AI News

阿易 AI Notes 分享七层提示词控制变量法,减少 AI 视频抽卡重写

阿易 AI Notes更新于 11月16日 21:00

看完这篇我彻底悟了,甚至忍不住想说个暴论,90%的人用AI视频抽卡抽到崩溃,根本原因就两个字,手贱,

AI 导读

阿易 AI Notes 推荐把 Miller 的七层提示词交给 Claude,对着素材每次只改一层,而不是一抽废就整段重写。文中引用 Miller《醒醒,我饿了》的实操数据:43 段镜头只抽了 52 次,多抽的仅 9 次。做法是先用锁定卡固定画风、光线和角色称呼作为基准线,再用七层架构拆解镜头,抽废时只动出问题的那一层。

推荐理由

AI 评分 55

原文用43段镜头只抽52次的数据,说明把整段重写换成逐层改约束能减少无效抽卡。

主题

标签

引用

Miller

@TuyetloanP81840

https://t.co/z3DU1tUdaa

查看原文

https://t.co/z3DU1tUdaa

查看原帖

正文

看完这篇我彻底悟了,甚至忍不住想说个暴论,90%的人用AI视频抽卡抽到崩溃,根本原因就两个字,手贱, 铁汁们,别再一抽废就换模型了,把这篇的七层提示词丢给 Claude,让它对着你的素材只改一层,做 AI 短剧的建议直接收藏。 大家是不是也经历过每次一抽废就把整段提示词删了重写,改完之后抽好了不知道是哪句起作用,抽废了也不知道该退回哪一步, 讲真这和蒙着眼睛调参数没任何区别哈哈,

想起我之前做AIGC工作流也老犯这个毛病,一跑偏就全盘推翻重写,后来逼自己每次只改一个约束条件,整个效率才真正跑顺,

咱们看下Miller的《醒醒,我饿了》实操数据:43段镜头只抽了52次,多抽的只有9次,他干的事说白了就是把玄学抽卡改造成了软件工程里的控制变量法,

先用锁定卡把画风光线和角色称呼彻底写死, 等于给系统定死基准线,再用七层架构拆解镜头, 每次抽废了只动出问题的那一层,其他一个字不改,

我一直觉得不管是做AI短剧,还是平时写代码写文案,只要你还在靠反复重写整段提示词碰运气,

你就永远只是个给模型打工的抽卡员,真正能把AI变成生产力的人,都在干同一件事,

把模型可以瞎猜的自由度一点点关进笼子里,把概率游戏变成确定性流水线。

来源

阿易 AI Notes