物理学视觉质检 — AI图像与视频必须合理 是做什么的?
目标: 确保每张由AI生成的图像和视频都符合现实世界的物理定律——并拒绝不合理的表现。一个重大合理性缺陷 = 重新生成,无论技术规格是否合格。 范围: 所有出现在MASJAVAS产品中的AI视觉内容——视频循环、背景片头/片尾、缩略图、品牌符号。本技能是物理学质检的规范来源;其他技能将引用此文档。 前提条件 / 先阅读:
docs/operasi/pembagian-kerja-aplikasi-vs-agent.md(智能体是填充材料的执行者)。 状态:生效 — 自2026年11月17日起(基于对第368号产品“平滑小夜曲”生产文档的修正,以及业主于2026年11月17日11:54 WIB的决定:视频中禁止出现MASJAVAS水印;仅使用Muse生成的视频用于生产指南;频谱移至阶段2)。 相关文档:docs/produksi/cara-membuat-loop-intro-outro.md(使用本技能的生产指南);skills/youtube-intro-outro-pro/SKILL.md(§6质检);skills/youtube-branding-pro/SKILL.md(§7质检);docs/GLOSARIUM.md(条目“物理定律”、“PHYSICS LOCK”、“合理性测试”、“反向半段”、“缺陷目录”)。消毒处理: 本技能中不含任何令牌、PIN、密码、电子邮件地址、电话号码、IP地址、主机名、表格/网盘/YouTube ID,或操作员姓名。
1. 原则——物理合理优先,美观次之
AI生成的图像/视频并不理解物理——它只是模仿像素模式。因此它常常会生成:多余的手指、悬浮的物体、方向相悖的影子、映出他人的反射、向上落的雨。普通观众会立刻“感觉不对劲”,尽管说不清为什么——而这种诡异的感觉会损害观众对频道的信任。
约束规则:
- 每个视觉提示必须包含PHYSICS LOCK块(§3)以及负面提示中的物理禁止项。
- 每个结果在继续处理或上传前必须通过合理性测试(§4)。
- 一个主要缺陷 = 拒绝 + 重新生成。 对于主要缺陷,不存在“稍许瑕疵无所谓”。次要缺陷遵循两级规则(§4.3)。
- 评估用眼睛,不用数字。 没有任何指标能捕捉到“畸形的手”或“方向错误的影子”——智能体必须自己查看画面。
2. 8条物理定律(具有约束力)
| # | 定律 | 在画面中的含义 |
|---|---|---|
| 1 | 重力 | 所有未被支撑的物体都向下掉:头发、衣物、窗帘、树叶、灰尘。没有可见支撑的物体不得悬浮。落下的物体应加速下落,而非减速或悬停在空中。 |
| 2 | 光照与阴影 | 一个主光源 → 所有阴影必须投向同一侧(与光源相反)。同一画面中不得出现两个不同方向的阴影。光照随距离减弱;靠近光源的物体更亮。 |
| 3 | 反射 | 镜子、窗户和水面反射其前方的物体:左右颠倒,内容相同。反射中不得出现本场景中没有的人/物/文字。 |
| 4 | 解剖学 | 人类:每只手5根手指,两只眼睛对称且看向相同方向,关节只能朝允许的方向弯曲,头身比例合理,牙齿不多不重叠。动物:腿的数量和比例符合物种特征。 |
| 5 | 透视与比例 | 远处的物体显得更小;平行线汇聚于一个灭点;相对大小一致(杯子不比头大;门比人高)。 |
| 6 | 材质 | 水往低处流并随容器形状流动;火焰向上燃烧并产生烟雾;玻璃透明且反光;布料随重力和下面身体形状形成褶皱;金属反光。 |
| 7 | 运动与因果律 | 每个运动都有可见原因:风吹动树叶 → 所有树叶向同一方向移动;没有物体自行移动;没有物体穿透其他物体;没有物体在帧与帧之间凭空出现/消失(除非移出/移入画面)。 |
| 8 | 天气与时间 | 雨向下落(垂直或随风向倾斜);烟雾上升;雪花飘落;白天/黑夜的光照与画面内容一致(太阳不会在“深夜”场景中出现)。 |
**评判原则:**像普通观众一样观看画面——当某处“感觉不对劲”却又说不清时,几乎肯定违反了上述某条定律。
3. 提示词——PHYSICS LOCK + 负面提示
3.1. PHYSICS LOCK(每个视觉提示中逐字使用)
Physically plausible scene, obeying real-world physics: gravity pulls hair, clothes and loose objects downward; a single consistent light source with all shadows falling in the same direction; anatomically correct human hands with exactly five fingers; realistic body proportions and perspective; no floating objects; no impossible geometry; reflections in mirrors, windows and water match the objects in front of them.
根据物料类型调整(上述基础块仍需使用):
- 品牌符号(无人物): 删除关于解剖学的句子;添加“physically coherent shape”(乙烯基应为圆形,波浪须向同一方向流动)。
- 缩略图: 使用完整块(缩略图通常包含人物和物体)。
3.2. 负面提示——添加物理禁止项
no extra fingers, no missing fingers, no deformed hands, no floating objects, no levitating objects, no impossible shadows, no mismatched reflections, no distorted anatomy, no extra limbs, no objects passing through each other, no rain falling upward, no smoke falling downward, no physically impossible scene, no gibberish text
现有的生产负面提示(no singing, no camera movement, no watermark, no MASJAVAS等)仍然使用——这些物理禁止项是额外添加的,并非替代。
4. 合理性测试(质检关卡)
4.1. 待检画面
- 20秒视频循环(乒乓模式): 5帧——第0帧、第5秒、第10秒(中间)、第15秒(反向半段)、最后一帧。
- 10秒视频(片头/片尾/背景): 4帧——第0帧、第3秒、第6秒、最后一帧 + 每个CTA节拍处一帧。
- 静态图像(缩略图/符号): 完整图像 + 缩放至10%的版本(测试小尺寸下的可读性/异常情况)。
- 创建联系表(一张包含所有测试帧及时间标记的图像)作为拒绝/通过的证据。
4.2. 拒收触发条件(R1–R10)
| # | 拒收触发条件(主要) | 定律 |
|---|---|---|
| R1 | 手指/手部畸形:指头数量错误、手指粘连/分叉、不可能弯曲 | 4 |
| R2 | 面部畸形:眼睛不对称/看向不同方向、嘴巴/牙齿异常 | 4 |
| R3 | 物体未经支撑悬浮于空中(杯子、书本、枕头漂浮) | 1 |
| R4 | 阴影方向错误或不同物体间阴影不一致 | 2 |
| R5 | 反射不匹配:镜子/窗户/水面映出场景中不存在的内容 | 3 |
| R6 | 雨/烟/火/雪向违反物理的方向移动(包括反向半段第15秒处) | 1, 8 |
| R7 | 物体穿透其他物体,或帧与帧之间凭空出现/消失 | 7 |
| R8 | 透视/比例错误:远处物体比近处物体大 | 5 |
| R9 | 画面中任何位置出现无意义的AI乱码文字 | — |
| R10 | — |
只要一个主要触发条件 = 拒绝 + 重新生成。 不得通过裁剪/编辑来修复——必须使用改进后的提示词重新生成(例如,针对违反的定律添加具体强调:“her hands rest flat on the table, all five fingers visible and still”)。
4.3. 两级严重程度
- 主要(R1–R9): 在正常尺寸下清晰可见 → 直接拒绝,无一例外。
- 次要: 阴影略有不一致、反射不够锐利、布料褶皱稍显异常——如果在10%缩放下看不出来,则可通过(与横幅可读性测试相同的微小缩放测试)。如果在10%缩放下可见 → 升级为主要。
- 当在次要和主要之间犹豫时:视为主要。犹豫本身就是一种信号,表明观众也会感到奇怪。
4.4. 乒乓循环反向半段规则
乒乓循环(前进10秒 + 后退10秒)会使后半段(第10-20秒)所有运动反向:雨向上落、烟雾下降、水向上游流。因此:
- 乒乓片段的概念必须使用循环/振荡运动: 植物摆动、火焰闪烁、胸部起伏、光线闪烁、窗帘摇曳——那些反向时看起来相同的运动。
- 禁止使用定向运动(雨、落叶、流水、上升的烟雾、下降的雪),除非能证明反向时不可见(例如,远处的雨且模糊)。
- 第15秒的画面在每次上传前必须用人眼检查,无一例外。第15秒出现上升的雨 = 拒绝。
4.5. 记录每次拒绝
每次拒绝都记录到references/katalog-cacat.md中:片段、触发条件(R1–R10)、证据画面、尝试的提示词改进。该目录是生产记忆——相同缺陷不得在后续频道中重复出现。记录到20个缺陷后,出现最频繁的模式将成为持久性的额外负面提示(§3.2)。
5. 禁止事项
- 不得在未用肉眼查看画面(ffprobe无法评估物理合理性)的情况下声称通过了合理性测试。
- 不得使用叠加/文字掩盖不合理的背景——重新生成背景。
- 不得在乒乓循环中使用定向运动(§4.4)。
- 不得让AI绘制频谱条——频谱从原始音频中由阶段2计算。
- 不得在任何视频中显示“MASJAVAS”水印/署名(业主于2026年11月17日禁止——替代2026年10月23日关于视频的常设规则;“视觉沉思”系列除外——该系列不使用,仍按照
docs/produksi/PANDUAN_DNA_DAN_PRODUKSI.md使用水印)。负面提示始终包含“no watermark, no MASJAVAS”。
6. 工作示例
contoh/contoh-tolak-terima.md — 第27号NO 368视频第1次拍摄(已拒绝:摄像机推入+构图变化) vs 第2次拍摄(已通过:10秒静态广角构图),包含触发条件和提示词改进。
7. 可用连接器
无——本技能使用智能体本地工具(生成视频/图像、ffmpeg/ffprobe、PIL)+ 智能体自身的观察能力。