wangminrui2022

Write or revise MiniMax H3 Ref2VA prompts for editing a source video from reference images or audio, especially masked or false-colour person replacement, face replacement, costume or object replacement, cross-shot identity persistence, overlay cleanup, and lip-sync preservation. Use when a request

Minimax H3文生视频、图生视频动作武打提示词生成，将用户的打斗构想通过场景、动作分镜方案、招式库、技能库和示例剧本的多层关键词检索，编译为可靠的战斗剧情、动作链、空间路线与动作分镜；也可将用户提供的一个或多个资料文件按用途吸收到 reference 资料库并维护路由元。用于打斗剧情构思、动作设计、招式设计、条件型技能设计、战斗分镜、资料入库或扩充打斗资料库；不负责提示词生成。

批量将指定目录下的 .mp4 视频文件提取音频转为 .mp3。 支持指定源目录和输出目录，未指定输出时默认创建 [源目录]_audio 文件夹。 自动管理 Python 虚拟环境，保持文件夹层级结构，兼容 python3 和 python。 高频触发词：mp4转mp3、视频转音频、批量提取音频、mp4 to mp3、extract audio from videos、听视频、提取网课音频、把视频里的声音抠出来、视频转mp3。

当用户想要**音频转文字**、**语音转文本**、**转录录音**、**生成字幕**、**会议录音转文字**、**语音笔记转文本**、**本地转录音频**时自动触发。 使用本地 Faster-Whisper（large-v3-ct2 等模型）进行高性能、中文优先的音频转文字，完全离线、隐私安全，支持 wav/mp3/m4a 等格式和整个音频文件夹。 特别适合长音频（内置 VAD 分段）、会议/访谈/视频字幕等中文场景，输出结构化结果（完整文本 + 分段 + 时间戳）。 【重要约束】仅处理音频文件或音频文件夹，其他文件（如视频、图片、纯文本）一律不触发此技能。 常见触发口语（越多越好）： -

当用户想要**把长音频切成小段**、**音频切片**、**音频分割**、**把音频分成固定时长片段**、**制作语音数据集**、**准备Karaoke素材**、**翻唱音频切片**时自动触发。 支持单个音频文件或整个文件夹（支持递归），自动用 ffmpeg 把音频按指定秒数切成小片段，完美保留原始文件夹结构，并智能选择输出路径。 常见触发口语： - “帮我把这个音频切成60秒一段” - “把这个长音频分割成小段” - “音频切片，这个文件夹” - “把语音文件切成每段30秒” - “制作数据集，把音频切片” - “Karaoke素材切片” - “翻唱音频分割” - “把MP3切成小段” -

当用户想要**纠正中文文本错误**、**修改拼写错别字**、**修正语法**、**调整标点**、**润色中文句子**、**检查形近字错误**时自动触发。 使用 pycorrector + MacBERT 专业模型进行高精度中文纠错，准确率远高于普通 LLM 直接提示。 支持直接输入一段文字、长文本，或提供文本文件...

当用户想要**一键批量从音频文件中提取超干净纯人声（干声 / Vocals Only）**、去除伴奏/背景音乐时，自动调用此技能。 一键音频人声分离工具。专门从音频文件（.mp3/.wav/.flac等）中提取超干净干声（Acapella）或去除背景音制作伴奏。 核心用途：支持单个音频文件或整个文件夹批量处理（.mp3/.wav/.flac 等格式），输出高质量无杂音干声，自动在输入同级创建 [输入文件夹]_vocals 文件夹，完美保留原目录结构。 高频触发场景包括： - 翻唱练习、翻唱视频制作、B站/抖音/小红书演唱素材清洗 - 卡拉OK 伴奏制作（只保留人声） - 音乐制作中的人声分

当用户想要**下载抖音视频**、**下载B站视频**、**解析无水印直链**、**提取最高画质视频**、**把视频下下来**、**保存抖音/B站视频**时自动触发。 专门处理哔哩哔哩（Bilibili/B站）和抖音（Douyin）的任意视频链接（包括短链 b23.tv、douyin.com、bilibili.com 等）。 自动识别平台，优先使用 yt-dlp 获取最高画质，失败时自动切换备用方案，最后本地下载并用 ffmpeg 合并音视频，保存到 downloads 文件夹。 【重要约束】仅支持 B站 和 抖音 链接，其他任何平台的链接一律不处理。 常见触发口语（越多越好）： - “帮我

当用户想要**给文本恢复标点**、**ASR 转录结果加标点**、**无标点文本加标点**、**转录文本整理标点**、**批量给文件或目录加标点**时自动触发。 使用 FunASR ct-punc 模型，为一段文本、单个记事本文件（.txt）、或整个目录一键恢复中文/英文标点符号。 支持直接输入文本、单个文件路径、或整个文件夹路径（目录模式会自动在同级创建 _punctuated 镜像目录，原文件/目录不变）。 【重要约束】只处理文本标点恢复，不处理音频转录、翻译或其他 NLP 任务。 常见触发口语（越多越好）： - “帮我给这段文本加标点” - “把这个转录结果恢复标点” - “ASR

为 Krea 2 图像模型生成"巨构"（mega-scale structure / 超尺度结构）类生图提示词。适用于巨构建筑、巨型生物与巨兽、自然与地质巨构、机械载具巨构、超现实混合巨构等场景。当用户要求生成巨型建筑、巨兽、巨神像、悬浮要塞、巨型峡谷/巨树/巨浪、星舰机甲、世界树、天空之城，或提到"巨构""巨型""超尺度""史诗感""压迫感""尺度对比""monumental""colossal""megastructure""leviathan"时使用。产出英文长句提示词 + 中文说明 + Krea 2 参数建议。

当用户需要为 **MeloTTS** 训练或微调生成 metadata.list 文件时自动触发。 专门处理 .wav 音频文件和对应的 .txt 转录文本，自动生成符合 MeloTTS 官方最新标准的 metadata.list（格式：音频路径|speaker|语言|文本）。 支持单音色和多音色模式： - wav 和 txt 文件可以放在不同目录（目录结构一致） - 多音色时自动按第一级子目录名称提取 speaker - 单音色时可用 --speaker 参数强制指定说话人名称 - 无 txt 文件时可自动调用 Whisper 进行转录（支持 ZH/EN 等语言） 常见触发口语： - “帮我

当用户想要**音频增强**、**提升音质**、**修复录音**、**降噪**、**语音修复**、**高保真音频**、**48kHz超分辨率**、**清理会议录音**、**音乐音质提升**、**批量处理音频**时自动触发。 集成 **VoiceFixer**（通用语音修复）与 **AudioSR**（高保真音频超级分辨率到48kHz）两种专业技术，支持单个音频文件或整个目录批量处理。 默认使用 VoiceFixer 进行降噪和清晰度提升；当用户提到“高保真”“音乐增强”“提升采样率”“48kHz”等需求时，自动切换到 AudioSR 模式。 支持 wav、mp3、flac、m4a、ogg 等常见

当用户想要**一键复制抖音或B站短视频内容**、**把短视频转成带标点的高质量文字**、**提取视频干声和转录文本**、**端到端处理短视频内容**时自动触发。 这是一个复合工作流技能：输入抖音/B站视频URL或本地视频目录，按严格6步顺序执行全流程（或从指定步骤断点续跑）。 步骤包括：1. 下载视频（link-resolver-engine）；2. 提取MP3；3. 提取干声；4. Whisper转录；5. 文本纠错；6. 标点恢复。 支持自定义输出目录、从任意步骤开始。 常见触发口语： - “帮我复制这个抖音视频的内容” - “把这个B站短视频转成文字” - “一键提取这个视频的干声和转

当用户想要**Windows自动化**、**自动打开CMD**、**在指定目录执行命令**、**运行bat脚本**、**GitHub自动下载最新版**、**一键下载仓库源码**、**桌面GUI自动化**、**pyautogui任务**、**全屏可视化提示**、**鼠标单击强制停止**、**输入法自动切换**、**项目初始化**、**批量部署**、**安全可靠的Windows Agent** 等需求时自动触发。 这是一个完整的高容错 Windows 桌面自动化技能，集成全屏半透明 Overlay 实时提示、鼠标左键一键强制终止、Windows API 智能英文输入法切换、CMD 自动打开与执行