Rozbierz scenę na części. Zwróć JSON {"subject":"...","action":"...","setting":"...",shot":"...","style":"..."}: subject - kto/co, action - JEDNA akcja, setting - gdzie i kiedy, shot - plan i kąt (bliski/średni/ogólny, poziom kamery), style – styl wizualny.
Podpowiedź wideo ma szkielet, jak kadr z filmu. Podziel to na części: temat (kto/co), akcja (co robi), otoczenie (gdzie i kiedy), ujęcie (zbliżenie, średnie, ogólne), perspektywa (poziom oczu, powyżej, poniżej), światło i nastrój (ciepły zachód słońca, zimny poranek), styl (realizm, akwarela, 3D). Sieć neuronowa odczytuje opis jak prośbę reżysera: im dokładniej nazwana jest każda część, tym mniej o Tobie myśli. Kluczową techniką jest JEDNA akcja na scenę. „Dziecko wystrzeliwuje papierowy samolot” się utrzyma, ale „biega, skacze, łapie, śmieje się” rozpada się na artefakty. Druga technika: najpierw opisz gęsty, statyczny kadr niczym fotografia, a dopiero potem dodaj ruch – model najpierw buduje stabilną kompozycję, a następnie ją animuje. Typowym błędem jest pisanie emocji zamiast działań: „atmosferyczne”, „epickie” są słabo rozumiane przez model. Zastąp to czymś widocznym: „aparat powoli przybliża, drobinki kurzu w smudze światła”. Zasada jest prosta: jeśli na ekranie nie widać akcji, model ją zignoruje.
Odblokuj dostęp, aby przesyłać rozwiązania do natychmiastowej oceny AI.