東京雨夜飆車.Context-IR同軸對比

MiniMax H3汽車動作工作流程雨景15秒
同一段15秒雨夜飆車提示詞影片,原始版直出2K與Context-IR改寫版超解析後的同軸對比:20個景別切換加落水慢動作,是提示詞改寫工具的實測範例。

PROMPT · 原始影片提示詞

開始AI創作
這段15秒飆車影片的原始提示詞如下: 這是一部好萊塢動作片的電影片段,是都市汽車飆車的電影,時間點是雨後的夜晚,地點在東京街頭,兩輛車在街頭互相追逐,最後在東京的一座橋上,後方的橘色跑車把前面那輛黑色賓士撞下橋,黑色車墜入水中,橘色車則順利揚長而去,15秒內要有20個景別的鏡頭切換,車子落水的瞬間要用慢動作呈現。 用了Context-IR之後,生成了一段新的提示詞,我放在留言區了。原始提示詞我直接生成2K,用Context-IR這段影片我先生成768P後,再做官方版的超解析度放大,兩段影片我做了同軸比較,你覺得哪一個比較好?0:08 / 0:

✍️ 編輯解析

這條其實不是標準影片提示詞,而是一則原始提示詞對比Context-IR處理效果的討論文,本體資訊量很薄,只給了一句概括——東京雨夜追車、撞車墜河、二十個景別切換,真正的關鍵字密度和結構細節被作者丟進了留言區,單獨拉出來看是不完整的。放在MiniMax H3上做對比也說得通,這類模型對提示詞精煉度敏感,作者想驗證的是人工精修的短提示詞能不能打贏工具預處理再超解析度的路線,屬於工作流實驗紀錄而非純創作提示詞。

想要更強的畫面控制?可以參考這份擴寫版本:
好萊塢動作片質感的都市夜間飆車片段,時長15秒。雨後東京街頭,路面反光如鏡,霓虹燈在積水中碎成光斑。黑色賓士在前,橘色跑車在後,高速追逐中輪胎甩起水霧,二十個不同景別鏡頭快速切換——低角度貼地跟拍、車內反打、俯拍空拍輪番出現,剪接乾脆不拖泥帶水。高潮落在東京跨江大橋,橘色跑車側撞逼停黑色賓士,賓士被撞出護欄墜入江中,此刻切入慢動作,水花四濺、車身翻滾、玻璃碎裂逐格可見,聲音短暫抽離製造懸浮感。橘色跑車不作停留,加速駛離橋面,尾燈沒入雨夜街道盡頭,畫面恢復正常速率收尾。
開始AI創作

相關作品

׋›
↑