@oh-story/dsh 0.1.3 → 0.1.5

package/lib/drama/skills/short-drama-video-prompts/references/camera-audio-continuity.md

@@ -103,17 +103,17 @@ pan 同时微调焦点、handheld 带自然呼吸、dolly 配合轻微 tilt 未
 
 ## 4. 对白、口型与声音
 
-若上游有 accepted `scene_visual_plan.sound_strategy`，先把整场主导声源、撤出/恢复、距离变化、
+若分镜已经明确整场声音策略，先把主导声源、撤出/恢复、距离变化、
 主动留白与 sound bridge 分配到准确镜头，再写本镜 audio。逐镜实现必须能与相邻镜接上，不能
 让每镜各自重新启动一套环境音。场次计划没有登记的故事声源不得由本层发明；音乐仍服从下文的
 时间线边界，也不能替代表演或转向。
 
 ### 精确引用
 
-Motion spec 存 dialogue/VO/SFX/audio 的引用：`src` 指向文件头 `sources` 声明的那个快照，
-再加记录与字段；copyable prompt 可呈现 exact accepted line 或引用标记，取决于交付需要，但不得改字、增删、交换说话人或把对白改 VO。
+每个 `MOTION-...` 直接引用 `剧本.md` 的场景 ID、准确对白/VO/OS/SFX 和对应 `SHOT-...`。可复制正文
+按交付需要呈现逐字台词或声源说明，但不得改字、增删、交换说话人或把对白改成 VO。
 
-同一句 accepted dialogue 跨镜延续时，把相邻提示词串读，说明它在本镜是开始、画外延续、
+同一句对白跨镜延续时，把相邻提示词串读，说明它在本镜是开始、画外延续、
 被打断还是到此结束；不得在前镜声称已经说完，后镜又让同一句继续。没有逐字原句时只保留
 准确引用和延续关系，不为填满节奏补写台词。
 
@@ -225,16 +225,18 @@ Resolvable ref/显式否定可结构检查；delivery 是否语义背离则要 r
 
 ```markdown
 - **请求 owner**：`storyboard | write | assets`
-- **source evidence**：src + 记录/字段，以及该 `sources` 条目的 artifact
+- **来源证据**：文件、场景/镜头 ID 与必要短引文
 - **当前边界**：精确值
 - **motion 需要**：期望变化与原因
 - **影响**：purpose/feasibility/continuity
 - **建议**：split | extend | reblock | amend dialogue | reconcile asset
-- **未执行**：列明保持 byte-identical 的 owner files
+- **未执行**：列明本轮没有修改的 owner 文件
 ```
 
-Video-prompts 可以提议，不能应用。若 reported end 不同于 source end：先判断是 prompt 没实现（video-prompts 修）还是创作确需新边界（storyboard 修）；无论哪种都不把 reported end 当成下一镜 authority。
+Video-prompts 可以提议，不能替 owner 应用。若实际终点不同于分镜终点：先判断是提示词没实现
+（video-prompts 修）还是创作确需新边界（storyboard 修）；无论哪种都不把观察到的终点当成下一镜权威。
 
 ### Handoff 核对
 
-逐字段比较 motion end report 与 shot continuity out；next shot 仍直接读取 storyboard-owned start。Match 才是实现证据，不能用一句“保持连续”代替 position/gaze/hands/prop 等关键字段核对。
+逐字段比较运动终点与镜头终点；下一镜仍直接读取分镜拥有的起点。匹配才是实现证据，不能用一句
+“保持连续”代替位置、目光、双手、持物等关键事实核对。

package/lib/drama/skills/short-drama-video-prompts/references/delivery-profile.md

@@ -60,7 +60,27 @@
   并说明续接依据缺失。不要凭想象补一个结尾画面：续接提示词的每一条连续性指令都建立在那个
   起点上，起点是编的，后面整条链一起作废。
 
-路由由创作者档案声明。项目没有声明时按逐镜写，不为“支持更多路由”预留空字段。
+连续段真正进入生产时，下一段同时使用两项真实输入：
+
+- **上一段实际视频**：承接已经生成出来的动作速度、人物表演、运镜、环境运动与声音空间；
+- **上一段实际尾帧**：从该视频直接取得，作为下一段第一帧的人物姿态、双手、持物、光线与构图起点。
+
+二者职责不同，不能只给其中一项，也不能用计划尾帧、分镜关键帧或文字描述冒充。提示词仍按下一段
+已接受的「起点 → 唯一动作 → 终点」写；实际尾帧若与已接受起点冲突，先处理上一段结果，不能把漂移
+写进下一段继续放大。
+
+创作者已经选择续接后，缺素材只改变**就绪状态**，不改变执行路由：后续容器标成“待续接、不可提交”，
+列明缺少上一段实际视频与实际尾帧，继续保留从已接受起点写出的内容草案；不得把它改称普通文生视频。
+真实素材到位后再按模型方言加入续接触发词与实际槽位。逐镜运动正文继续承担成员边界和内容依据，
+不能被当作绕开续接的平行提交方案。
+
+路由由创作者档案声明。项目没有声明时按逐镜写，不为“支持更多路由”预留空字段。声明后在
+`视频提示词.md` 只标一个正式执行路由；其他粒度的正文若因可审查性而保留，要明确标成成员依据。
+
+这里的“逐镜 / 多镜容器”是打包粒度，不自动表示独立生成。同一场次、时间连续、地点与资产绑定链
+不变的相邻正式段，在目标档案支持续接时默认组成实际结果接力链：第一段从已接受起点生成，第二段起
+等待上一段实际视频和实际尾帧。只有创作者明确选择独立重生成，或已接受内容发生时间/地点跳变时才
+重新起链；不能仅凭 `one-shot-per-generation` 把每镜都解释成互不相干的文生任务。
 
 ## 二、容器算术（唯一允许的数字规则）
 
@@ -81,11 +101,9 @@
 **`structural_invariant`**：容器只能承载已接受镜头；容器时长等于其成员镜头已接受时长
 之和；镜头边界、镜头目的与逐镜独立可审查性不因打包发生变化（VID-13）。
 
-这条不变式必须**可本地校验**，所以多镜容器要有一条 canonical 记录承载成员顺序、各成员
-已接受时长的只读引用与容器时长——字段、校验点与所有权见
-[delivery-container.jsonl.md](../assets/delivery-container.jsonl.md)。渲染出来的交付文本
-是它的缓存，不是权威；只写在文本里的容器无法被引用、无法标 `stale`，也无法复审。
-单镜交付不需要这条记录，本节的算术由运动规格自身的镜头时长满足。
+这条不变式必须**可本地核对**，所以需要多镜打包时，在 `视频提示词.md` 增加“交付分组”章节：
+用稳定组 ID 依次列出成员 `MOTION-...` / `SHOT-...`、各镜时长、容器总时长，以及同场、连续、
+同一地理/资产链的理由。单镜交付不需要额外章节。
 
 ### 双向和不变式
 

package/lib/drama/skills/short-drama-video-prompts/references/generability.md

@@ -11,8 +11,8 @@
 
 ## 1. 什么时候适用
 
-**只在项目声明的制作形态由生成模型承担画面时适用**（见 `short-drama.json` 的
-`creator_authority.production_profile`）。实拍项目不受本文件约束——演员能完成的精细动作，
+**只在项目声明的制作形态由生成模型承担画面时适用**（见 `视觉设定.md` 的制作形态）。实拍项目
+不受本文件约束——演员能完成的精细动作，
 生成模型不一定能。形态未声明时保持未决，不要预先按生成条件裁剪动作。
 
 本文件不否定任何动作的戏剧价值，只判断**它能不能被当前交付方式实现**。同一个动作，

package/lib/drama/skills/short-drama-video-prompts/references/minimax-h3.md

@@ -0,0 +1,154 @@
+# MiniMax H3 提示词方言
+
+只在目标档案明确写 `target_video_model: minimax-h3` 时使用。推荐档案：
+
+```json
+{
+  "target_video_model": "minimax-h3",
+  "video_prompt_dialect": "minimax-h3",
+  "video_prompt_language": "en",
+  "native_duration_seconds": {"min": 4, "max": 15},
+  "supported_generation_modes": ["text", "first_frame", "first_last_frame", "reference"],
+  "audio_generation": "same_pass"
+}
+```
+
+H3 的结构字段用英文；这不等于把中文对白翻成英文。每句中文对白保持原文并写成
+`<d>[Chinese] 逐字台词</d>`，由稳定说话人 ID 引出。不要在对白前增加外语、语气词或未写入剧本的开场句。
+
+点名 MiniMax H3 只选定模型与方言，不表示创作者选了文生视频。当镜头需要人物、场景、道具或起始构图一致性时，
+先按主 Skill 完成真实图片发现与缺口列表。有任何必要图片仍缺失时，不因 H3 同时支持 Base 模式就默默改用文生视频。
+
+## Base / 首帧 / 首尾帧
+
+文生视频、首帧和首尾帧使用三段结构：
+
+```text
+integrated_multimodal_description: [Shot 1] ...
+overall_soundscape: ...
+non_diegetic_music: ...
+```
+
+- 画面段按 `[Shot 1]`、`[Shot 2]` 写动作和镜头；单镜也保留 `[Shot 1]`。
+- 声音段闭合所有对白、环境声与音效。无配乐时写 `non_diegetic_music: N/A`，不要留空让模型补乐。
+- 首帧模式从输入帧的可见姿态开始；首尾帧模式只能到达上游已接受终点，不发明过渡后的新状态。
+
+## 选哪一种模式
+
+模式由本镜「输入参考图」里各槽位的 `用途` 决定，不由“想不想用多模态”决定：
+
+| 本镜绑定的图 | H3 模式 | 正文结构 |
+|---|---|---|
+| 没有图，且创作者已明确选择文生视频 | Base（文生） | 三段 |
+| 只有一张 `用途：起始帧` | `first_frame` | 三段 |
+| 一张 `用途：起始帧` + 一张 `用途：结束帧` | `first_last_frame` | 三段 |
+| 其他任何组合（起始帧与人物/地点/道具图同时存在，或只有人物/地点/道具图） | `reference`（full-reference） | 六段 |
+
+H3 官方另有只给尾帧、由模型推断开场的 L2VA 模式。本套件不使用它：开场由分镜已接受的起点决定，
+把它交给模型推断会让 `SHOT-...` 的起点失去权威。因此 `结束帧` 只在同时绑定 `起始帧` 时出现。
+
+第四行是最常见、也最容易写错的一种。H3 的首/尾帧输入与参考输入**互斥**，所以「起始帧 + 角色板 +
+场景板」不能拆成 `first_frame` 加 `reference_image`：整组统一走 full-reference，起始帧也以
+`reference_image` 送入，正文按下面的标签编号引用。用哪一种模式在《视频提示词.md》里由 `用途` 组合读出，
+不写进「生成方式」字段——该字段仍只有「文生视频」和「图生视频」两个值。
+
+## Full-reference
+
+任何 `reference_image`、`reference_video` 或 `reference_audio` 进入任务时，改用六段结构，段名和正文说明均用英文：
+
+```text
+subject_definitions: ...
+summary: ...
+retention_analysis: ...
+detailed_description: [Shot 1] ...
+overall_soundscape: ...
+non_diegetic_music: ...
+```
+
+**这六段是一条提示词，一次整体提交。** 它们是同一个 `MOTION-...` 的可复制正文，从第一段到最后一段
+一起放进那一次生成的提示词框，不是六次生成、也不是只提交第一段。三段结构的 Base / 首帧 / 首尾帧同理。
+一镜一次生成，所以下一镜换成它自己那条完整正文。
+
+### 素材标签怎么编号
+
+正文用 `<Picture N>`、`<Video N>`、`<Audio N>` 指向本次 job 的实际素材，`<Subject N>` 指向可复用的可见内容。
+**编号按同类素材在本镜「输入参考图」里的 `顺序` 递增**：第 1 张图片是 `<Picture 1>`，第 2 张是 `<Picture 2>`，
+视频和音频各自从 1 开始。生产端 compiler 按同一顺序附加引用契约，所以文档里手写的编号必须和 `顺序` 一致；
+两套编号不一致时模型会收到互相矛盾的素材说明，而接口不会报错。
+
+因此写 full-reference 正文前，先把本镜的槽位按 `顺序` 列一遍，例如：
+
+```text
+REF-SHOT-START（顺序：1；用途：起始帧）  -> <Picture 1>
+REF-XIAOYU-SHEET（顺序：2；用途：身份）  -> <Picture 2>
+REF-STUDY-PLATE（顺序：3；用途：地理）    -> <Picture 3>
+```
+
+`subject_definitions` 把每个主体绑到它的标签上，句式为
+`<Subject 1> is the ... in <Picture 2>, with ...`；`retention_analysis` 逐条写保留强度和出现的镜次，
+视觉素材用 `fully_preserved`、`partially_preserved`、`attribute_transfer`、`weak_reference`，
+音频素材用 `fully_copy`、`partially_copy`、`reference`、`weak_reference`，例如
+`<Subject 1> (appears in [Shot 1]): fully_preserved - 短发轮廓、连帽外套配色与鞋型保留`。
+每个标签在六段里保持同一写法，不留下没有定义的标签。
+
+### 每张图带什么、不带什么
+
+`用途` 决定这一张在正文里被要求保留什么：`起始帧` 只锚定开场构图与姿态，`身份` 只锚定脸型体态，
+`地理` 只锚定空间关系，`造型状态` 只锚定服装与损污。把这条差异写进 `retention_analysis`，
+不要让角色板顺带决定构图，也不要让场景板顺带决定人物长相。
+
+角色始终使用同一个说话人 ID；中文对白只出现在 `<d>[Chinese] ...</d>` 内。禁字幕写进可见文字约束，
+与获准的画内文字分开。
+不要为了“多模态”把所有资产图都带上；每镜只绑定它真正可见且需要保持的起始帧、人物、地点或关键道具图。
+
+### 一个完整例子
+
+分镜里的槽位（三张图：本镜起始帧、角色板、场景板）：
+
+```markdown
+- 输入参考图：REF-SHOT002-START（顺序：1）· 剧集/EP001/制作成果/images/SHOT-EP001-002.png《SHOT-EP001-002 起始帧》（用途：起始帧；控制：起始构图、双人站位；不得控制：尚未发生的动作、终态）；REF-XIAOYU-SHEET（顺序：2）· 输入/参考图/小雨定妆.png《小雨定妆照》（用途：身份；控制：脸型、发型剪影、身高比例；不得控制：构图、动作、表情）；REF-STUDY-PLATE（顺序：3）· 输入/参考图/家庭书房.png《家庭书房场景图》（用途：地理；控制：书桌方位、书架墙、灯位；不得控制：人物身份、动作、道具状态）
+```
+
+对应的 full-reference 正文（`生成方式：图生视频`，模式为 `reference`）：
+
+```text
+subject_definitions: <Subject 1> is the elementary-school boy in <Picture 2>, with a round short black haircut and a light grey-blue hooded jacket over a white inner shirt. <Subject 2> is the home study in <Picture 3>, with the desk against the window wall, a full bookshelf on the left and a warm desk lamp. <Picture 1> is the opening composition of this shot.
+summary: The boy leans over an open textbook at his desk and stops when he notices the printed map.
+retention_analysis: <Picture 1> (appears in [Shot 1]): fully_preserved - overhead framing, desk edge position and the boy's seated placement open the shot exactly as supplied. <Subject 1> (appears in [Shot 1]): fully_preserved - face shape, hair silhouette and the jacket-over-shirt layering stay identical; his pose and expression are set by this shot, not by <Picture 2>. <Subject 2> (appears in [Shot 1]): partially_preserved - desk orientation, bookshelf wall and lamp position are kept; the props on the desk follow this shot.
+detailed_description: [Shot 1] ...
+overall_soundscape: ...
+non_diegetic_music: N/A
+```
+
+三张图各自只负责一件事：`<Picture 1>` 给构图，`<Picture 2>` 给身份，`<Picture 3>` 给地理。
+把这条差异写进 `retention_analysis`，角色板就不会顺带决定构图，场景板也不会顺带决定长相。
+
+## 素材数量上限
+
+一次生成最多 1 张首帧、1 张尾帧、9 张 `reference_image`、3 段 `reference_video`、3 段 `reference_audio`；
+视频与音频每段 2–15 秒，且各自合计不超过 15 秒。分辨率取 `768P` 或 `2K`（`MiniMax-H3-Max` 另为 `480P`/`768P`）。
+超过上限时在分镜阶段按重要性取舍，并写明放弃了哪些参考，不在正文里假装它们仍然生效。
+
+本镜还没有起始帧图片时，它由 `$short-drama-produce` 从 `分镜.md` 的 `SHOT-...` 冻结关键帧生成；
+拿到真实文件后由分镜 owner 绑成 `用途：起始帧` 的 `REF-...`，本阶段再原样抄入。
+
+`输入参考图` 只登记参考**图片**。连续段需要的上一段实际视频与实际音频不走这个字段，由下面的
+「连续段」小节和生产 job 的绑定承担；不要为了凑成一份清单把视频路径塞进 `REF-...`。
+
+## 连续段
+
+H3 的首/尾帧模式与 full-reference 模式互斥，不能在同一请求混用 `first_frame`/`last_frame` 和
+`reference_image`/`reference_video`/`reference_audio`。连续段需要上一段实际视频和实际尾帧时，统一走
+full-reference：
+
+- 上一段实际视频：`reference_video`，正文称 `<Video 1>`，控制动作、节奏和声音连续；
+- 该视频的实际尾帧：`reference_image`，正文称 `<Picture 1>`，只作为新段开场的可见姿态与构图锚点。
+
+不要把尾帧标成 `first_frame`。这不是措辞偏好，而是 H3 官方接口的互斥输入契约。
+
+## 时长
+
+MiniMax-H3 的整数时长是 4–15 秒，`MiniMax-H3-Max` 是 5–15 秒（不支持 4 秒）。短动作在至少 4 秒的镜头内完成并 hold 已接受终点；超过 15 秒的
+镜头在分镜阶段按闭合状态拆开。本阶段不偷改镜头秒数。
+
+依据：MiniMax-H3 官方 base/ref prompt writing guides 与 MiniMax v2 video generation API。

package/lib/drama/skills/short-drama-video-prompts/references/motion-recipe.md

@@ -14,8 +14,8 @@
   运动规格只实现这个区间，不能改写它。
 - `VID-02` — 按需填写起点、有序动作、表演变化、摄影机、环境/声音和时间，
   最后输出结束报告。
-- `VID-03` — 当参考帧已经说明外观和构图时，运动提示词专注“怎样变化”和“什么不变”，
-  不要重抄整本人物与场景设定。
+- `VID-03` — 先区分文生视频与图生视频。只有真实参考帧已作为输入时，运动提示词才可省略它已
+  说明的外观和构图；没有真实图片时必须把静态视觉锚点写进可复制正文，不得假设执行端看过分镜。
 - `VID-12` — 补拍版/替代版逐项绑定原文要求，说明本版本没有承担哪些内容，
   并明确它是补充母版，还是请求经审查后替代母版；范围变小不等于完整覆盖。
 
@@ -48,36 +48,27 @@
 
 ### 参考图用途与补拍范围
 
-每个 `reference_bindings` 条目声明准确的产物引用、用途 `role`、`may_control`、
-`must_not_control` 与检查状态。`start_frame` 可以决定本镜起始构图和可见状态，却不能
+每张参考声明准确的稳定 `REF-...` 槽位、顺序、项目相对路径、中文名称、用途、允许控制、不得控制与观察状态，
+且视频文档必须与分镜原文一致。起始帧可以决定本镜起始构图和
+可见状态，却不能
 提供尚未发生的终点；构图、尺度、效果参考也不能带入图中没有来源的人物、文字、
 道具或事件。只有创作者/参考图权利人的可核对说明，或运行环境获授权后形成的准确
-`reference_observation_ref` 才能支持像素/文字结论；只有文本记录时保持 `unverified`。
-
-**`VID-12 · reviewed_invariant`**：普通母版省略 `coverage_scope`；只有局部补拍或替代实现才增加
-该对象，并按 [`coverage-scope.fragment.json`](../assets/coverage-scope.fragment.json) 的统一结构，
-用 `mode: pickup | alternate` 区分。补拍版/替代版用同一文件内的 `master_motion_id` /
-`supplements_motion_ids` 说明它补什么，避免让文件引用自身；
-`source_obligations` 把动作、反应、对白、揭示、结束边界与已确认的项目要求分别绑定来源，
-并把 `disposition` 对到当前 `motion_field`。运动规格只能提交 `replacement_intent`；reviewer
-在下游审查结论中指名替代版或母版的记录后作出决定，不能把审查引用回写运动规格
-造成循环引用。未承担的内容保留在母版/其他补拍版本，或退回分镜修改，不能随更短的
-提示词消失。
+观察说明才能支持像素/文字结论；只有文本引用时保持“未验证”。
 
-## 末镜交接
+**`VID-12 · reviewed_invariant`**：普通母版不写覆盖清单；只有局部补拍或替代实现才在同一
+`MOTION-...` 章节下写“版本关系”。用稳定 ID 指明母版与补拍，逐项列出动作、反应、对白、揭示、
+结束边界和项目要求由本版本、母版、另一补拍承担，还是必须退回分镜。运动提示词只能提出替代；
+reviewer 结合完整故事义务决定，不能让未承担内容随更短提示词消失。
 
-**`VID-09 · structural_invariant`**：下一镜起点要么引用已经存在的记录，
-要么使用明确的 `provisional` 定位信息，不得伪造记录或 `sources` 条目。
+## 末镜交接
 
-`next_start` 只有在目标已经存在时，才能写成引用：`src` 指向本文件 `sources` 里声明的那个
-快照，`record_id` 指向该快照里已存在的记录。最后一镜可对照已有的
-单集卡或分集表交接；若下一集尚未建立，就写 `next_start_locator` 和 `provisional`
-状态。不得伪造 `EP002-START` 记录并声称匹配。
+**`VID-09 · structural_invariant`**：下一镜存在时直接引用真实 `SHOT-...` 起点。最后一镜可对照
+已有分集规划；下一集尚未建立时明确写“下一集起点未定”，不得伪造一个不存在的 ID 并声称匹配。
 
 ## 1. 目的、输入与权属
 
-视频提示词不负责“想一个更精彩的镜头”，而是把已接受镜头的变化写成能按时间执行的过程。
-输入包括：镜头与关键帧快照、准确的资产引用、时长、镜头目的、起止边界、对白、画外音、音效和声音引用、
+视频提示词不负责“想一个更精彩的镜头”，而是把已确认镜头的变化写成能按时间执行的过程。
+输入包括：镜头与关键帧、准确的资产引用、时长、镜头目的、起止边界、对白、画外音、音效和声音引用、
 进出连续性、视觉/声音方向和可选的制作能力配置。
 
 分镜负责地点/时间、资产版本、构图意图、时长、对白、起止姿态/位置/目光/双手/持物、
@@ -88,12 +79,13 @@
 写提示词前先做内部卡片：
 
 ```text
-镜头/关键帧：文件头 `sources` 声明的快照 key（`src`）加准确的记录与字段
+镜头/关键帧：准确的 `SHOT-...`；`IMG-...` 只定位图片提示词条目，不表示已有关键帧图片
 镜头目的：观众的注意、信息或情绪要怎样改变
 时长：已确认时长
 起点：姿态 / 重心 / 目光 / 双手 / 持物 / 空间关系
 终点：同一组字段的已确认 `end_boundary`
 对白/声音：准确来源引用 + 已确认的表演或声源要求
+持续关系：限制本镜动作空间的身体—物件—空间关系及有效范围
 下一镜：下一镜起点引用（只用于比较）
 ```
 
@@ -107,8 +99,10 @@
 - 与门、桌、人等行动相关对象的距离/方位；
 - 正在持续的运动（若关键帧冻结的是运动中瞬间）。
 
-参考帧已包含脸、服装全貌、墙面材料等内容时不重复。**`craft_default`** 是“只重述动作所需条件，
-不重述整份视觉设定”。但若提示词离开参考帧就会把左右手或物体搞错，应保留这些局部事实。
+真实参考帧已作为输入并包含脸、服装全貌、墙面材料等内容时不重复。**`craft_default`** 是“图生视频
+只重述动作所需条件，不重述整份视觉设定”。文生视频没有这种省略资格，必须提供足以独立建立本镜
+人物、造型、地点、构图与光线的静态视觉锚点；若提示词离开参考帧会把左右手或物体搞错，图生视频
+也应保留这些局部事实。
 
 ## 3. 运动说明的七个部分
 
@@ -134,6 +128,11 @@
 “缓缓、自然、电影感”不能替代路径与结果。只描述画面内可见动作；心理词要落为呼吸、
 注视、肌肉张力、停顿、话语节奏或明确的画外音。
 
+先把起点中的持续关系翻译成动作自由度：用正向状态写清贯穿本镜的支撑、固定、接触或空间关系，
+再只安排允许的身体/物件通道。关系变化必须来自已接受动作并落到已接受终点；否则按 `VID-01`
+保持只读。可复制正文只写持续状态和允许动作，不用 `no/not/without + 动作` 复述边界。
+成稿后在正文内直接改掉残留的这类否定结构，不另建检查步骤或报告。
+
 **`craft_default`**：一条运动提示词优先只有一个主导的戏剧变化，必要反应、环境与摄影
 都服务这项变化；这不是固定动作数量。若同一镜必须同时完成互不依赖的交接、追逐、身份
 揭示和大范围效果，先向 storyboard 请求按注意或力学边界拆镜。反过来，也不能为了变短
@@ -168,6 +167,15 @@
 不要给每个背景物同时加动作。声音部分引用准确的对白、画外音和音效，说明表演方式、同步要求、
 空间声源和层级，不改台词。
 
+目标执行端同轨生成声音时，把音频写成一个完整时间线：
+
+1. 按发生顺序列出本镜全部对白、VO、OS、必要非语言发声和 SFX；
+2. 每条台词同时标说话人、声源性质、口语语言和逐字文本，发声从原文首字开始、到末字结束；
+3. 所列事件之外只保留已声明的 ambience 或静默；相邻两句之间若有停顿，也明确回到这一底声；
+4. 声明时间线完整并结束声音段落，不再列出或否定集合外的语言、语气或声源。
+
+确有叹气、吸气、笑声或重叠说话时，把它作为有来源的事件列入。声音不同轨时仍只写后期职责。
+
 ### 3.6 时间 `timing_plan`
 
 默认把这几秒写成一条读得出先后的节拍链：

package/lib/drama/skills/short-drama-video-prompts/references/performance-action-timing.md

@@ -87,7 +87,7 @@
 表演与台词的说话方式都应当从这一个括注派生；三者互相矛盾时以剧本括注为准，需要改动
 就发修订请求，不在提示词里自行折中。
 
-### 单人或多人 `performance_arcs[]`
+### 单人或多人表演弧
 
 每个真正承担本镜可见变化的角色才写一条；状态未变的旁观者不因字段完整度进入主表演通道。
 以下是可选词汇，不是六项必填拍表：
@@ -97,26 +97,23 @@
 3. **mask**：角色确实在掩饰、继续或压住什么时才写；
 4. **visible_leak**：掩饰漏出的目光、尾音、手部、距离或物件动作，且当前景别读得到；
 5. **choice**：说、做或刻意不做一个有方向的选择；
-6. **landing**：选择落在 accepted end 状态。
+6. **landing**：选择落在分镜明确的终点状态。
 
-需要时从 [`performance.fragment.json`](../assets/performance.fragment.json) 复制统一结构；
-`actor_ref`、触发和注意交接对象都写成引用：`src` 指向文件头 `sources` 声明的那个快照，
-`record_id` 指向该快照里的记录；不写裸角色名或另造引用形状。注意归属方所在的产物
-（设定集、分镜或剧本）也在同一个 `sources` 里声明一个 key。
+需要时在对应 `MOTION-...` 下按人物分条写；人物使用 `视觉设定.md` 的稳定 ID，触发与注意交接指向
+场景或镜头的可见 ID，不靠同名猜身份。
 只保留能让本镜更可演、更可读的字段。例如角色认出桌上印章后仍试图把原句说完，尾音降低、
 右手离桌，最后停止阻拦并让出通道；若没有掩饰，就删除 `mask` / `visible_leak`，不要填 `none`。
 
 若本镜只需要“听见门响后停止翻页”，写触发和可见动作即可，不必把其余字段补成同义句。
 
 空镜、道具细节、纯空间转场、无人物镜头，或只有物理动作而没有可见内在处理的镜头，省略
-`performance_arcs[]`。单人镜也不因人数自动生成 arc；多人镜更不是给每个人复制同一“震惊”。不同人物可以早认出但继续说、
+表演弧。单人镜也不因人数自动生成；多人镜更不是给每个人复制同一“震惊”。不同人物可以早认出但继续说、
 晚半拍才让路、故意制造噪声掩饰，或看见别人停顿后才理解变化。所有差异都要来自角色立场、
 已接受信息和空间关系。
 
-只在注意真正交接时，用 `attention_handoffs[]` 简写“谁/什么拥有注意 → 哪个可见或可听触发 →
-注意转给谁/什么”；没有交接时省略该字段。
-交接两端可以是角色、道具、证据、声源或已建立的空间区域；分别指向拥有该事实的那个产物的
-`src` 与记录，不要为了套片段把道具或空间伪装成 `CHAR-*`。
+只在注意真正交接时，简写“谁/什么拥有注意 → 哪个可见或可听触发 → 注意转给谁/什么”；没有交接
+就不补这一段。交接两端可以是角色、道具、证据、声源或已建立的空间区域；使用它们在
+`视觉设定.md` / `分镜.md` 中的可见 ID，不要为了套人物格式把道具或空间伪装成角色。
 交接不是全员同步转头：例如说话者尾音降低 → 最近的听者先停手 → 群体让路 → 主角获得空间。
 每一跳说明为何当前景别、遮挡和声音能读到；细微眼神在远景不可读时，改成视线转移加手部停顿，
 而不是只增加情绪形容词。

package/lib/drama/skills/short-drama-video-prompts/references/production-prompt-grammar.md

@@ -184,22 +184,26 @@
 
 ## 五、文字与缺陷约束
 
-1. **无文字要求**（项目确实没有可读文字义务时）：
+1. **字幕层默认关闭**：除非剧本或创作者明确要求字幕、caption 或对白文字叠加，每条视频正文都
+   用项目提示词语言直接声明全镜任何时刻都不生成这些内容，让对白只通过声音与口型发生；不能只写
+   抽象的“文字层为空”。这个默认与旗帜、标牌、屏幕等画内文字政策独立；有 `exact-readable` 时
+   仍然直接禁止字幕层。
+2. **画内无文字要求**（项目确实没有可读文字义务时）：
    `画面不要出现任何文字`。若上游或资产要求 `exact-readable`，改为列出唯一允许
    字段与受控显示位置，禁止同时写全局 `no-text`。
-2. **参考图检查**：提示词中的无文字要求只约束生成意图，不能擦除参考图像素。人物、场景、道具
+3. **参考图检查**：提示词中的无文字要求只约束生成意图，不能擦除参考图像素。人物、场景、道具
    或关键帧参考若带未批准标牌、界面、号码、水印、字幕或伪字，先**裁切、清理、
    遮罩或替换**；会破坏身份、地理或构图时退回参考图归属方决策。`exact-readable`
    镜头只允许批准的显示位置和文字版本，不让旧字样从参考图回流。
-3. **文字要求一致**：只复述已选择的文字策略；不能用`【不出现任何文字字幕】`抹掉证据文字。
-4. **语言与文字分别守上游要求**：对白保留原语言；字幕、屏显或无字策略读取已接受的
+4. **文字要求一致**：只复述已选择的文字策略；不能用`【不出现任何文字字幕】`抹掉证据文字。
+5. **语言与文字分别守上游要求**：对白保留原语言；字幕、屏显或无字策略读取已接受的
    文字方案，不把“出海”自动等同于无字幕，也不让翻译覆盖逐字对白。
-5. **模型条件只来自已记录观察**：若创作者提供的项目反馈指出身份混淆、比例漂移
+6. **模型条件只来自已记录观察**：若创作者提供的项目反馈指出身份混淆、比例漂移
    或其他具体风险，针对该操作补最少的正向状态说明与保持项；不复制通用缺陷补丁，
    不靠首尾重复同一句增加权重。
-6. **后处理不在本技能执行**：若项目已有受控文字层或清理决定，只在文本中保留其
+7. **后处理不在本技能执行**：若项目已有受控文字层或清理决定，只在文本中保留其
    归属方引用和交接说明；不把未来清理能力当成当前参考图已检查的证据。
-7. **不要用词表判断审美**：项目已知能力若明确某种表达不可执行，记录它为什么失败、当前
+8. **不要用词表判断审美**：项目已知能力若明确某种表达不可执行，记录它为什么失败、当前
    替代表达和适用范围；不把一串形容词或生理细节词提升为跨题材禁用清单（VID-10）。
 
 ## 六、决策规则
@@ -214,9 +218,8 @@
 4. **台词负载**：从所选时长、语速、表演动作和口型能力反推；放不下就删减、拆镜或
    请求剧本修订，不用固定字数替代试听。
 5. **收到生产反馈后的修订要可解释**：只改变当前诊断所需变量（拆元素、补关键状态
-   或换措辞）；必须联动的变量一起记录。若形成补拍或替代版，保留修改前后版本、
-   `coverage_scope` 与逐项 `source_obligations` 和 `disposition` 记录；普通母版不增加这层账目。
-   本技能不负责重投。
+   或换措辞）；必须联动的变量一起记录。若形成补拍或替代版，在 `视频提示词.md` 中写明它与母版
+   的关系、修改前后差异，以及每项原文义务由哪一版承担；普通母版不增加版本账目。本技能不负责重投。
 6. **生产预算不由本技能猜**：可读取创作者提供的项目观察来收窄文本，但不移植
    无来源的通用成本比例，也不从文字规格声称模型效果。
 

package/lib/drama/skills/short-drama-video-prompts/references/review-and-fixtures.md

@@ -4,80 +4,51 @@
 
 1. 审查顺序
 2. 证据量表
-3. 诊断目录
+3. 完成前结构检查
 4. 合成正例
 5. 合成反例
 
 ## 1. 审查顺序
 
-先验证 refs、显式时长、camera interval、音频否定与 end equality，再由审查者看 performability、action feasibility、camera motivation 和 semantic invention。Reviewer 写 finding，不改 motion、shot 或 screenplay。
+先核对可见 ID、显式时长、摄影机区间、声音来源和终点一致，再由审查者判断表演可执行性、动作负载、
+运镜动机与语义发明。Reviewer 写 finding，不替 motion、shot 或 screenplay owner 修改来源。
 
-Finding 必须含被引用快照的 artifact（从该文件 `sources` 声明里读出）、引用片段、影响、
-required fix、owner、severity、status。禁止用 prompt 长度、动词数量、固定动作/秒或“AI 味”替代证据。
+Finding 必须含文件与 `MOTION-...` / `SHOT-...`、必要短引文、影响、修订结果、owner、严重程度和状态。
+禁止用提示词长度、动词数量、固定动作/秒或“AI 味”替代证据。
 
 ## 2. 证据量表
 
 | 维度 | 核心问题 | 必须引用 |
 |---|---|---|
-| Start fidelity | 第一动作是否从 keyframe/shot start 真正可接上？ | start 字段与 prompt 起始句 |
-| Ordered action | actor、方向、接触、先后和结果是否清楚？ | action stages |
-| Performance | 触发、处理、选择、landing 是否可见且符合 agenda？ | source beat/shot purpose + motion |
-| Action budget | duration 内能否保留故事动作、对白与 reaction？ | duration、距离、台词、动作、camera |
-| Camera | lock/move 是否一致，且因注意/压力/揭示而发生？ | camera interval + shot purpose |
-| Environment | 是否只动了有依据的环境，未发明天气/事件？ | accepted continuity + environment |
-| Dialogue/audio | exact refs、`speaker_ref`、可选 `voice_direction_ref`、VO/OS/SFX 与本场 delivery 是否分别保持？ | source audio fields + character voice direction + prompt |
-| End fidelity | reported end 是否逐项等于 continuity out？ | end report + source end |
-| Economy | frame 已承载外观是否被无谓倾倒？ | reference contents + copy block |
-| Shot boundary | 是否偷改 duration/end/next shot，或在单个镜头内部藏未声明的 cut？ | source shot + motion |
-| Segment integrity | 每个计时段是否只有一个连续视角？各段相加是否正好等于**所属镜头**的已接受时长？ | segment 列表 + accepted shot duration |
-| Container arithmetic | 容器承载了哪些已接受镜头？容器时长是否等于成员时长之和？成员是否顺序连续、同一绑定链、不跨场次、各自可单独审查？ | container 成员列表 + 各镜 accepted duration |
-| Deliverable text | 交付文本里是否只剩要拍的画面内容，没有文件名、版本号、锁定标记、草图指代或任务备注？ | prompt 正文 |
-
-语义 finding 的修复应指出删/改哪一段 motion，或该向哪个 owner 发 revision request，而不是笼统说“动作自然一点”。
-
-## 3. 诊断目录
-
-| code | classification | enforcer | 默认 severity | owner | 含义 |
-|---|---|---|---|---|---|
-| VID_SOURCE_REF_UNRESOLVED | structural_invariant | validator | error | video-prompts | shot/keyframe/dialogue/audio ref 未解析：`src` 在本文件 `sources` 里没有对应条目、引用没有给出任何上游绑定，或解析出的记录/字段在目标快照里不存在 |
-| VID_EXPLICIT_TIMING_OVERFLOW | structural_invariant | validator | error | video-prompts | 显式时间终点/非重叠总量超 duration |
-| VID_EXPLICIT_TIMING_SHORTFALL | structural_invariant | validator | error | video-prompts | 裁剪到镜头长度内的分段并集短于 duration；开头留空、中间留空与结尾留空都算，余量会被无来源动作填满 |
-| VID_TIMING_MODE_INCONSISTENT | structural_invariant | validator | error | video-prompts | `timing_plan.mode` 写 `relative` 却有分段标 `explicit`，两种计时同时声明 |
-| VID_EXPLICIT_TIMING_UNDECLARED_OVERLAP | structural_invariant | validator | error | video-prompts | 分段区间重叠但未声明重叠关系，合计无法判定 |
-| VID_EXPLICIT_TIMING_UNPARSEABLE | structural_invariant | validator | error | video-prompts | 声明 explicit 却没有可读秒区间，无法做 VID-04 算术 |
-| VID_DECLARED_TOTAL_MISMATCH | structural_invariant | validator | error | video-prompts | `declared_total_or_endpoint_seconds` 与分段实际覆盖不一致 |
-| VID_DURATION_PROJECTION_STALE | structural_invariant | validator | error | video-prompts | `boundary_refs.duration.value_seconds` 与镜头已接受时长不一致 |
-| VID_CAMERA_INTERVAL_CONFLICT | structural_invariant | validator | error | video-prompts | 同一区间 lock 与 move 等显式冲突 |
-| VID_END_REPORT_MISMATCH | structural_invariant | validator | error | video-prompts | reported end 不等于 storyboard continuity out |
-| VID_BOUNDARY_OVERRIDE | structural_invariant | validator | error | video-prompts | motion 写入 duration/end/next-shot override |
-| VID_ACTION_INFEASIBLE | reviewed_invariant | reviewer | error | video-prompts/storyboard | 一般动作负载不可行或掩盖故事变化 |
-| VID_SEMANTIC_INVENTION | reviewed_invariant | reviewer | error | video-prompts | 新造故事、关系、知识、状态或音频事实 |
-| VID_CAMERA_UNMOTIVATED | craft_default | reviewer | warning | video-prompts | movement 无助于目的/注意变化 |
-| VID_REFERENCE_DUMP | craft_default | reviewer | warning | video-prompts | bound frame 已带外观却重复整本 设定集 |
-| VID_HIDDEN_CUT_IN_SEGMENT | reviewed_invariant | reviewer | error | video-prompts | 单个计时段内藏入视角或空间跳变，等于一次未申报的剪辑 |
-| VID15_SHOT_PACKED_TWICE | structural_invariant | validator | error | video-prompts | 同一镜头被两个容器认领，全集时长凭空多一段 |
-| VID15_MEMBER_IS_NOT_AN_EPISODE_SHOT | structural_invariant | validator | error | video-prompts | 容器成员不属于本集镜头集合 |
-| VID15_MEMBER_SHOT_HAS_NO_DURATION | structural_invariant | validator | error | video-prompts | 被装箱的镜头没有数值时长，容器时长无从成立 |
-| VID15_CONTAINER_DURATION_IS_NOT_THE_SUM | structural_invariant | validator | error | video-prompts | 容器时长不等于成员已接受时长之和 |
-| VID15_EPISODE_TOTAL_DOES_NOT_RECONCILE | structural_invariant | validator | error | video-prompts | 容器加散镜不等于全集镜头时长总和 |
-| VID15_MEMBER_ORDER_IS_NOT_A_SEQUENCE | structural_invariant | validator | error | video-prompts | 成员 `order` 不是从 1 开始、升序、无重复无跳号 |
-| VID15_MEMBER_HAS_NO_ACCEPTED_DURATION | structural_invariant | validator | error | video-prompts | 成员没有投影它所装镜头的时长 |
-| VID15_MEMBER_DURATION_IS_STALE | structural_invariant | validator | error | video-prompts | 成员的 `accepted_duration` 与它所装镜头的值不一致 |
-| VID15_MEMBERSHIP_BASIS_MISSING | structural_invariant | validator | error | video-prompts | 容器没有记录成员为何同属一个容器 |
-| VID15_MEMBERSHIP_BASIS_INCOMPLETE | structural_invariant | validator | error | video-prompts | `membership_basis` 三项里有结论留空 |
-| VID15_CONTAINER_HAS_NO_ID | structural_invariant | validator | error | video-prompts | 容器记录没有 `container_id` |
-| VID15_CONTAINER_HAS_NO_MEMBERS | structural_invariant | validator | error | video-prompts | 容器没有成员 |
-| VID15_CONTAINER_DURATION_MISSING | structural_invariant | validator | error | video-prompts | `container_duration` 缺失或不是秒数 |
-| VID15_MEMBER_HAS_NO_SHOT_REF | structural_invariant | validator | error | video-prompts | 成员没有点名它所装的镜头 |
-
-`VID15_*` 由 [container_check.py](../scripts/container_check.py) 执行。未装容器的散镜与
-时长尚未确定的镜头**只报告不判错**：前者是合法的打包选择，后者是上游还没做完，把它们
-写成缺陷会让"进行中"和"做错了"无法区分。
-| VID_UNEXECUTABLE_MICRO_METRIC | craft_default | reviewer | warning | video-prompts | 亚秒偏移、厘米位移、角度数等读起来精确却无法执行也无法验证的计量 |
-| VID_INNER_MONOLOGUE_ONLY | craft_default | reviewer | warning | video-prompts | 绝大多数段落只有内心活动，没有可拍的可见事件或有来源的声音 |
-| VID_STYLE_ALTERNATIVE | taste_option | reviewer | note | video-prompts | 表演/摄影/声音风格的非阻断选择 |
-
-语义问题只能由 reviewer 证据化判断；不要写正则把“缓慢”“同时”或动词数量变成错误。
+| Start fidelity | 第一动作是否从关键帧/镜头起点真正可接上？ | 起点事实与正文起始句 |
+| Ordered action | 人物、方向、接触、先后和结果是否清楚？ | 动作阶段 |
+| Performance | 触发、处理、选择和落点是否可见且符合人物目标？ | 剧本节拍、镜头职责与运动正文 |
+| Action budget | 时长内能否保留故事动作、对白与反应？ | 时长、距离、台词、动作、运镜 |
+| Camera | 固定/运动是否一致，且因注意、压力或揭示而发生？ | 运镜区间与镜头职责 |
+| Environment | 是否只动了有依据的环境，未发明天气或事件？ | 连续性与环境动作 |
+| Dialogue/audio | 逐字台词、说话人、VO/OS/SFX 与本场声音策略是否保持？ | 场景 ID、声音事实与正文 |
+| End fidelity | 运动终点是否逐项等于分镜终点？ | 终点说明与来源终点 |
+| Economy | 参考帧已承载的外观是否被无谓重复？ | 参考内容与可复制正文 |
+| Shot boundary | 是否偷改时长/终点/下一镜，或在单镜内藏切？ | `SHOT-...` 与 `MOTION-...` |
+| Segment integrity | 每个计时段是否只有一个连续视角，时间并集是否正好覆盖本镜？ | 分段与镜头时长 |
+| Delivery grouping | 多镜分组是否连续、同场、同一地理/资产链，时长是否等于成员之和？ | 分组章节与成员时长 |
+| Deliverable text | 可复制正文是否只剩要生成的内容？ | 提示词正文 |
+
+语义 finding 的修复应指出删/改哪一段运动，或该向哪个 owner 提出什么修订，不笼统说“动作自然一点”。
+
+## 3. 完成前结构检查
+
+- 每个 `MOTION-...` 唯一对应真实 `SHOT-...`，并继承相同时长；
+- 起点、主要变化、分段时序、声音、运镜和终点没有互相冲突；
+- 显式分段的并集既不超时，也不留下由模型自行填充的空白；重叠必须说明；
+- 固定和运动摄影机不在同一区间同时生效；
+- 终点逐项对齐分镜，下一镜仍读取分镜自己的起点；
+- 同一镜头最多进入一个交付分组；分组加散镜恰好覆盖点名范围一次；
+- 静态漫剧只做关键帧切换加配音时可以没有逐镜运动正文；
+- 可复制正文不含文件名、版本号、ID、状态、哈希或任务备注。
+
+未分组的散镜和时长尚未确定的镜头只报告为当前状态，不伪装成质量缺陷。动作可行性、隐藏剪辑、
+语义发明和无动机运镜仍需 reviewer 结合剧情判断。
 
 ## 4. 合成正例