从AI味到电影级因果:wushu-action-v7-minimax-h3-fl2va-ref2va-lora 12条提示词硬规则与连续时间线写法
从AI味到电影级因果:wushu-action-v7-minimax-h3-fl2va-ref2va-lora 12条提示词硬规则与连续时间线写法
wushu-action-v7-minimax-h3-fl2va-ref2va-lora 是一套面向 MiniMax H3(FL2VA)底模的武打动作 LoRA 提示词方案,触发词为 wushu_action。本文带你完整拆解它的 12 条提示词硬规则与连续时间线写法,教你用 ComfyUI 快速写出"拳拳到肉"的电影级武打视频提示词,告别 AI 味的"站桩互砍"。
为什么 AI 打斗总有一股"AI 味"
生成武打视频时,最常见的翻车点无非这几种:
- 站着起势:开局两人对视两秒才动手,节奏拖沓
- 回合制互砍:你打我一拳、我打你一拳,像回合制游戏
- 瞬移:镜头一切,人物位置凭空变化
- 无伤命中:拳打中了但毫无反馈,像打在棉花上
- 画面冻结:结尾直接定格,动作戛然而止
问题往往不在模型,而在提示词。本仓库的 武术打斗提示词skill.md 正是为此而生——12 条硬规则 + 连续时间线写法,把"导演思维"固化成可抄的模板。
项目速览:仓库里都有什么
| 文件 | 用途 |
|---|---|
| wushu_action_v7_fl2va_aitoolkit_adaln_full-int8convrot_bf16te_1000step.safetensors | V7 主 LoRA(全量 int8 底模,精度最高) |
| wushu_action_v7_fl2va_aitoolkit_adaln_full-int8convrot_bf16te_2000step.safetensors | V7 加训 2000 步版本 |
| wushu_h3_r2v_v7_2000.safetensors | 参考图生视频(REF2VA)版本 |
| Minimax h3多参考双采打斗工作流.json | ComfyUI 多参考双采打斗工作流,直接导入 |
| README.md | ComfyUI 部署与参数教程 |
| 武术打斗提示词skill.md | 核心:12 条硬规则 + 连续时间线写法 + 成品示例 |
| V7版本招式TAGS完整清单.md | 训练集全量招式标签(含频次),写提示词选词用 |
| wushu_h3_v8_招式库.md | V8 版 3D 动作 LoRA 的 109 种招式词库 |
💡 底模要求
minimax_h3_fl2va_*系列;V7 出片强度建议 0.85–1.0,人物崩坏就降到 0.6–0.8。
快速上手:三步搭好生成环境
第 1 步 · 放模型:按 README.md 的表格,把底模、文本编码器、双 VAE(视频 fp16 + 音频 fp32)和 LoRA 分别放入对应目录。
第 2 步 · 导入工作流:直接把仓库里的 Minimax h3多参考双采打斗工作流.json 拖进 ComfyUI,省去手动连线。
第 3 步 · 抄参数:KSampler 参数照抄即可(README.md):
| 参数 | 值 | 备注 |
|---|---|---|
| sampler / scheduler | euler / simple | 只用这一组 |
| steps | 25 | 低步数出片偏糊 |
| cfg | 1.0 | ⚠️ H3 是 CFG 蒸馏模型,>1 必出坏图 |
| 分辨率 | 832×480 | 宽高须为 32 的倍数 |
| 帧数 | 124 | ≈5.2 秒;必须满足 17n+5 规则 |
| fps | 24 | — |
参数全部在节点里设,不写进提示词正文——这是硬规则第 12 条。
12 条提示词硬规则逐条拆解
硬规则原文见 武术打斗提示词skill.md,按功能分成四组,每组直击一种"AI 味"。
规则 1–3:连续时间线 + 空间读数 + 身份锁
这是治"AI 味"的重头戏:
- 一条连续时间线。切镜 = 换机位,时间不停、动作不重启。第 2 镜起第一句必须接住上一镜末帧:位置 + 姿态 + 惯性 + 没做完的动作。禁止重新起势。
- 每拍空间读数:谁在左谁在右、相距几米、离地多高、朝向哪。没有读数的镜头,人物就会"乱飘"。
- 在场与身份锁:每镜能读到两个人物;全片同一张脸、同一套服装、同一兵器,镜头内只称"角色A/角色B",不复述外貌。
规则 4–6:禁瞬移、禁回合制、禁止站着挨砍
- 禁瞬移:位置变化只能由垫步、绕步、后跃、翻滚、击飞、落地滑步完成。
- 禁回合制:压制方连出 3~5 招不停手;守方每挡退半步;只抓空档才反打,反打后立刻转回压制。
- 守方被劈必须反应:举械格挡(火星 + 各退半步)/ 斜刃引开 / 闪避刀锋贴身掠过 / 退避中反击。站着挨砍直接判定不合格。
规则 7–10:命中因果 + 一击闭环
- 命中反馈分级:至少写出踉跄 / 闷哼 / 衣破 / 血线之一,轻到重的四级反馈见 分级伤害。
- 一招闭环:起势 → 发力 → 击中 → 收势接下一拍,禁止停住站定。
- 击飞沿作用线:正面重拳沿出拳直线后飞,扫堂腿沿扫弧横飞,撞击点在延长线正方向(速查表见 击飞作用线)。
- 收尾动态定格:肌绷、衣飘、呼吸可见,禁止画面冻结。
规则 11–12:声画分层 + 参数分离
overall_soundscape选 4~6 项(破空、衣料、脚步、闷响、喘息……),徒手戏不得出现金属刃声;non_diegetic_music: None.必须保留。- 正文不写帧数、分辨率、步数、cfg——这些只出现在规格头。
连续时间线写法:切镜头但"时间不断"
一条主链,不许分叉
整场打斗只走一条主链(原文):
开打接触 → 连续压制(3–5 拍不停手)→ 半拍空档 → 反击转入新压制 → 破防 → 终结沿作用线击飞 → 追击收势(动态定格)
三镜切链:每个 Shot 只干一件事
| Shot | 链上位置 | 只允许发生的事 |
|---|---|---|
| 1 | 开打 + 第一次压制 | 攻方先动,守方只招架流退,结束时守方已失位 |
| 2 | 空档反击 + 第二次压制 | 守方反打 1 次即成新攻方,双方换位写清楚 |
| 3 | 破防终结 + 追击 | 只打一记终结:接触点、作用线、飞出、环境撞击、追击收势 |
完整切链规则见 三镜切链。
每拍四步:缺一步不算一拍
每一拍必须走完:① 启动(谁、哪只脚蹬地、哪侧腰胯送力)② 接触或防守 ③ 结果(头甩向、脚滑向、兵器是否震偏)④ 衔接(下一拍挂在这一拍的结果上)。详见 每拍四步。
承接句:切镜不断戏的模板
中途切镜的那一招,上一镜要写"没打完",下一镜用承接句做完(模板):
承接上一镜末帧(同一秒表继续):A 在画面左侧、距 B 1.8 米、腾空 0.5 米、正在下落、惯性朝画面左……先把 A 那一记没收完的收招走完,再进下一拍——不许重新起势、不许重新站位。
配合走位表逐拍读数,人物就不会乱飘(示例):
t=0.00s 角色A:画面左侧·同一纵深·站姿·朝向 0|角色B:画面右侧·站姿|间距 3.2m
t=6.20s 角色A:画面左侧·更近·腾空 2.2m|角色B:画面右侧·更远·腾空 1.3m|间距 1.8m
实战提示词:直接可抄的成品示例
下面是仓库自带的完整文生示例——废弃工厂、重拳手 VS 腿法(原文见 示例 A),改个场景和锚句就能用:
wushu_action, 电影级硬核写实格斗,写实武侠。废弃工厂管道车间,金属冷光,尘土弥漫。
15 seconds, 362 frames, 16:9, 24fps, 832x480.
角色设定:
角色A(先攻):男性,光头蓄须,黑色紧身背心与工装裤,体格壮硕魁梧,赤手重拳手
角色B(先守):男性,黑发束马尾,深灰色紧身武服,体格精悍高挑,腿法高手,赤手
开局即战。压制连招,抓空档反打,终结沿作用线击飞。
integrated_multimodal_description:
[Shot 1] handheld follow at chest height. 起幅:角色A画面左侧、角色B右侧、间距 2.4 米、同纵深站姿。角色A右脚蹬地连续压制:蹬地打直拳、后手平勾不停手;角色B连续格挡流退,每挡一记退半步,鞋底刮擦水泥地,第三记直拳擦中面门、头猛然偏转,退至台角失位。落幅:B背距台角 0.6 米、重心后仰,A直拳正在收招。
[Shot 2] side tracking. 承接上一镜末帧:B在右、距A 1.2 米、重心未稳,A直拳收招未尽。B抓这半拍空档侧闪回避,下潜抱腿接过肩摔投把A砸向地面;A团身翻滚卸力起身,立刻垫步高侧踢连续压制,B招架滑退被逼到车间墙壁前。落幅:B背后距墙 0.8 米,A在左距B 1.0 米。
[Shot 3] close-up of contact then track the force line. 承接上一镜:B格挡手臂发麻。A后手重锤命中胸口;B双脚离地沿出拳直线向正后方凌空飞出、滞空后仰,落地侧身滚两圈撞上车间墙壁,碎石剥落、尘土炸开、金属管件哐当坠落,瘫软滑落;A沿同一条线贴到墙前,拳仍半举,衣料还在抖,呼吸可见。尘埃落定,管道还在轻响。
overall_soundscape: 拳腿破空声、衣料剧烈摩擦声、格挡沉闷撞击声、重拳轰鸣命中声、人体凌空翻飞风声、落地侧滚与墙体碎裂巨响、金属管件坠落哐当声、急促喘息声。
non_diegetic_music: None.
结构一眼可见:规格头 → 角色锚句 → 战斗宣言 → 三镜(起幅/承接/落幅)→ 声景 → 配乐 None。
招式选词:优先用训练集高频词
LoRA 对训练集里出现过的招式词响应最强,自造词命中率低。写提示词前翻一下词库:
- V7版本招式TAGS完整清单.md:V7 训练集全量标签。如"格挡卸力"频次 74+ 是全场第一词,"扫堂腿"47 次、"腾空侧踹"17 次
- wushu_h3_v8_招式库.md:V8 版 109 种招式词,如"蹬地打直拳"(37)、"疾步冲刺"(79)
选词三原则:
- 招式宁专勿泛:写"扫堂腿" ✔,写"踢腿" ✘
- 低频词加一行上下文(发力路线 + 受击结果)
- 多招串联用顿号:
蹬地打直拳、转身换向,一个 Shot 最多 1~2 个完整招式
避坑速查:6 个高频翻车点
| 症状 | 解法 |
|---|---|
| 人物/兵器崩坏 | LoRA 强度降到 0.6–0.8;动作不够"武"则升到 1.1 |
| 人物前后不一致 | 身份锚句逐字固定 + 定妆首帧 i2v 或 REF 锁脸 + 固定 seed |
| 站桩对峙、互相等待 | 强化"开局即战",走完整连招链 |
| 切镜后位置错乱/换人 | 承接句 + 每镜重申两人在场 + 走位表 |
| 命中没感觉 | 补踉跄 / 闷哼 / 衣破 / 血线,按 Lv1–Lv4 分级 |
| 画质问题 | 交给采样参数,别写进提示词 |
更多细节见 README 避坑清单 与 skill 避坑。
生成前后自检清单
生成前:规格头有参数且正文没有;帧数满足 17n+5;cfg=1.0;每镜有空间读数;每镜两人都在场或交代去向;身份锚句全篇逐字一致。
生成后:切镜承接是否断戏(cut-handoff)、是否瞬移(teleport)、击飞是否沿作用线、徒手戏是否误出金属声(sound-metal)、招式词是否在词库内。
完整清单见 自检 和 渐进测试策略:建议先用 124 帧测风格与动作,确认没问题再上 362 帧长片。
📌 长视频建议:训练片段只有 1.3~3 秒,长片用"一镜到底 + 分段同姿态收尾",相邻分段用相同开场/收尾姿态衔接。
把 12 条硬规则当作检查表、把连续时间线当作骨架,你的武打视频就能从"AI 互砍"进阶到电影级因果——每一拳都有来处,每一次击飞都有去向。