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 · 原始视频提示词
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

这条其实不是标准视频提示词,而是一条原始提示词对比Context-IR处理效果的讨论帖,本体信息量很薄,只给了一句概括——东京雨夜追车、撞车坠河、二十个景别切换,真正的关键词密度和结构细节被作者甩进了评论区,单独拎出来看是不完整的。放在MiniMax H3上做对比也说得通,这类模型对提示词精炼度敏感,作者想验证的是人工精修的短提示词能不能打过工具预处理再超分的路径,属于工作流实验记录而非纯创作提示词。

想要更強的畫面控制?編輯擴寫參考版(非原詞,僅供借鑑):
好莱坞动作片质感的都市夜间飙车片段,时长15秒。雨后东京街头,路面反光如镜,霓虹灯在积水中碎成光斑。黑色奔驰在前,橙色跑车在后,高速追逐中轮胎甩起水雾,二十个不同景别镜头快速切换——低角度贴地跟拍、车内反打、俯拍航拍轮番出现,剪辑干脆不拖沓。高潮落在东京跨江大桥,橙色跑车侧撞逼停黑色奔驰,奔驰被撞出护栏坠入江中,此刻切入慢动作,水花四溅、车身翻滚、玻璃碎裂逐帧可见,声音短暂抽离制造悬浮感。橙色跑车不作停留,加速驶离桥面,尾灯没入雨夜街道尽头,画面恢复正常速率收尾。
開始AI創作
相關作品
×