# p09 prompt 合同 vs H3 社区语料 对拍报告

日期: 2026-10-12 | 对拍对象: 我方 prompt_pack_rev4.json (97物理镜, kgr 金标线, 契约合规基线) vs awesome-MiniMax-H3-cases 698条 verbatim (commit b07fc03)

## 逐维量化

| 维度 | 我方97镜 | 社区698条 | 判定 |
|---|---|---|---|
| 长度中位数 / p90 | 630 / 828 | 1738 / 6030 | 我方短 3×（见分析③） |
| Beat 显式时相 | **51%** | 2% | **我方领先 25×** |
| 运镜词覆盖 | **99%** | 67% | 我方领先 |
| 旁白 lips-closed 声明 | **87%** | 6% | 我方领先（与官方规范一致） |
| 裸情绪词 | 15%(均为「情绪词+可见行为」复合态) | 9% | 基本打平，双方都已行为化 |
| 音频面(soundscape/music) | **1% / 0%** | 40% / 36% | **最大缺口**（见①） |
| 对白 (Sn) 说话人ID + `<d>` | **0%** | 3% / 7% | **第二大缺口**（见②） |
| `<scenetrans>`/`<cutoff>` | 0% | 0% | 双方均不用 |

## 三个分析

### ① 音频面缺口 = 架构差，非缺陷（暂缓采纳）
我方音频由 P10 TTS + P12b BGM 管线分治，prompt 不需要写音频；社区是 API 一次性用户必须 prompt 内描述。结合 1011 Class D 定谳（native 混音禁用于音频轴），若未来训练 H3 环境音侧能力，可在**无对白镜**上以 `overall_soundscape` 式环境描述做单变量试点——现在不动。

### ② 对白 (Sn)`<d>` 协议 = 最高 ROI 收编项（建议入合同 v1.1）
我方 8 条对白镜只写 "Character speaks aloud, natural lip-sync"，缺 (S1) 稳定说话人 ID 与 `<d>[中文]</d>` 语言标签。官方设计意图 = 多说话人口型/发声绑定，与我方 P10 声纹轴 + p11b mouth-windows 机制直接互补。文本层改动，不依赖车辆（音频仍走 ttsAudio stem）。

### ③ 长度差一半来自官方结构条
社区仅 9%（55条）遵循官方三字段模板，其中位长度 4442（自由体仅 1542）——结构化 = 3× 长度。我方 630 的「契约化紧凑」不构成质量劣势（Beat/运镜/旁白三轴全领先）；xlong 31 条(8k+) 全是分镜板控制型（REFERENCE CONTROL + PART N），对应我方 p11a 关键帧控制场景，可按需单独考古。

## 高分条画像 (likes>=5, 240条)
长度中位 1706，含音频描述 37%——社区受欢迎创作普遍比官方模板短但比我方长，核心差异仍是音频面。

## 结论
- 节奏/时相、运镜、旁白三轴：**合同已达社区水准以上，无需动作**
- 音频面：架构性豁免，暂缓
- 对白 (Sn)`<d>` 协议：**唯一建议收编项** → p09-h3-prompt-contract v1.1