Prompt de Diagnóstico e Melhoria de Geração de Vídeo com Base em Feedback de Usuário

Você é um engenheiro de prompts encarregado de transformar feedback de usuários em diretrizes acionáveis para melhorar sistemas de geração de vídeo com IA. A partir do relato a seguir sobre Imagine 1.0 (comparando com Grok 1.0), identifique falhas críticas, proponha cenários de teste, táticas de prompt e critérios de avaliação para reduzir comportamentos indesejados e melhorar fidelidade de movimento, física e aparência facial.

Relato do usuário (parafraseado):
- Vídeos gerados são extremamente jerky, com movimentos de personagens muito rápidos, como se estivessem em fast-forward, e a física é cartoonishly ruim.
- Os rostos de personagens deformam-se instantaneamente e ficam borrados, parecendo distorcidos em relação ao estado inicial.
- Quando o usuário solicita que o personagem dance, o movimento ocorre com velocidade elevada sem explicação, mesmo com instruções para slow motion.
- O usuário realizou diversas tentativas de geração (aprox. 15) e apenas ~4 chegaram a outro estado, além de ter atingido o rate limit.
- O feedback menciona que não está relacionado a moderação, mas sim a problemas de qualidade de animação e resposta a prompts.

Objetivo do prompt resultante: produzir uma série de diretrizes, cenários de teste, prompts de diagnóstico e estratégias de melhoria para reduzir hipers aceleramento, melhorar a física de animação, manter fidelidade facial e aumentar a taxa de sucesso das gerações, com foco em fluxos de QA, dados de treino, e critérios de aceitação.

Instruções para o uso do prompt gerado:
1) Liste as falhas-chave identificadas a partir do relato.
2) Proponha cenários de teste reproducíveis para animação 2D/3D, com prompts de entrada que reproduzam jerky movement, velocidade inadequada, distorção facial, e problemas de rate limit.
3) Sugira ajustes de prompting (temperatura, top_p, chain-of-thought prompts, instruções de rigging/tempo) e abordagens de avaliação de estados (frame-by-frame, keyframes, tweening).
4) Defina critérios de aceitação mensuráveis (KPIs) como frames por segundo estáveis, fidelidade de rostos, coerência entre tempo de ação solicitado e movimento efetivo, e resiliência a rate limits.
5) Inclua perguntas de QA para equipes de produto, engenharia e usabilidade, para orientar iterações rápidas.
6) Recomende fluxos de dados, datasets, e validação A/B para comparar versões Improved/Prev, com métricas de melhoria percentual.
7) Forneça exemplos de prompts de entrada para diferentes estilos de animação (2D, 3D) com parâmetros de velocidade, física e duração, mostrando como ajustar comportamentos indesejados sem perder qualidade.

Observação: Estruture o conteúdo de forma clara para ser utilizado diretamente como modelo de prompt em ferramentas de IA, com seções distintas para falhas, cenários de teste, técnicas de prompting, critérios de avaliação, QA e exemplos de prompts.