MODEL FIELD NOTES · Direction
AI 视频双人动作不听指令怎么办？固定 Seed 的 A/B/C 对照与自动质检误判分析
当画面中有两名角色需要完成靠近、牵手或眼神交互时，单纯堆砌形容词往往无效。本文公开一次固定随机种子的 A/B/C 提示词对照实验，并解析为什么自动质检评分不能替代导演级动作绑定与人工 A/B 选片。
Read in English · 黄果制片镜像固定 Seed 下的 A/B/C 提示词对照记录
2026 年 9 月 5 日，我们在固定随机种子与相同起始参考的条件下，对双人互动镜头进行了 A/B/C 三组提示词结构测试：A 组采用自然语言氛围长句，B 组采用按时间轴拆分的主谓宾动作短句，C 组加入显式的镜头焦距与空间方位约束。
实验同时保留了生成视频、音频对白转录与人工逐帧复核记录。结果显示：按时间节拍拆分的短句（B/C 组）比氛围长句（A 组）更能触发预期的转身与靠近动作，但即便在最佳候选片段中，纯文本提示仍无法百分之百消除手部穿模或接触点滑移。
| 对照分组 | 提示词结构策略 | 动作触发响应 | 人工逐帧复核结论 |
|---|---|---|---|
| 候选 A（氛围长句） | 情绪修辞 + 抽象关系描述 | 角色基本站桩，仅微弱晃动 | 动作未执行：不通过 |
| 候选 B（节拍短句） | 0-2s / 2-4s 分段显式身体动作 | 触发靠近与抬手，但末端位置漂移 | 动作部分完成，手部遮挡异常：待重拍 |
| 候选 C（空间+机位约束） | 左右角色站位 + 明确接触部位 + 景别 | 走位最接近分镜预期 | 优于 A/B，但仍需 A/B 双条抽样筛选 |
为什么自动质检（Auto-QC）会把坏片判为 PASS？
在同一批实验中，我们对比了自动化视觉质检脚本（基于关键帧抽样与图文匹配度评分）与人工复核的结论。多条被自动质检标记为「PASS（通过）」的视频，在人工复核中被直接驳回。
最典型的两类误判是「手部越过脸部时的遮挡崩坏（Hand-Crossing-Face Occlusion）」以及「双人互动时的多出肢体/第三只手」。因为抽样帧在低分辨率下整体构图与提示词高度相关，自动评分给出了高分，但连续播放时人体解剖结构已经失效。
| 失效模式 | 自动质检 (Auto-QC) 判定 | 人工逐帧复核结果 | Porncut 工程对策 |
|---|---|---|---|
| 手部划过面部遮挡 | PASS（画面清晰度与语义达标） | 驳回（手掌与面部五官融合变形） | 在 3D 导演台限制手部轨迹避开正面遮挡 |
| 双人接触处多出肢体 | PASS（局部帧未检出） | 驳回（拥抱/牵手处出现额外手臂） | 绑定 pc_humanoid@1 双人骨架 + 生成 A/B 两条人工择优 |
用「3D 动作驱动 + A/B 选片」替代盲抽卡
这次实验直接决定了 Porncut 的产品设计：我们不向用户承诺“输入一句神奇提示词就能一次完美出片”，而是提供可预演的工具链。
- 先在免登录的 3D 动作目录（/motions）中用 pc_humanoid@1 骨架固定两名角色的站位间距与手部 IK 接触点。
- 每个分镜只聚焦 1 个核心动作节拍，避免在单条 5 秒镜头内塞入过多连续指令。
- 每次渲染固定产出 A/B 两条变体，由创作者肉眼淘汰遮挡坏片后再拼接导出 Preview Film。