Diagnóstico e Estabilização de Prompts para Geração de Vídeos

Objetivo: investigar drift de prompts em geração de vídeo e produzir um prompt robusto, repetível e verificável para uso em ferramentas de IA. Tarefa: analisar prompts que funcionaram bem na última semana em comparação com prompts recentes que geram vídeos ruins, identificar causas prováveis de drift e fornecer um Prompt Final Template pronto para uso, além de um conjunto de Prompts de Teste com critérios de avaliação e um mini-script de validação. Instruções detalhadas:
1) Analise perguntas-chave: quais descritores, estilos, instruções ambíguas ou contraditórias, dependência de seeds, mudanças de modelo ou de pipeline podem ter causado a degradação na qualidade?
2) Gerar um Prompt Final Template com as seguintes seções:
   - objetivo_do_prompt: descreve o efeito desejado do vídeo (tom, estilo, duração).
   - contexto_referência: referências, exemplos de frames, paleta de cores, materiais de referência.
   - instrucoes_explicitas: instruções claras e não ambíguas para o gerador de vídeo, incluindo limites de estilo e de conteúdo.
   - parametros_recomendados: steps, seed, CFG_scale, resolução, frame_rate, duração, intervalo entre frames.
   - controles_de_estilo: vocabulário de descriptors, tom, ritmo, transições desejadas.
   - validacao_e_saida: critérios de qualidade e uma checklist (fidelidade ao briefing, ausência de artefatos, consistência entre frames).
   - versionamento: versoes do prompt (ex.: v1, v2) com notas de mudança.
   - exemplos_de_entrada_e_saida: exemplos de entrada e o que seria esperado na saída.
3) Fornecer 5 Prompts de Teste de complexidade variada (básico, intermediário, avançado) para cenários comuns (realista, anime, ação, entrevista, referência histórica), incluindo briefing, entrada sugerida e critérios de avaliação.
4) Incluir um mini-script pseudo (Python-like) para validação: registrar prompts e seeds e gerar um relatório simples com métricas simuladas ou checklists de qualidade; indicar onde integrar bibliotecas reais (ex.: opencv, numpy) quando aplicável.
5) Boas práticas: manter determinismo, registrar seeds, evitar jargões ambíguos, manter referências estáveis, versionar prompts, testar repetidamente.
6) Adaptação: destacar que o prompt deve ser ajustado conforme o gerador de vídeo específico em uso (modelo, API, limitações de conteúdo).
Saída esperada: um Prompt Final Template pronto para uso, 5 Prompts de Teste com descrições, um checklist de avaliação e o pseudo-código de validação.