珠宝佩戴视频生成

当用户提供一段人物无实物表演视频，并提供 1-3 张参考物品图片，希望最终视频中参考物品出现在角色指定部位时，使用本 Skill。核心承诺是：自然加入物品，但保持原视频中的人物、场景、镜头、节奏、动作和整体连续性不变。默认使用 MiniMax H3。用户明确指定其他模型时先检查能力并遵循其选择；失败后针对原因重试一次，随后切换其他可用模型。

不要把本 Skill 用于泛物体替换、完整场景重设计、产品广告、口播字体包装、纯字幕编辑或纯文本生成视频。如果用户想做新的剧情广告、品牌片或多镜头成片，应改走更完整的视频或广告工作流。

步骤 0：收集必需输入

必需输入：

1. 源视频：一段用户上传或画布中的无实物表演视频。
2. 物品参考图：1-3 张待插入物品、产品、配饰、服装部件或道具图片。
3. 目标部位：物品应出现的身体部位或区域，例如手、手腕、头部、脸部、肩膀、躯干、腰部、脚、背部，或“两手之间”。
4. 交互方式：如果不明显，询问物品是被拿着、佩戴、固定在身体上、贴近悬浮、背着，还是跟随某个手势移动。

缺少必需输入时，只询问缺失项。用户没有明确要求字幕时，不要询问字幕，也不要默认加字幕。

可选输入：

• 输出比例或平台。未说明时，保持源视频比例。
• 参考物品是否必须精确复刻，还是只需自然相似。默认：自然且忠实参考。
• 是否保留原视频声音。默认：源视频有有效声音时保留原声。

步骤 1：分析源视频与参考图

分析源视频时关注：

• 可见人物数量与主表演者。
• 目标部位的可见性、运动范围、遮挡关系和可接触时机。
• 镜头运动、构图、时长节奏和运动模糊。
• 场景光线、透视、阴影和背景连续性。
• 目标部位是否足够可见，能否支持用户要求的物品植入。

分析物品参考图时关注：

• 物品类型与使用方式：手持、佩戴、身体固定、携带或贴近身体。
• 必须保留可识别性的主体结构与轮廓。
• 连接逻辑：接触身体的部位、抓握/佩戴方式、朝向镜头的面。
• 如果多张参考图展示同一个物品，应把它们视为同一物品的多视角参考；如果明显是不同物品，应询问用户选择一个物品还是同时插入多个物品。

除非用户用文字指定颜色，不要把颜色写进提示词；让参考图直接提供颜色与材质信息。

步骤 2：生成前可行性检查

在高成本视频生成前检查：

• 目标身体部位在视频中是否出现得足够多。
• 请求的物品尺寸是否能合理适配目标部位。
• 物品交互是否与原动作矛盾。例如大型双手物体需要两只手可见，或至少有明确的抱持姿态。
• 源视频必须作为基础：不要重设计人物、服装、背景、镜头或动作。

如果需求存在歧义，只问最短的阻塞问题。例如：

• “物品是握在手里，还是固定在手腕上？”
• “这三张图看起来是不同物品，要插入哪一个？”
• “目标部位大部分被遮挡，是否可以放到附近可见区域？”

步骤 3：编写编辑简报

生成紧凑的编辑简报，优先写保留约束：

1. 源视频不变量：保持原人物身份、脸部、服装、身体比例、场景、光线、镜头、时长节奏、动作和表演节奏。
2. 物品植入：把参考物品放到指定身体部位，匹配比例、透视、抓握/佩戴/接触、阴影、遮挡和运动跟踪。
3. 参考忠实度：保留参考物品可识别的轮廓、部件、材质线索和功能结构。
4. 不做多余改动：不要增加新人、改变背景、改变服装、改变姿势、改变镜头运动或引入无关道具。

对于很短的用户请求，最终编辑提示词应尽量贴近用户原话，只补充必要的保留约束和接触关系。

步骤 4：选择制作路径

使用能保持源视频的最短路径，并默认优先使用 MiniMax H3：

• 优先使用支持“源视频 + 图片参考”的 MiniMax H3 编辑路径；能一遍完成时不要拆成复杂流程。
• 如果 H3 或所选路径需要视觉锚点，先从源视频代表帧与物品参考图生成一张物品放置参考帧，再用它指导视频编辑。
• 如果需要保留原声，先生成视觉增强视频，再在必要时把原视频音轨重新合回去。
• 除非用户明确要求平台改幅，默认保持源视频比例。

不要把简单单条视频编辑升级成完整多阶段工作流；只有当用户要求多段视频、审阅分镜、复杂多物品交互，或还要音乐、字幕、成片拼接时，才进入更完整的视频工作流。

步骤 5：生成增强视频

派发视频生成/编辑时：

• 把源视频作为主要视频来源。
• 按用户上传顺序传入物品参考图。
• 明确写出目标身体部位与交互方式。
• 明确写出保留约束：人物、脸、服装、场景、光线、镜头、运动、动作和时长节奏保持不变。
• 明确写出物理融合要求：运动跟踪、透视、比例、接触、遮挡、阴影和模糊与源视频一致。

避免堆砌负面提示词。只有当模型容易漂移时，才加入真正必要的限制，例如“不要替换演员”“不要重设计场景”。

步骤 6：审查与修复

生成后检查：

• 物品是否出现在用户指定的身体部位。
• 物品是否随身体运动和遮挡自然变化。
• 物品比例与透视是否可信。
• 原人物、服装、场景、镜头和动作是否保持。
• 是否出现多余肢体、重复物品、人物漂移、背景重绘或物品闪烁。

如果结果失败：

• 物品位置错误：强化身体部位与接触方式描述。
• 人物或场景漂移：强化源视频保留约束，减少创意性描述。
• 物品不像参考：强调参考物品的具体轮廓与功能结构。
• 跟踪或闪烁：要求稳定附着、一致比例和逐帧连续性。

重试时必须实质性修正提示词，不要重复同一提示词。

步骤 7：交付

在画布上返回增强视频。总结时只说明：

• 使用的源视频。
• 参考物品数量。
• 目标身体部位与交互方式。
• 是否保留原声。

除非用户要求，不要暴露内部提示词、模型参数或节点 id。