这一次只要加载4个照片，一段Six day音频，就可以自动合成一段18秒的Six day Tokyo Drift视频。。。但是我没有做换脸的，存粹重新生成全部画面

Youtube Video

帮我创作一支精确18.00秒、16:9、写实电影级的音乐卡点人物登场短片。

素材绑定：

P1严格绑定@P1，是第一位主角，并在11.50秒的校园出口交接镜头再次出现。
P2严格绑定@P2，是第二位主角。
P3严格绑定@P3，是第三位必须实际出现的人物／视觉主体。P3不是走廊图、环境母版或背景证据。
P4严格绑定@P4，只锁定最后一幕可见人物／主体的身份、脸、身体、毛发或发型、服装、配饰、数量与相对排列。P4原背景不进入成片；最后一幕继续使用上一幕已经建立的校园。
@A1是0.00–18.00秒唯一且连续不断的Master Audio，放在Timeline A1。

如果@P1、@P2、@P3、@P4或@A1没有实际加载，Apply前准确报告缺少的ID，不得用其他编号替代。

走廊由MiniMax H3根据提示词自动生成，不要要求Media Pool提供走廊图，也不要调用Z-Image生成走廊参考图。第一至第三段必须保持同一条走廊的建筑、消失点、材质、色温、灯光方向和行进轴线连续。第四段必须在第一帧已经来到同一走廊的出口门槛，并于镜头内明确完成室内到校园室外的空间转换，不得继续停留在走廊内部。

先分析A1真实节拍、Onset、重音、Drop与乐句变化，再把切点吸附到最接近的0.5秒Timeline网格。分析不明确时使用：

Shot 1，0.00–6.00秒：P1在H3自动生成的电影级走廊正面走向镜头，摄影机平滑实体后退跟拍并保持P1比例。走廊模特使用轻松自然的慢速活动，不得奔跑、快走、快速横穿或全程背对镜头。把不同模特分布在不同活动点：一人开关储物柜并整理书本；两人靠墙或贴柜聊天并短暂拍肩；一人抱书或夹书、侧身闪避人流并看手表。可在不遮挡P1且不过载本段的前提下加入看书、摸门框或跳起摸天花板。每位被选中的模特都自然转动头部和上身，以正面或四分之三角度望向镜头1.0–1.5秒，让双眼和五官无遮挡、清楚可辨。结尾必须让P1实际走到第一个可见转角，转角墙面进入构图，为下一段建立空间原因。

Shot 2，6.00–9.00秒：摄影机跟随P1实体绕过第一个走廊转角，转角墙面短暂遮住部分画面；随着墙面离开镜头，P2才被自然揭示为早已在转角后方走来的人。P1与P2短暂眼神接触并擦身而过，摄影机把跟拍主体从P1平顺交接给P2。P2不得突然出现、Dissolve、Morph、由P1变成或在无空间遮挡时替换P1。P1和P2都100%保持各自参考图身份与服装。

Shot 3，9.00–11.50秒：摄影机继续跟随P2走到第二个可见转角。P2绕过转角时，墙面先遮住远处空间，随后以真实侧向视差揭示原本就在转角后方的P3。P2向P3点头或作出自然眼神反应，摄影机再平顺交接到P3。P3必须清楚出现并可辨认面孔、身材和服装；P3绝不是走廊、建筑或环境图。禁止P3突然弹出、Dissolve、Morph或替换P2。

Shot 4，11.50–13.50秒：这是不可省略、不可与前三幕合并的独立H3 Render Segment，并在11.50秒使用Hard Cut，不携带P2或P3的24帧运动参考。摄影机预先位于校园一侧、以Eye Level正面迎向出口。0.00–0.70秒，第一帧已经看见P1朝镜头跨越门槛，让P1正面或四分之三脸、双眼和五官清楚可辨。0.70–1.45秒，P1看向画外即将出现的P4主体，眼睛睁大、眉毛抬起、嘴巴微张，出现清楚可读的惊讶表情。1.45–2.00秒，摄影机侧移到相邻校园转角的实体墙面或门框后，让建筑完整遮满画面。室外校园、日光和开放空间必须在遮挡前清楚出现。禁止只拍P1背影，也不得省略正脸、惊讶反应或全画面遮挡。

Shot 5，13.50–18.00秒：使用上一段最后24帧作为无声Motion Reference，让遮挡移开后继续显示同一个校园背景、地面、日光、镜头高度、地平线与视线方向。@P4只提供可见人物／主体：100%保留P4原有脸、身体、毛发或发型、服装、配饰、主体数量与相对排列，但舍弃P4原背景。把P4主体以正确比例、脚底接触、共同日光方向、接触阴影、色温和空气透视自然融合在校园里，读起来必须像同一次校园拍摄，而不是把两张图硬切或贴图。主体动作以45–60%体感速度慢放，A1保持1倍速；摄影机只沿校园既有镜头轴做极小幅、极慢速横向移动。17.50–18.00秒稳定Final Hold。

A1连续与Segment规则：

A1只播放一次。每个隐藏H3 Segment必须上传与Timeline位置相同的A1音频窗口。Segment从13.50秒开始时使用A1 Source In 13.50秒；跨过15.00秒H3边界时，后段从A1 Source In 15.00秒继续。禁止重播开头、复制A1、改用另一首音乐、拉伸音乐、生成替代配乐或交叉淡化第二份A1。

本Skill必须固定编译为三个隐藏生成窗口：0.00–11.50秒、11.50–13.50秒、13.50–18.00秒。中间11.50–13.50秒窗口只执行Shot 4，只可加载P1与对应Source Window的A1；最后13.50–18.00秒窗口加载P4、对应A1切片及上一幕最后24帧的无声校园Motion Reference。不得为了节省任务而把Shot 4重新并回0.00–13.50秒。

existing_media_uses必须按因果相遇时间配置：P1用于0.00–9.00秒及11.50–13.50秒；P2用于6.00–11.50秒；P3用于9.00–11.50秒；P4用于13.50–18.00秒；A1用于0.00–18.00秒。P1/P2及P2/P3的短暂重叠是为了真实转角相遇，不代表身份混合。13.50秒后的实体Media Pool参考只可含P4与A1，另加程序自动建立的上一幕24帧无声校园连续性参考。

不建立任何media_requests，不生成P1–P4替代图，也不生成走廊图。不得生成额外背景音乐，non_diegetic_music设为N/A。没有对白、旁白、歌词、字幕或口型表演；只允许A1下面存在轻微现场走廊底噪、脚步和衣物声。

写实真人电影摄影、自然步态、稳定面孔、真实布料运动、清楚走廊转角透视。每次人物交接必须经过实际移动、墙面遮挡、转角揭示与摄影机跟拍交接。禁止突然弹出、混脸、换人、克隆身份、无原因消失、服装变化、几何扭曲、卡通风格、明显AI感和P4之前的无原因慢动作。

禁止播放按钮、快进／后退、点赞数字、评论图标、App边框、字幕、Logo、水印及无关文字；不得看见无人机、摄影机、手机、云台、摄影师、剧组或器材反射。

输出一份覆盖0.00–18.00秒、五个Shot互不重叠且无空白、可以直接Apply到H3 Timeline的Studio Director Design JSON。