2026/08/27

AIビデオエージェント批評ループ: 生成品質を確認してから編集に流す

ショット契約、修復範囲、リトライ予算、ヒューマンレビュー門を備えた批評ループで、不良品が本番環境に流れ込む前に検出し、失敗した部分だけ修復する方法。

AIビデオエージェントには、生成後の個別の受け入れ判定が必要です。 タスクが正常に完了しても、クリップが顔を変形させたり、製品を曲げたり、ラベルテキストを捏造したり、次のショットに繋がらないフレームで終わることがあります。批評ループはそうした失敗を検出し、何が破損したのかを説明し、影響を受けたショットだけを修復に送り返します。

これはビデオ制作に適用された評価最適化ワークフローです。生成器がクリップを作成し、批評家がそれを明示的な基準と比較し、エージェントは受け入れ、修復、エスカレーション、または停止します。^[1]

TL;DR

生成前にショット契約を書きます。固定すべき詳細と許可された動き、照明、カメラの変更を分けます。
決定論的なチェックから実行します：タスクステータス、出力URL、ファイル読み取り可能性、期間、寸法、オーディオの存在。
批評家に証拠と修復範囲を返させ、ぼやけた品質スコア一つではなく。
失敗したショットだけを再試行し、既に合格した部分はすべて保持します。
完了した試行の上限を設定します。停止条件のないループは、困難なショット1つを無制限の請求に変えてしまいます。
顔認証、法的コピー、ブランドクレーム、最終承認のためのヒューマンゲートを保持します。

ショット計画から生成、チェック、選択的修復、承認までのAIビデオエージェント批評ループ

完了した生成が受け入れたショットではない理由

生成インフラストラクチャとクリエイティブレビューは異なる質問に答えます。タスクシステムはプロバイダーがファイルを返したかどうかを知っています。ボトルが比例性を保ったか、俳優が認識可能なままであったか、最後のフレームがストーリーボードと一致しているかどうかは知りません。

この区別はコストにも影響します。reAPIでは、completedタスクがusage.creditsに決済済み料金を報告する一方、失敗したタスクはワークフローが失敗で終了したときに返金されます。^[3]タスクが完了し、チームがクリエイティブ欠陥についてクリップを拒否した場合、それは完了した生成のままです。したがって、アプリケーションはプロバイダー失敗がコストなしでも、クリエイティブ再試行のための予算が必要です。

生成結果を完成したアセットではなく、候補として扱いましょう。

ステップ1: AIビデオエージェントにショット契約を与える

批評家は「これは良く見えるか？」から一貫した判定を下すことはできません。最初のリクエストの前に受け入れルールを書くので、プランナー、生成器、批評家、ヒューマンレビュアーは同じものを判定しています。

{
  "shot_id": "03-product-orbit",
  "intent": "Reveal the side label while keeping the bottle centered",
  "must_keep": [
    "bottle silhouette and cap width",
    "label colors and aspect ratio",
    "no added words or marks",
    "single continuous shot"
  ],
  "allowed_change": [
    "camera moves 30 degrees left",
    "background becomes slightly warmer"
  ],
  "end_state": "front label readable and product centered",
  "max_completed_attempts": 3,
  "max_provider_failures": 2
}

契約は観察可能な条件を説明する必要があります。「プレミアム」、「映画的」、「美しい」はクリエイティブブリーフに属する可能性がありますが、合格/不合格ルールには不適切です。「キャップの幅は変わらない」と「追加テキストなし」は検査と修復が簡単です。

作業に詳細な製品参照準備が必要な場合は、Seedance 2.5 e-commerceビデオワークフローを参照してください。失敗がショット間のアイデンティティドリフトの場合、GPT Image 2とSeedance 2.0キャラクターワークフローが参照パッケージと連続性ハンドオフをカバーします。批評ループはどちらかのワークフローを置き換えるのではなく、その上に位置します。

ステップ2: モデル批評家を使用する前に技術的失敗を拒否する

すべてのチェックが別のAI呼び出しを必要とするわけではありません。コードが確認できる事実にはコードを使用し、次にマルチモーダル評価者またはヒューマンのための視覚的判定を予約します。

チェック	最適な方法	失敗アクション
タスク終了状態	APIステータス	真の失敗を待機、再試行、または停止
出力URLが存在	レスポンス検証	レビュー前に拒否
ファイルをデコード可能	メディアプローブ	破損した出力として拒否
期間が許容範囲内	メディアメタデータ	修復またはヒューマンレビュー
寸法が配信仕様に一致	メディアメタデータ	拒否または許可時はサイズ変更
期待されたオーディオトラックが存在	メディアメタデータ	オーディオを修復または再生成
最初と最後のフレームが存在	フレーム抽出	連続性チェックに進む

この順序は重要です。破損したファイルを視覚モデルで評価するよう依頼することは、時間を無駄にして曖昧なフィードバックを生成します。クリーンな技術ゲートは批評家に有効な証拠を検査させます。

同じ原則がエージェント評価全般に現れます：有用なevalはメソッドを混ぜ、単一レイヤーはすべての問題をキャッチできません。^[2]

ステップ3: 批評家に証拠、重大度、修復範囲を求める

1つの総合スコアはあなたが実際に必要な判定を隠します。0.78を返す批評家は、エージェントがショットを再生成する、オーディオを修正する、またはクリップを人に送るべきかどうかは伝えません。

代わりに構造化出力を使用します：

{
  "decision": "repair",
  "severity": "hard_fail",
  "failed_check": "bottle geometry changes during the orbit",
  "evidence": {
    "time_range": "4.2s-5.0s",
    "observation": "cap narrows and label aspect ratio shifts"
  },
  "repair_scope": "shot_03_only",
  "preserve": ["camera path", "lighting", "duration"],
  "next_instruction": "reinforce product geometry from the identity reference"
}

批評家の語彙を小さく保ちます。通常4つの決定で十分です：

accept：すべてのハードルールが合格;
repair：失敗は狭く、実行可能な範囲;
human_review：証拠が曖昧であるか、判定が慎重;
stop：再試行上限または予算に達しました。

この構造は、自動ビデオQAの一般的な失敗を防ぎます：批評家が1つのローカル欠陥を見つけた後、全体のブリーフを書き直します。

ステップ4: 失敗した部分だけを修復する

選択的修復はループの主な経済的利点です。5つのショットが合格し、6番目に悪い最後のフレームがある場合、生成を通して完全なシーケンスを送り返さないでください。

失敗	狭い対応	凍結したままにすべき
製品または顔が遅く漂う	同じ承認された開始フレームから1つのショットを再生成	アイデンティティ参照、フレーミング、期間
最後のフレームがハンドオフを逃す	終了状態を言い換えるか、アクションを短縮	オープニングフレーム、キャラクター、セット
生成されたテキストが間違っている	生成から重要なテキストを削除し、ポストに追加	受け入れられた動きと構成
オーディオが欠落している	オーディオパスを修復するか、ネイティブ同期が必須の場合のみ再生成	可能であればクリップを受け入れた視覚
カメラ動きが間違っている	定義された終了フレームを持つ1つの動きに簡略化	主題、環境、照明

批評家が2番目のクリエイティブ方向を導入させないでください。その仕事は比較、診断、次の試みの制限です。プランナーがブリーフを所有しています。

ステップ5: リトライ予算と停止ルールを設定する

すべての自動化されたループには出口が必要です。Anthropicの評価最適化ガイドは、評価基準が明確でフィードバックが測定可能な改善を生み出せるときのパターンを推奨しています；批評家が有用な修正を表現できないときはそれは悪い適合です。^[1]

試行上限と支出上限の両方を使用します：

creative retry ceiling =
  maximum completed attempts × estimated completed-task cost

推定値は選択されたモデルのライブレートカードから取得します。決済額はタスクのusage.creditsから取得されます。モデル固有の課金ルールをクライアントで再構築しようとするのではなく、その値を読みます。^[3]

実用的な停止ポリシーは、同じハードルールが2回失敗するとき、次の修復が以前に受け入れられた特性を変更するとき、または残りの予算が別の試みをカバーできないときにエスカレートされます。これらは製品の決定であり、普遍的なモデル制限ではありません。

最小批評ループ実装

ループは任意の非同期ビデオモデルの上に位置することができます。メディアモデルは生成し、アプリケーションはタスクIDを保存し、終了状態を待機し、技術チェックを実行し、有効な出力でのみ批評家を呼び出します。

type CriticDecision =
  | { action: 'accept' }
  | { action: 'repair'; repairPrompt: string }
  | { action: 'human_review'; reason: string }
  | { action: 'stop'; reason: string };

async function produceAcceptedShot(contract: ShotContract) {
  let request = contract.initialRequest;
  let completedAttempts = 0;
  let providerFailures = 0;

  while (
    completedAttempts < contract.maxCompletedAttempts &&
    providerFailures < contract.maxProviderFailures
  ) {
    const task = await submitVideo(request);
    const result = await pollUntilTerminal(task.id);

    if (result.status === 'failed') {
      providerFailures++;
      continue;
    }

    completedAttempts++;
    await runDeterministicMediaChecks(result.output.video_urls[0], contract);
    const decision: CriticDecision = await reviewShot(result, contract);

    if (decision.action === 'accept') return result;
    if (decision.action !== 'repair') return decision;

    request = applyNarrowRepair(
      contract.initialRequest,
      decision.repairPrompt
    );
  }

  return { action: 'stop', reason: 'attempt or provider-failure ceiling reached' };
}

本番コードには永続性、タイムアウト、レート制限処理、およびヒューマンが最終的に承認した出力のレコードが必要です。最も重要なのは、クライアントが待ち続けたからといって単にタスクを複製して提出しないことです。ビデオタスクは数分実行される可能性があり、タスクエンドポイントは権威のある状態を提供します。^[3]

AIビデオエージェントワークフローでのreAPIの適合

批評ループは1つのビデオモデルに依存しないでください。プランナーはあるショットのための長いテイク、別のショットのためのより強い参照制御、または視覚方向がまだ決まっていないときのより安い下書きルートが必要な場合があります。

reAPIは1つのカタログを通じて現在のビデオモデルを公開し、メディア生成に非同期タスクライフサイクルを使用します。^[4]これは提出、ポーリング、決済使用、失敗処理、および出力ストレージを一貫性がある間、モデル固有のリクエストフィールドは明示的なままになります。エージェントは制御面が同じであるふりをしなくてモデルを変更できます。

ビデオモデルカタログから開始し、選択されたモデルのドキュメントをその実際のフィールドに使用します。ポーリング、出力、使用、エラー、および返金セマンティクスのために正規のタスクAPIリファレンスを使用します。

Anthropic. Building effective agents: evaluator-optimizer workflows, gates, and stopping conditions. Retrieved August 27, 2026 from anthropic.com
Anthropic. Demystifying evals for AI agents. Retrieved August 27, 2026 from anthropic.com
reAPI. Tasks API: polling, usage.credits, status values, and refund behavior. Retrieved August 27, 2026 from reapi.ai/docs/api/tasks
reAPI. Live model catalog and video model availability. Retrieved August 27, 2026 from reapi.ai/models