用途：把多模态请求改写为 MiniMax H3 视频生成所需的提示词结构，支持 T2VA、I2VA、FL2VA、L2VA 和全参考 Ref2VA 五种输入模式。
主要能力与用法：先识别输入模式。基础文本/关键帧模式需阅读 references/base-en.txt，并按其最终提示词结构撰写；全参考模式需阅读 references/ref-en.txt，按其六段式改写格式撰写。必须保留所选指南中的字段名、段落顺序、标签与时间标注。
基础模式：T2VA 从文本构建完整视听时间线；I2VA 从首帧出发向前发展；FL2VA 描述首尾帧之间的连续路径；L2VA 推断合理开场并收敛到给定末帧。按 references/base-en.txt 所示顺序使用 integrated_multimodal_description、overall_soundscape、non_diegetic_music。
全参考模式：Ref2VA 改写依次使用 subject_definitions、summary、retention_analysis、detailed_description、overall_soundscape、non_diegetic_music，参考标签在各段保持一致；标签规则、保留分析与完整示例见 references/ref-en.txt。
输出规则：改写段落用英文撰写，对话、歌词与画面可见文字保留原语言。每个镜头需描述构图、主体、环境、动作、镜头、声音以及引用内容出现的准确时点。避免剧情概括、未解析的参考标签以及与请求时长不符的时间标注。
提示：描述总时长需与请求的视频长度（4–15 秒）一致；参考标签（如 <Picture 1>、<Video 1>、<Audio 1>）在各段保持一致；优先具体视听细节而非“电影感”“唯美”等抽象词；使用关键帧时明确首帧和/或末帧如何接入时间线。
限制：资料未提供安装命令、收费、价格、平台支持与效果数据。