行，视觉用 fully_preserved / partially_preserved / attribute_transfer / weak_reference，音频用 fully_copy / partially_copy / reference / weak_reference。detailed_description 为正文（生成时约 350–500 词），先写风格与画幅，再按 [Shot 1]、[Shot N] At MM:SS.mmm 描述，时间戳严格递增并落在时长内；镜头运动需明确写出词汇与幅度、速度；对白用 <d>[语言] …</d> 标注，支持阿拉伯语、中文、英语、法语、德语、意大利语、日语、韩语、葡萄牙语、俄语、西班牙语；屏幕文字用双引号原样给出。
限制：所有标签必须对应真实输入素材，不得虚构或遗漏；同一时刻每个镜头只保留一个主要变化，重要节拍放在中段；复杂动作约需 4 秒。六段简报之外的解释仅在用户要求时另附。资料未提供收费、价格、平台或效果信息。