作者系统总结了一套基于 H3 模型的 AI 古风舞蹈视频制作方法论。核心原则是先建立舞蹈再建立镜头：从作品意图、音乐分析、编舞设计出发，构建持续层、动链层、微动作层三层舞蹈结构，写出包含受力、路径、重心、惯性等完整物理过程的动作链，并按音乐节拍与动作密度对齐。镜头设计强调真实摄影机几何而非抽象角度术语，每次运镜都需有目的。文章还涵盖参考图视觉权限界定、跨段连续性检查、负面约束的正向替代方案、提示词语法结构与交付前的导演级自检流程，旨在建立可复用的模块化 AI 舞蹈创作系统。
文章分享了用 H3 视频生成模型稳定产出 10 秒 AI 换装游戏视频的完整教程。核心方法包括：具体描写每套服装实现图片与文字双重锚定、将核心规则前置并声明最高优先级、用 identical 替代 match 封死重新解读空间、固定相机保证 UI 与人物同时可见、选择 10 秒时长避免模型跑偏。作者提供了完整的提示词模板和 5 步使用流程，并总结了 8 个失败经验教训，如避免提示词过长、不要套用学术模板等，帮助读者快速稳定出片。
本文介绍了 Dance Director Skill 的使用方法，该 Skill 能将 AI 从简单的 Prompt 生成器转变为'舞蹈导演'。用户只需提供一张角色图片，AI 即可按照导演规则自动设计编舞、镜头运动和 H3 I2VA 提示词，无需手动编写复杂的舞蹈指令。Skill 支持无音乐时共同创作音乐与编舞，也支持有音乐时根据节拍进行音乐驱动编舞。文章附带了完整的 Skill 内容，涵盖角色设定、动作短语思维、参考图视觉权威、编舞匹配角色、身体力学、动作幅度、音乐性等编舞设计原则。
文章分享了使用 H3 视频生成模型进行高分辨率俯拍镜头控制的提示词实战经验。核心技巧包括：将机位约束放在提示词最顶部以提高识别权重；明确接受俯拍导致的人脸透视变形，打破模型内置的人脸美化逻辑；直接禁止模型为美化人脸而将机位拉回平视的行为；使用 NO、DO NOT 等强否定短句代替解释性长文；保留原图的人物身份与服装参考，但完全替换原图机位、背景与灯光。作者强调，有效的提示词不是解释“什么是俯拍”，而是硬性禁止模型在高分辨率模式下自动修正机位和人脸透视的内部行为。
本文介绍了一种用于AI舞蹈视频生成的运镜提示词，强调在拍摄多人舞蹈场景时，应优先保证面部特写和清晰度，而非追求全景构图。文章详细规定了摄像机应始终保持极近距离，使用特写、近景、侧面、高角度等多种近距离镜头组合，避免拉远镜头。同时，文章提出了面部质量优先的原则，并给出了具体的镜头切换示例和优先级顺序，旨在通过近距离拍摄保留面部细节和角色身份，提升视频的视觉冲击力和真实感。
