影片觀察
協助現有助手理解一般觀眾可見的表演:誰注意誰或什麼、他們做什麼或說什麼、身體如何反應、以及夥伴如何回應。請勿將廣泛的表演問題轉變為臉部肌肉、骨骼或精確的注視測量。
以使用者的語言回應,並保持要求的範圍。請閱讀影像觀察工作流程以了解指令、證據處理及交接。其 CPU 工具 使用這些依賴項,無需模型權重或雲端 API。當語音可能承載故事意義或反應提示時,也請閱讀對話工作流程:可選的本地 ASR 或匯入字幕支援相同的來源時間軸,但不能保證聽覺識別或辨識可見角色。
觀察優先於解釋
- 涵蓋所有鏡頭。 在決定哪些時刻重要之前,先檢查總覽影像。自動的剪輯邊界僅是導航候選項,而非檢測到的笑點或保證的場景邊界。總覽姿勢無法確立其間每個動作。
- 回到問題點。 如果一個轉折、被打斷的動作或夥伴回應不清楚,請求該事件前後的短時間視窗。從預設的每秒四幀開始;僅在問題需要時才增加取樣頻率或開啟原始幀。請勿窮舉放大每個瞬間。
- 保持關係可視。 在查看有用的裁剪圖的同時,也檢查完整的畫面構圖。單獨的臉部可能隱藏其注意力目標;孤立的手可能隱藏夥伴的提示。
- 先寫下可視事實。 描述大致方向、接近或遠離、動作變化、夥伴回應及結果。區分身體/頭部方向、可讀的眼睛方向以及正在處理的物體。對於明顯的注意力目標使用基於證據的語言;不可讀的眼睛方向可以保持未知,而不影響對場景其餘部分的理解。
- 檢查重要的不確定性。 獨立的觀察者可以在接收初步解釋之前檢查相同的材料。使用分歧來選擇有用的返回視角。助手之間的一致意見並非絕對事實。當來源無法解決問題時停止重複查看;保留不確定性並繼續有用的工作。
對於參考重現,需確認是否存在對話以及實際獲得的覆蓋範圍。使用對話工作流程將重要的台詞與說話者、動作及聽眾回應連結起來。單獨的音訊軌、靜默的 ASR 結果或字幕檔案無法證明該場景沒有對白。
使觀察真實
工具會匯出影像與元數據。路徑、成功訊息、幀數、標題或完成的解碼並不能證明助手已查看影像。使用主機的影像檢視工具開啟相關的 views[].image_path,或檢查實際返回給主機的影像內容。然後使用 note 記錄實際的視圖 ID。
檢查主機的回應是否有省略或丟棄的影像。如果批次被截斷,請在記錄之前以較小的批次重新開啟缺失的視圖。當影像輸出從未到達模型時,僅呼叫影像工具是不夠的。
保持觀察、解釋與開放性問題的區別。將陳述綁定到提供的來源版本和已觀看的幀。取樣間隔仍然是間隔;在少數幀中未看到回應並不能證明它從未發生。
靜態序列支援姿勢與可見順序。它們無法確立即時的喜劇節奏或可聽品質。記錄這些限制,而不是聲稱具備播放或聽覺能力。完成主機可用的工作,而無需將常規的逐鏡頭使用者確認作為依賴。
將已驗證的廣泛動作與未解決的細節移交給使用者的改編、鏡頭規劃或審查工作流程。如果 performance-direction 已可用,其事件卡片可以消費這些觀察;此技能不要求它或任何特定的製作後端。
捆綁的工具不發出模型 API 請求;影像觀察與字幕匯入無需語音模型。可選的轉錄需要獨立準備的本地模型檔案與語音擴展。它不會靜默地替換為雲端服務。額外的雲端審查是外部的:僅在任務授權範圍內使用,並且在不需要額外 API 成本時,確認實際的專案/模型處於免費層級後使用。免費網站或未驗證的金鑰不能證明免費 API。服務或配額不可用時,本地影像/匯入工作流程仍可使用。
來源致謝與限制:來源。