animede/Minimax-H3-lipsync-mv ? reverse-engineered prompt

このリポジトリを使って、1枚のキャラクター画像と1本の楽曲から、リップシンク付きのMVをローカルで作れるWebアプリを完成させてください。
MiniMax H3 Ref2VAだけを使う前提で、参照画像の顔、髪、服装、雰囲気をなるべく固定しながら、歌っている場面では口元がちゃんと見える正面か3分の1向きのカットになるようにしてほしいです。
曲全体は、無音や歌の区切れ、ブレス、ビート感を見ながら自然にシーン分割して、最後に1本のMP4として書き出せるようにしてください。
途中の進捗が見えること、キャンセルできること、再実行したときに同じ条件の完成済みシーンは再利用できることも大事です。
ローカルで起動してブラウザから使える形にして、必要なら最新の公式ドキュメントはオンラインで確認しながら進めてください。