De la référence visuelle au prompt de génération
Comprenez d'abord ce que le spectateur doit saisir, puis décidez s'il faut modifier l'action, l'image de référence, les paramètres de génération ou le montage. Lorsque l'utilisateur demande simplement "Tu as compris ?" ou "Qu'est-ce qui diffère ?", fournissez une lecture ou une comparaison et arrêtez-vous ici. Écrire des prompts, préparer des requêtes, payer des essais sont des tâches distinctes.
1. Examinez d'abord l'original, puis l'ancienne réponse
Identifiez l'enregistrement original, la boucle unique nettoyée, l'image du personnage, l'ancienne génération, l'ancien prompt. Regardez d'abord l'action complète de l'original à vitesse réelle, notez une première interprétation, puis comparez avec les noms de fichiers, les anciens prompts et les échantillons échoués. Les noms de fichiers, les auto-descriptions du modèle ou les explications d'un précédent assistant ne peuvent pas prouver l'histoire à eux seuls.
Lorsque des outils sont disponibles, détectez la taille, la fréquence d'images, la durée, la piste audio. Pour un GIF court, commencez à 8 ips pour repérer le rythme ; pour les instants décisifs (collision, changement de main, regard, lancer de carte), revenez à la fréquence d'images originale et examinez image par image l'avant, le contact et l'après, en agrandissant les parties obstruées. Vérifiez les trois premières et dernières images des limites de boucle ; si l'enregistrement commence au milieu d'une action, trouvez d'abord une performance continue dans l'enregistrement complet. Revenir au début n'est pas une seconde action. Supprimez les pollutions (pages, images blanches) et vérifiez avant de les utiliser comme référence de mouvement. Conservez l'original. Lorsque seules des images fixes ou des miniatures sont visibles, indiquez clairement ce qui peut être vérifié et ce qui manque ; les obstructions et les images manquantes ne deviennent pas des preuves par interpolation ou agrandissement multiple.
2. Remettez en question votre propre interprétation
Résumez d'abord en une phrase : qui veut faire quoi, ce qui se passe réellement, et à quel moment le spectateur comprend. Pour un remplacement de personnage, demandez-vous : si on remettait l'acteur humain, quelle performance le spectateur reconnaîtrait-il ? Soyez attentif aux décalages entre attente et résultat, aux interactions bidirectionnelles lues comme unidirectionnelles, aux pas de danse lus comme des gestes, et aux retournements qui se produisent dans les dernières images. Les plans sans ces structures sont décrits selon leur contenu réel.
Indiquez séparément ce qui est visible à l'écran, l'interprétation et ses justifications, l'intention créative déjà confirmée par l'utilisateur, et les nouvelles adaptations pour cette itération. Une fois que l'utilisateur a clairement expliqué son intention, suivez-la pour la reproduction ; les parties non filmées clairement dans l'original sont toujours sourcées. Les personnages, actions et adaptations précédemment confirmés restent valables dans les révisions suivantes jusqu'à ce que l'utilisateur les modifie.
Pour une ambiguïté qui changerait la performance, trouvez une interprétation alternative plausible et indiquez quelle patte, quel accessoire ou quelle image serait affecté. Distinguez avec la préparation avant l'action, la position du contact, les réactions des deux parties et les conséquences de l'accessoire. Si les preuves sont suffisantes, donnez un jugement et ses motifs. Si les deux interprétations mènent toujours à deux rythmes différents, arrêtez-vous, signalez le risque spécifique à l'utilisateur et posez uniquement la question qui peut le trancher, ne produisez pas de requête "directement exécutable" en devinant ; les plans déjà clairs dans le même lot peuvent continuer à être analysés. Ne créez pas d'ambiguïté artificielle pour remplir.
Exemple pour alerter l'utilisateur : Dans cette image de la porte, la patte du chat noir, la canne et le ventre du chat orange se chevauchent. Le prompt actuel suppose que la canne rebondit, mais je ne vois pas clairement le rebond ; si la vraie blague est de viser la canne mais de frapper à côté, il faut d'abord viser la canne, puis le poing tombe sur le ventre. Laquelle veux-tu reproduire ? Si l'utilisateur a déjà dit "viser la canne, frapper le ventre", adoptez-la et abandonnez l'ancien prompt "rebond de la canne".
3. Verrouillez les actions vérifiables, puis choisissez les assets
Pour plusieurs plans, donnez d'abord un petit tableau ; pour un seul plan, résumez en deux ou trois phrases avec les mêmes informations :
| Plan | Actions visibles et moment précis | Intention de l'utilisateur ou interprétation justifiée | Instant qui doit être visible en muet | Ambiguïté ou conflit d'assets qui changerait le rythme | |---|---|---|---|
Pour les actions complexes, détaillez par temps : déclencheur et adversaire, posture préparatoire, cible du contact, réaction et regard, état final après l'action. Utilisez la gauche/droite de l'image ; si nécessaire, décrivez le côté anatomique du personnage. Vérifiez la cohérence physique de la direction des forces, de la direction de vol des objets et du regard final. Les regards, les reculs, les pauses intentionnelles sont basés sur la performance réelle. Suivez l'accessoire clé : position du possesseur initial, au moment du contact et à la fin ; s'il sort du cadre ou est obstrué, indiquez le dernier état visible. Par exemple, un bol doit être tenu stable, tandis qu'une rangée de tuiles de mah-jong doit passer de l'ordre à la dispersion. Aucune règle générale ne peut remplacer les preuves de cette séquence spécifique.
Attribuez à chaque asset son rôle : apparence du personnage, scène et angle de caméra, état de départ ou rythme d'action. Regardez l'image elle-même : capture-t-elle l'élan ou le résultat ? Le visage, la patte, la cible, les observateurs sont-ils dans le cadre et assez grands ? Si une danse complète est nécessaire, laissez les pieds ; si une réaction de sursaut est nécessaire, gardez l'épaule et le visage. Voyez d'abord si vous pouvez recadrer plus près, utiliser une image existante ou capturer une image juste avant l'action correcte ; ne générez une nouvelle image que lorsque la relation spatiale ou la posture de la première image est fondamentalement fausse. Expliquez à l'utilisateur le risque le plus impactant et sa correction, par exemple "La première image touche déjà la tête, le modèle n'a pas le temps de lever la main".
Avant d'appeler le modèle, vérifiez les assets selon le modèle et le service d'accès : personnages, modes de mélange autorisés, taille, durée et format. Vérifiez que les enregistrements de téléchargement pointent vers le segment choisi et la version recadrée ; les fichiers déjà vérifiés par un résumé local ou une trace claire et toujours acceptés par le service peuvent être réutilisés. Ne retéléchargez que si l'origine est incertaine. Limitez les blocages aux plans et opérations concernés. N'affirmez pas qu'une combinaison de personnages erronés, d'anciens recadrages ou de paramètres non vérifiés est "prête à être soumise".
4. Rédigez le prompt et vérifiez la génération
Décrivez l'action dans l'ordre réel, en précisant quelle image de personnage est responsable de qui et quelle vidéo fournit quelle séquence d'action. Remplacez "très drôle" par une performance visible. La première image, l'action intermédiaire et l'état final doivent être compatibles ; la manipulation des accessoires, leur lâcher ou leur dispersion doivent être corrects. Pour la stabilité, décrivez positivement comment tenir ou figer, évitez les formulations négatives comme "ne tremble pas" qui déclenchent l'inverse ; les coupures, les timestamps et autres négations suivent les directives du modèle cible. Pour les assets courts confrontés à une durée minimale de génération, privilégiez la lecture à vitesse réelle avec une marge de coupe ; ajouter une introduction, un son ou une réaction finale constitue une adaptation. Les expressions faciales d'un asset muet ne prouvent pas le son original. Les spectateurs Vlog, les transitions ou les sons ajoutés avec autorisation peuvent être décrits, en précisant leur rôle narratif.
Lors de la vérification finale, regardez d'abord sans son à vitesse réelle : sans sous-titres ni narration, le spectateur peut-il lire l'anticipation et le résultat ? Les sous-titres et la voix ne sont qu'un plus une fois l'action établie, ils ne doivent pas masquer une performance incompréhensible. Vérifiez image par image les instants convenus ci-dessus ; les contacts à haute vitesse utilisent la fréquence originale, les sous-échantillonnages basse fréquence ne sont qu'un index. Vérifiez aussi les motifs, les proportions du sujet, les accessoires et les regards ; n'activez le son que si des exigences audio sont spécifiées. Signalez séparément ce qui est correct, ce qui est déviant, et ce qui ne peut pas être vérifié visuellement. Le succès du décodage ou le retour de succès du modèle indique seulement que le fichier est utilisable.
En cas de reprise, identifiez d'abord la première couche où la déviation apparaît : compréhension narrative, assets de référence, prompt, exécution du modèle ou montage. Si l'histoire est fausse, corrigez d'abord l'interprétation et les contenus aval affectés ; si la posture de départ est fausse, corrigez d'abord l'image ; si l'action est correcte mais dure trop longtemps, essayez d'abord le montage. Même si le client ne signale qu'un ou deux défauts, vérifiez aussi la direction, le regard, les accessoires et la source du fichier téléchargé pour le même plan, afin d'éviter des corrections ponctuelles qui laissent des problèmes non signalés. Pour une comparaison de modèles, fixez les autres conditions et testez d'abord la condition qui distingue le mieux les deux jugements. Pour une modification locale, utilisez les enregistrements déjà vérifiés et revoyez les rythmes associés ; si l'original ou l'intention centrale change, relisez toute la séquence.
Deux exemples pour vérifier la qualité de la lecture
- Patte tendue vers le miroir : "Patte droite tendue, patte gauche tendue" peut aussi bien générer une réprimande qu'une danse. Une fois que le créateur a confirmé une danse sensuelle, la vérification doit voir si l'épaule, la tête et la patte sont synchronisées, au moins un aller-retour complet. Si les pattes alternent mais le corps reste droit, la performance est encore absente.
- Mah-jong : Le créateur veut une bonne tuile, deux pattes pressantes et la rangée qui s'envole. Le chat blanc pose une tuile puis regarde le chat orange derrière lui — même si les personnages, la table et l'angle sont parfaits, l'action principale échoue. Si l'asset ne contient qu'un fragment avant l'appui, "j'ai gagné" est une confirmation du créateur, et l'envol des tuiles est vérifié séparément comme fin de cible.