໒꒱ ⁺₊ 这个活不能再让视频 AI 一口气“生成老师、...

໒꒱ ⁺₊ 这个活不能再让视频 AI 一口气“生成老师、手指、字母、发光、IPA、读音、节奏”。它必崩。你现在这三个样片的问题不是提示词不够长，而是任务拆错了。最稳做法是：视频 AI 只负责老师画面和轻微表演；单词、音标、字母发光、手指/教鞭、声音全部后期分层控制。 读音问题尤其不能靠视频模型解决，必须用真人录音、专业 TTS，或者可控 SSML/音素音频片段来拼。核心问题很明确：画面里的 cake 本身还算可爱，但下面音标被 AI 写成了 /keik/，这已经不是正版 IPA 了，正确应该是 /keɪk/，Oxford Learner’s Dictionaries 里 cake 的英式和美式音标都标作 /keɪk/。 也就是说，视频模型把 IPA 里的 ɪ 近似成普通字母 i 了，这是典型“AI 生成文字不可靠”。只要让模型自己画音标，它就会把专业符号当装饰图案处理，今天错成 /keik/，明天可能错成 /kek/、/keɪ/、/cake/，这不是靠“严格牛津正版音标”几个字能压住的。