东京雨夜飙车 · Context-IR 同轴对比
同一段 15 秒雨夜飙车提示词,原始版直出 2K 与 Context-IR 改写版超分后的同轴对比:20 个景别切换加落水慢动作,是提示词改写工具的实测样本。
PROMPT · 原始视频提示词开始AI创作
这段15秒飙车视频的原始提示词如下:
这是一部好莱坞动作片电影片断,是都市汽车飙车的电影,时间是雨后,晚上,地点在东京街头,两辆车在街头追逐,最后,在东京桥上,后面的橙色跑车把前面那辆黑色的奔驰撞下桥,黑色车落水,橙色车成功开远,15秒时间要有20个景别镜头切换,落水时要有慢动作
用了Context-IR后,生成了一段新的提示词,我放在评论区。原始提示词我直接生成了2K,用Context-IR这段视频我先生成768P后进行官方版的超分,两段视频我进行了同轴对比,你认为哪个更好?0:08 / 0:
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:
The original prompt for this 15-second car chase video is as follows:
This is a Hollywood action movie clip, an urban car chase film. The time is after rain, at night, and the location is the streets of Tokyo. Two cars chase each other through the streets, and finally, on a bridge in Tokyo, the orange sports car behind rams the black Mercedes in front off the bridge. The black car falls into the water, and the orange car successfully speeds away. Within the 15 seconds there should be 20 shot/angle cuts, and slow motion should be used when the car falls into the water.
After using Context-IR, a new prompt was generated, which I've posted in the comments. For the original prompt I generated 2K directly; for the Context-IR version I first generated it at 768P and then did official super-resolution upscaling. I did a side-by-side comparison of the two videos — which one do you think is better? 0:08 / 0:
この15秒間のカーチェイス動画の元のプロンプトは以下の通りです:
これはハリウッドのアクション映画の一場面で、都市部でのカーチェイスを描いた映画です。時間は雨上がりの夜、場所は東京の街頭。二台の車が街頭で追いかけ合い、最後には東京の橋の上で、後ろにいるオレンジ色のスポーツカーが前を走る黒いベンツを橋から突き落とし、黒い車は水中に落下し、オレンジ色の車はうまく走り去っていく。15秒の中に20のカット・アングル切り替えが必要で、水に落ちる瞬間はスローモーションにすること。
Context-IRを使った後、新しいプロンプトが生成されたので、コメント欄に載せておきます。元のプロンプトは直接2Kで生成し、Context-IRを使ったこの動画はまず768Pで生成した後、公式版の超解像処理を行いました。二つの動画を同じ軸で比較してみたのですが、どちらの方が良いと思いますか? 0:08 / 0:
✍️ 编辑解析
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。
想要更强的画面控制?编辑扩写参考版(非原词,仅供借鉴):
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。
开始AI创作׋
›



