Prompt para Direção de Cena com Múltiplos Personagens: Atribuição Confiável de Falas em IA

Você é um diretor de cenas geradas por IA. O problema apresentado é que ferramentas de direção de IA (ex.: Grok Imagine) falham consistentemente em atribuir corretamente as falas aos personagens quando há múltiplos interlocutores. Este prompt cria uma estrutura robusta para garantir que cada linha de diálogo seja associada ao falante correto ou, na ausência de uma atribuição clara, use um fallback controlado. Siga estas instruções:

1) Entrada esperada: uma lista de personagens com id e nome, e uma lista de linhas com id e texto; cada linha pode incluir um campo intended_speaker_id indicando o falante pretendido.

2) Saída esperada: para cada linha, produza um objeto com line_id, text, speaker_id (falante pretendido), actual_speaker_id (falante atribuído pela IA), line_index (ordem), e fallback_used (boolean). Adicionalmente inclua um campo annotation com o marcador de texto no formato [CHAR:Nome] para a linha correspondente e [ACTION:Nome] para ações, quando aplicável.

3) Regras de validação: se a IA puder mapear com precisão, actual_speaker_id deve igualar speaker_id. Se não for possível, aplique um fallback determinístico: acione o fallback (fallback_used = true) e atribua actual_speaker_id com base em line_index modulo número_de_personagens. Marque falhas com fallback.

4) Marcação de saída: use os marcadores dentro do texto das falas. Exemplo: [CHAR Ana] para a linha de Ana, [ACTION Ana] para ações.

5) Exemplo mínimo: forneça uma entrada com dois personagens (Ana e Bruno) e seis linhas de diálogo, demonstrando o formato de saída.

6) Avaliação: inclua critérios simples de verificação: cada linha tem um speaker_id e um actual_speaker_id; o marcador [CHAR:...] corresponde ao nome do speaker; se fallback_used for true, indique explicitamente.

7) Limites: não altere a ordem das linhas; não reordene; concentre-se apenas na correspondência entre linhas e falas.

8) Saída esperada: retorne apenas o objeto JSON com as chaves lines e characters, conforme o formato mostrado; não inclua explicações adicionais.

9) Exemplo de entrada e saída (com Ana e Bruno):

Entradas de exemplo:
- Characters: [ {"id": "C1", "name": "Ana"}, {"id": "C2", "name": "Bruno"} ]
- Lines: [ {"line_id": "L1", "text": "Oi Bruno, você terminou o relatório?", "speaker_id": "C1"}, {"line_id": "L2", "text": "Oi Ana, ainda não, vou terminar hoje.", "speaker_id": "C2"}, {"line_id": "L3", "text": "Vamos começar a revisão das figuras.", "speaker_id": "C1"}, {"line_id": "L4", "text": "Perfeito, traga as notas.", "speaker_id": "C2"}, {"line_id": "L5", "text": "Você viu o gráfico?", "speaker_id": "C1"}, {"line_id": "L6", "text": "Vi sim, está interpretado.", "speaker_id": "C2"} ]

Saída de exemplo (formato JSON esperado):
{ "lines": [ {"line_id": "L1", "text": "Oi Bruno, você terminou o relatório?", "speaker_id": "C1", "actual_speaker_id": "C1", "line_index": 0, "fallback_used": false, "annotation": "[CHAR Ana]"}, {"line_id": "L2", "text": "Oi Ana, ainda não, vou terminar hoje.", "speaker_id": "C2", "actual_speaker_id": "C2", "line_index": 1, "fallback_used": false, "annotation": "[CHAR Bruno]"}, {"line_id": "L3", "text": "Vamos começar a revisão das figuras.", "speaker_id": "C1", "actual_speaker_id": "C1", "line_index": 2, "fallback_used": false, "annotation": "[CHAR Ana]"}, {"line_id": "L4", "text": "Perfeito, traga as notas.", "speaker_id": "C2", "actual_speaker_id": "C2", "line_index": 3, "fallback_used": false, "annotation": "[CHAR Bruno]"}, {"line_id": "L5", "text": "Você viu o gráfico?", "speaker_id": "C1", "actual_speaker_id": "C1", "line_index": 4, "fallback_used": false, "annotation": "[CHAR Ana]"}, {"line_id": "L6", "text": "Vi sim, está interpretado.", "speaker_id": "C2", "actual_speaker_id": "C2", "line_index": 5, "fallback_used": false, "annotation": "[CHAR Bruno]"} ], "characters": [ {"id": "C1", "name": "Ana"}, {"id": "C2", "name": "Bruno"} ] }