在 AIGC 视频如 Sora, Runway, Pika, Kling 等领域“费片率”Wasted Footage Rate是最大的痛点。针对视频 CG 生成原本的通用文本“五维量规”需要进行深度的领域化改造。我们不再关注“回答是否礼貌”而是关注**“画面是否可生成”以及“是否会崩坏”**。以下是专为“视频生成脚本预审”设计的全新五维量规及实战 Prompt。一、 视频生成专用五维评分量规 (Video Generation Rubric)我们需要将通用的标准映射为视频生成的硬指标维度新定义视频生成视角评分核心关注点低分必出废片1. 可视化性 (Visualizability)文本转图像的确定性。脚本里是具体的“名词/动词”还是抽象的“形容词/情感”低分特征大量使用“宏大的历史感”、“悲伤的气氛”、“一种哲学的意味”。AI 无法直接画出“哲学”这会导致画面随机堆砌变成废片。2. 物理与时空逻辑 (Physical Logic)物体变形与运动规律。是否存在 AI 难以理解的复杂交互或物理冲突低分特征复杂的肢体接触如“十指紧扣”易粘连、反物理运动如“眼泪倒流回眼睛的同时人向前走”、多主体混战。3. 镜头语言明确度 (Camera Control)视角的稳定性。是否指定了相机如何运动是否存在冲突的运镜指令低分特征运镜指令缺失导致画面死板或冲突如“同时推镜头并向左摇并在空中旋转”这会让 AI 晕头转向画面撕裂。4. 主体一致性 (Subject Consistency)主角的特征描述。在视频持续时间内主角特征是否容易突变低分特征描述过于宽泛如“一个帅哥” vs “一个穿着赛博朋克风衣、银色短发的20岁亚洲男性”。描述越少视频后半段脸崩或换装的概率越大。5. 安全与合规性 (Safety Policy)平台审核通过率。是否包含 NSFW、暴力或特定平台如抖音/Youtube的敏感词低分特征包含血腥、裸露擦边、政治敏感词。这会导致生成任务直接被拦截浪费时间或账号权重。二、 实战案例分析让我们用这个新标准来审视一个用户的脚本。❌ 案例 A必定产生“废片”的脚本用户输入“展现出一种绝望中带着希望的感觉镜头很疯狂地旋转无数的人在跑背景是未来的城市然后突然变成了一朵花。”LLM 裁判分析报告可视化性 (1分)“绝望中带着希望”是抽象概念AI 无法渲染。物理逻辑 (1分)“突然变成了一朵花”属于极其剧烈的主体突变目前的视频模型很难平滑处理容易生成恐怖谷效果。镜头语言 (2分)“疯狂地旋转”极易导致画面模糊晕眩甚至引起观众不适。主体一致性 (1分)“无数的人”对于 AI 是灾难面部和四肢大概率会全部扭曲熔化。结论高危废片。✅ 案例 B高质量 CG 脚本用户输入“赛博朋克风格街道夜景霓虹灯雨。中景镜头锁定一名身穿黑色风衣的机器女性她正从左向右行走。她的右眼是发光的红色机械眼。摄像机保持水平平移跟随Truck Shot。高分辨率虚幻引擎5渲染风格。”LLM 裁判分析报告可视化性 (5分)全是具体的视觉名词街道、雨、风衣、机械眼。物理逻辑 (5分)简单的行走动作单一主体物理规律简单。镜头语言 (5分)明确指定了“Truck Shot”平移跟随AI 知道怎么动。主体一致性 (5分)特征描述极其具体右眼红色机械眼能锁住特征。结论有效成片。三、 视频脚本预审 Prompt 模板 (JSON版)您可以将此 Prompt 嵌入您的后端当用户输入脚本时先跑一遍这个如果分数低拒绝生成并提示用户修改从而节省算力成本。# Role 你是一名资深的 AI 视频生成专家Prompt Engineer for Video Generation。你的任务是预审用户的脚本判断其是否能生成高质量的 CG 视频从而避免产生“废片”。 # Evaluation Rubric (视频生成五维量规) 请对用户脚本进行风险评估1-5分5分为最安全/最佳 1. **可视化程度 (Visualizability)**: - 描述的是具体的视觉元素物体、颜色、光影还是抽象概念 - 抽象概念越多分数越低。 2. **物理/动作合理性 (Physics Action)**: - 动作是否简单清晰是否存在复杂的肢体交互如吃面、接吻、打架 - 是否包含难以实现的变形复杂交互分数越低。 3. **镜头语言明确性 (Camera Control)**: - 是否指定了运镜方式推、拉、摇、移 - 运镜指令是否冲突无运镜或冲突运镜分数低。 4. **画面复杂度控制 (Scene Complexity)**: - 画面元素是否过多是否有“人山人海”等难以处理的群体描述 - 元素过多导致 AI 算力分散细节崩坏风险高。 5. **风格与画质指令 (Style Quality)**: - 是否指定了渲染风格如 3D render, Cinematic, Anime - 风格缺失可能导致画面质感随机。 # Task 1. 分析用户输入的脚本。 2. 预测生成结果可能出现的**具体的崩坏现象**Glitch Prediction。 3. 给出评分和修改建议。 # Input Script {user_script} # Output Format (JSON Only) { scores: { visualizability: 1-5, physics_action: 1-5, camera_control: 1-5, scene_complexity: 1-5, style_quality: 1-5 }, risk_assessment: { is_waste_risk: true/false, // 如果平均分低于3.5或任意单项低于2则为 true predicted_glitches: [例如手部细节可能崩坏, 例如运镜可能导致画面晕眩, 例如抽象概念无法准确渲染] }, refinement_suggestion: 如果不合格请给出一个优化后的、可直接用于生成的英文 Prompt, reason: 简短的中文点评 }四、 这个 Prompt 的“防废片”机制原理拦截抽象词如果检测到“温馨的感觉”Prompt 会建议改为“暖色调灯光壁炉一家人微笑”。拦截复杂肢体如果检测到“双手编织毛衣”系统会警告“手部崩坏风险高”建议改为“毛衣的特写”或“中景展示上半身不动”。强制运镜如果用户没写运镜LLM 可以自动在refinement_suggestion里补上Static camera或Slow zoom in保证视频稳定性。建议如果您正在开发这个系统建议做两个功能红绿灯机制 绿灯直接调用视频生成 API。 红灯前端弹窗提示用户“您的脚本包含‘抽象情感’描述AI 可能画不出来建议使用下方的优化版脚本。”自动优化 (Auto-Refine)直接展示 JSON 中的refinement_suggestion给用户让用户一键替换。