Tách cảnh ra. Trả về JSON {"subject"","action"...","setting"...","shot"...","style""..."}: subject - ai/cái gì, action - MỘT hành động, setting - ở đâu và khi nào, shot - kế hoạch và góc (gần/trung bình/chung, cấp độ camera), style—phong cách trực quan.
Lời nhắc video có khung giống như một bộ phim tĩnh. Chia nó thành các phần: chủ đề (ai/cái gì), hành động (anh ấy đang làm gì), môi trường (ở đâu và khi nào), ảnh chụp (cận cảnh, trung bình, chung), phối cảnh (ngang tầm mắt, trên, dưới), ánh sáng và tâm trạng (hoàng hôn ấm áp, buổi sáng lạnh lẽo), phong cách (chủ nghĩa hiện thực, màu nước, 3D). Mạng lưới thần kinh đọc mô tả giống như yêu cầu của đạo diễn: mỗi bộ phận được đặt tên càng chính xác thì nó càng giúp bạn ít suy nghĩ hơn. Kỹ thuật quan trọng là MỘT hành động cho mỗi cảnh. “Một đứa trẻ phóng máy bay giấy” sẽ giữ vững, nhưng “chạy, nhảy, bắt, cười” sẽ biến thành hiện vật. Kỹ thuật thứ hai: đầu tiên mô tả một khung tĩnh dày đặc, giống như một bức ảnh, sau đó chỉ thêm chuyển động - trước tiên, mô hình sẽ xây dựng một bố cục ổn định, sau đó tạo hoạt ảnh cho nó. Một sai lầm điển hình là viết cảm xúc thay vì hành động: người mẫu chưa hiểu rõ “không khí”, “hoành tráng”. Thay thế nó bằng thứ gì đó có thể nhìn thấy được: “máy ảnh phóng to từ từ, những hạt bụi trong chùm ánh sáng”. Quy tắc rất đơn giản: nếu một hành động không thể hiển thị trên màn hình, mô hình sẽ bỏ qua nó.
Mở khóa quyền truy cập để gửi giải pháp nhằm đánh giá AI ngay lập tức.