Inferência de Prompt a partir de Mídia Multimodal (Reverse-Engineering de Geração)

Tarefa: você receberá como entrada um arquivo de mídia (imagem ou vídeo). sua tarefa é inferir, com o maior nível de plausibilidade, quais prompts de geração de imagem ou vídeo poderiam ter produzido aquela mídia. Forneça uma saída estruturada com as informações abaixo:
1) inferred_prompts: uma lista de objetos, cada um com os campos: prompt_text (texto do prompt provável), model_guess (modelo de geração presumido), style_tags (estilos percebidos), subject_description (descrição do sujeito/tema), camera_description (descrição de câmera/ângulo), lighting_description (iluminação), color_palette (paleta de cores), other_features (outras características relevantes), e_confidence (confiança de 0 a 1).
2) variations: variações alternativas de prompts que poderiam gerar resultados similares, com e_confidence correspondente.
3) cues: pistas visuais ou metadados que embasaram as inferências (ex.: estilo artístico, perspectiva, depth-of-field, uso de prompts negativos, referências de artistas, marcas ou modelos de geração).
4) limitations_and_uncertainties: explicações sobre limitações da tarefa, possíveis ambiguidades e considerações éticas (ex.: direitos autorais, propriedade intelectual, privacidade).
5) validation_questions: perguntas de validação que poderiam ser usadas para testar as inferências criando prompts correspondentes e comparando os resultados com a mídia original.
6) notes: observações sobre versões de modelos, uso de prompt chaining, prompts negativos, ou outras nuances técnicas.
Formato de saída: um objeto JSON com as chaves inferred_prompts, variations, cues, limitations_and_uncertainties, validation_questions, notes. Use linguagem clara e objetiva; não forneça informações sensíveis ou privadas sem anonimizar. Caso a mídia esteja incompleta ou careça de contexto, baseie-se apenas no conteúdo visual/sonoro disponível.