用途：把用户的视频创意扩展为符合 MiniMax-H3 官方规范的结构化故事板提示词，保证生成视频的连续性、物理合理性与媒体规格合规。
主要能力：支持 H3-Base-FL2VA（0~2 张图像，纯文本/首帧或尾帧/首尾帧约束）与 H3-Base-Ref2VA（图像≤9、视频≤3 且总时长≤15s、音频≤3，总文件数≤12）两种模式；输出规格固定为时长 4–15 秒、24fps、立体声 32kHz，宽高比可选 21:9/16:9/4:3/1:1/3:4/9:16，分辨率默认短边 768px（可启用 2K）。
使用方式：按输出目标、主体与资产、时间线、场景、摄像机、视觉风格、声音、约束条件的顺序补全提示词；用户已给出完整分镜剧本时保持原样，仅检查长度、时间戳覆盖、参考编号、媒体兼容性与矛盾点。多张有序分镜图使用两级时间轴模板：每个参考图一个主镜头范围，内部再分建立、预备、核心动作、稳定/保持微节拍，默认 0.5 秒精度；镜头 N 的锁定结束状态必须等于镜头 N+1 的初始状态。
适用场景：多镜头连续叙事、人物与道具交接、精确物理动作、参考图/视频/音频混合生成。
限制：动作须在 4–15 秒内物理可行，每个镜头只完成一个明确动作；时间戳须连续无空档且末点等于总时长；不得擅自添加品牌、对话、文字叠加或不安全内容；若动作无法从容容纳，应简化或提前告知用户，不要静默压缩因果步骤。单个文生视频或单张松散参考图可用简洁段落。