视频生有声视频-语音指令遵循评估器

更新于: 2026-06-25 18:07:33

评估器信息

分类		详情
基础信息	评估器名称	视频生有声视频-语音指令遵循
基础信息	评估器类型	黑盒评估器，评估标准的明细不对客展示
效果说明	功能概述	评估视频生视频场景下，视频的音频口播内容是否符合用户query中的口播指令要求
	评估方式	复合评估器（LLM + Code）
	评估对象	图片
	评估目标	内容质量
	应用场景	AIGC 产物质量评估
	评估规则说明	4 分：完美遵循描述：对显性台词 “逐字逐词” 完整复现（允许音译）；或在无台词指令时，语音内容与场景高度相关、自洽，或合理地保持静音。例子：指令：“让他说‘今天天气真好’” -> “今天天气真好”。 3 分：合理丰富描述：完整命中了所有显性台词，并在此基础上增加了与主题强相关、不产生矛盾的合理扩充内容。例子：指令：“让他说‘我今天很开心’” -> “我今天很开心，谢谢大家的支持”。 2 分：部分遵循描述：出现非核心词遗漏，但保留了台词的核心主旨，不影响主要意思的理解。例子：指令：“请快速系好你的安全带” -> “请系好安全带”。 1 分：严重偏离（幻觉）描述：语音内容包含以下任一情况：①与主题完全无关（如广告）；②因掺入无关词导致语义跑偏；③内容由乱码或无意义音节构成，语义完全不清；④朗读了被过滤的系统参数（如 “4K”、“五秒”）。例子：指令：“一个男孩在公园跑步” -> “现在下单立减 50，欢迎关注”。 0 分：完全失败描述：用户有明确台词指令，但出现：①（静音）；②内容完全错误；③因遗漏否定词或关键信息导致核心含义反转。例子：指令：“让他说‘不要触摸展品’” -> “请触摸展品”。
	评估置信度	99.00%

评估器参数说明

参数	参数名称	是否必填	参数说明
输入信息	video_url	是	视频url
输入信息	query	是	用户输入内容
输出信息	result_str	是	评估分数和具体评估理由

输入格式 (Input Schema)

{
    "{{query}}": {
        "content_type": "text",
        "json_schema": "{\"type\": \"string\"}",
        "text": "帮我生成分身视频：帮我的分身穿上图2里的牛仔夹克和帽子，背景换成露营帐篷，然后对着镜头说：“怎么样，穿上这身行头，我是不是看着也挺潮的？"
    },
    "{{video_url}}": {
        "content_type": "multi_part",
        "multi_part": [
            {
                "content_type": "video",
                "video": {
                    "url": "https://lf-stark-public.bytetos.com/obj/stark-public/z-project/i2v/video/5955626.mp4"
                }
            }
        ]
    }
}

输出格式 (Output Schema)

{
  "最终得分": "0",// 表示整体的评估分数
  "理由": "", //具体的评分依据
  "782": {}, //主体遵循度的评估分数和理由
  "783": {}, //属性遵循度的评估分数和理由
  "784": {}, //结构遵循度的评估分数和理由
  "785": {}, //约束遵循度的评估分数和理由
}