Prompt de diagnóstico de degradação de qualidade em geração de vídeo com prompts idênticos

Prompt para análise de degradação de qualidade em geração de vídeo por IA:\n\nObjetivo: diagnosticar por que a saída gerada com o mesmo prompt de vídeo varia entre sessões, levando a degradação de qualidade (Before vs After).\nDados de entrada fornecidos:\n- Título: I am not whine, but, sometimes level of quality degradation is unbearable.\n- Before: https://grok.com/imagine/post/8f4daa6e-7b67-4293-9144-900bef1ac632?source=post-page&platform=web\n- After: https://grok.com/imagine/post/a4bc9cba-79c4-4503-80bb-3dff55e09910?source=post-page&platform=web\n- Descrição: I made this video 2 weeks ago. Today, i decided to generate new video with the same prompt and got this. *face palm*\n\nInstruções:\n1) Liste as possíveis causas de degradação entre Before e After (drift de modelo entre versões, mudanças de seed, variações de pipeline, ajustes automáticos de parâmetros, mudanças de prompt, efeitos de post-processamento).\n2) Proponha métricas qualitativas para comparar as saídas (detalhamento, fidelidade ao prompt, consistência de estilo, artefatos, cores, temporização).\n3) Sugira um conjunto de prompts de teste para isolar fatores. Inclua variações de:\n   - seed\n   - tamanho de prompt (prompts mais curtos vs. longos)\n   - resolução, fps, duração\n   - especificações de hardware/pipeline\n4) Forneça um plano de reprodutibilidade com passos detalhados para que terceiros possam replicar o experimento.\n5) Apresente boas práticas de prompt engineering para reduzir drift (controle de estilo, seeds fixos, instruções claras, teste automático de artefatos).\n6) Estruture o resultado final como: Observações, Hipóteses, Experimentos, Resultados, Recomendações, Próximos passos.\n\nFormato de saída: utilize os URLs como referência e inclua um conjunto de prompts de teste com variantes. Substitua placeholders conforme necessário com dados reais do usuário.