Toplu Üretim için Yapay Zeka API'si: Görselleri, Zamanı ve Yeniden Denemeleri Boşa Harcamayı Bırakın

Toplu üretim için AI API, her çıktının kendi başına bulunabildiği, incelenebildiği ve yeniden denenebildiği durumlarda kullanışlıdır. Bu, aynı anda kaç prompt gönderdiğinizden daha önemlidir. Maliyetli an 1.000. istek değildir. 37. görev zaman aşımına uğradığında, 38. görev başarılı olduğunda, iki dosya aynı adı paylaştığında ve kimse hangi görselin yayımlanmasının güvenli olduğunu söyleyemediğinde ortaya çıkar.

Bir toplu işi, kurtarılabilir varlık işlerinden oluşan bir koleksiyon olarak ele alın. Her işe kalıcı bir iş kimliği verin, tam girdiyi ve model ayarlarını kaydedin, eşzamanlılığı sınırlayın ve yalnızca gerçekten başarısız olan öğeyi yeniden deneyin. Bu kılavuz, bir geliştiricinin veya büyüme ekibinin bir manifesti kontrollü bir üretim çalışmasına dönüştürebilmesi için 8 varlıklı bir karakter kampanyası iş akışı kullanır.

Önemli çıkarımlar

• Bir toplu iş ile paralel istekler farklı gecikme ve kontrol sorunlarını çözer.
• Kararlı varlık kimlikleri ve idempotency anahtarları kısmi başarısızlığı yönetilebilir kılar.
• 4 ila 8 görsel varlıkla başlayın, bunları inceleyin, sonra genişletin.
• Başarılı bir API yanıtı, yayımlanmadan önce yine de görsel ve haklar incelemesi gerektirir.

Toplu Üretim için AI API: Önce Cevap

Toplu üretim için bir AI API, bir dizi farklı üretim görevini asenkron bir kuyruğa gönderir, ardından sonuçlarını durum kontrolleri, bir tamamlanma geri çağırması veya indirilebilir bir çıktı dosyası aracılığıyla döndürür. Her görevin, model sağlayıcısının dışında var olan bir kimliğe ihtiyacı vardır. Sağlayıcının iş kimliği operasyonlara yardımcı olur, ancak editoryal veya kampanya sisteminizin varlığı aylar sonra tanımlamasını sağlayan şey maya-ridgeline-001'dir.

Üç ilgili fikri birleştirmeyin. Tek bir prompt birkaç varyasyon isteyebilir. Kendi çalışanınız aynı anda birkaç normal istek gönderebilir. Sunucu tarafı bir toplu iş, daha sonra tamamlanan sağlayıcı yönetimli bir koleksiyondur. İkincisi genellikle çevrimdışı işlere uyar; kontrollü paralel istekler ise ilerlemeyi hemen görmesi gereken bir panoya uyar.

OpenAI'nin güncel Batch API dokümantasyonu asenkron deseni gösterir: istekler JSONL'de toplanır, bir iş olarak gönderilir, tamamlanma durumu kontrol edilir ve sonuç olarak alınır. 24 saatlik penceresi, ayrı toplu iş hız sınırları ve sınırları o hizmete özgüdür; her görsel sağlayıcısının verdiği bir söz değildir (OpenAI Batch API dokümantasyonu, Eylül 2026). Gemini'nin güncel referansı da hizmeti için uzun süre çalışan toplu işleri, durum kontrollerini ve webhook desteğini belgeler (Gemini Batch API referansı, Eylül 2026).

Bir gözden geçirenin ilk kullanılabilir görseli hızlıca görmesi gerektiğinde kontrollü paralel istekleri seçin. İş bekleyebiliyorsa ve sağlayıcı bir toplu iş yolu belgeliyorsa sunucu tarafı toplu işi seçin. Her iki durumda da asset_id, normalleştirilmiş girdi, referans karması, model, deneme sayısı ve çıktı URL'sini saklayın. Bu ortak katman, teslim mekanizması değişirse iş akışını taşınabilir tutar.

Toplu Görsel Projeleri Ölçekte Neden Başarısız Olur

Üretim partileri genellikle parça parça başarısız olur. Bir istek tamamlanabilir, zaman aşımına uğrayabilir, reddedilebilir veya teknik olarak geçerli ama görsel olarak kullanılamaz bir çıktı döndürebilir. Yalnızca nihai URL'yi kaydeden bir uygulama, en basit başarı durumu dışındaki tüm durumlardan kurtulmak için gereken bilgiyi atmış olur.

İlk başarısızlık, eksik kimliktir. İstek yalnızca bir prompt dizesi taşıyorsa, bir çıktı güvenilir biçimde bir ürüne, bir kampanya yereline veya bir kaynak satırına eşlenemez. Prompt'tan türetilen dosya adları kırılgandır çünkü prompt revizyonları ve tekrarlanan ürünler çakışır. İş kaydından kararlı bir varlık kimliği kullanın, ardından her üretim denemesine kendi sonekini verin.

İkinci başarısızlık, idempotency olmadan yeniden denemektir. Bir ağ zaman aşımı, sağlayıcının hiç iş yapmadığını kanıtlamaz. Bir çalışan aynı varlığı yeni bir istek kimliğiyle hemen yeniden gönderirse, yinelenen çıktılar ve yinelenen ücretler oluşturabilir. Bir idempotency anahtarı, çağıranın etkili biçimde "bu hâlâ aynı istenen varlık" demesini sağlar. Belirli bir uç noktanın bu mekanizmayı destekleyip desteklemediği sağlayıcıya bağlıdır; bu nedenle ona güvenmeden önce API dokümantasyonunda doğrulayın.

Üçüncü başarısızlık, kör bir 40 veya 60 prompt'luk kuyruktur. Renk, kompozisyon veya ürün kimliği kayması ancak çalışma bittikten sonra görünür hale gelebilir. Yakın tarihli bir içerik üreticisi tartışması, özellikle doğruluk ve tutarlılık hatalarını yakalamak için bir sonraki sayfayı göndermeden önce yaklaşık 7 ila 8 görselden oluşan storyboard sayfalarının incelenmesini anlatır (toplu görsel üretimi tartışması, Haziran 2026). Bu bir topluluk deneyimidir, kıyaslama değildir; ancak makul bir operasyonel kontrol noktasıdır.

Küçük parti kalite kontrol kuralı kullanın: 4 ila 8 varlık çalıştırın, bunları inceleyin, gerekirse prompt'u veya referansı onarın, sonra bir sonraki grubun kilidini açın. Orijinal prompt'u, prompt sürümünü, girdi referansını, mevcut olduğunda model revizyonunu, kalite ayarını, en-boy oranını, zaman damgalarını, hata sınıfını ve inceleme kararını saklayın. Tek başına bir URL, bir varlığın neden var olduğunu veya yeniden kullanılıp kullanılmaması gerektiğini yanıtlayamaz.

Güvenilir bir Toplu Üretim AI API'si Tasarlayın

Uygulama küçük olabilir. Bir manifest, bir kuyruk çalışanı, yalnızca ekleme yapılan bir iş kaydı ve gözden geçiren dostu bir çıktı klasörü başlamak için yeterlidir. Amaç büyük bir orkestrasyon sistemi değildir. Bir kişinin şu soruları yanıtlayabildiği bir iş akışıdır: ne istendi, ne oldu ve sırada ne çalışmalı?

Her toplu çıktıya kalıcı bir varlık kimliği verin

asset_id'yi sağlayıcı iş kimliği değil, bir iş anahtarı yapın. Kullanışlı bir görev kaydı aşağıdaki alanları içerebilir. Birkaç çalışan çalıştığında bunu bir veritabanında veya daha küçük bir ekip için sürümlenmiş CSV artı JSONL günlüğünde tutun.

Örneğin, maya-train-001 varlık kimliği olarak kalır. maya-train-001-a2 2. denemedir. İdempotency anahtarı maya-train-001-v1 olabilir; burada v1 değişmez istenen spesifikasyonu tanımlar. Brief maddi olarak değişirse, eski kaydın üzerine yazmak yerine yeni bir prompt sürümü oluşturun.

Sınırsız bir döngü değil, toplu iş kuyruğu kullanın

Gönderimden önce bir eşzamanlılık tavanı, bir varlık sayısı üst sınırı, bir parasal koruma ve bir yeniden deneme üst sınırı belirleyin. Pratik bir başlangıç yapılandırması, uçuşta 4 iş, iş başına en fazla 2 üretim denemesi ve bir sonraki kalite kapısından önce en fazla 8 görsel görevdir. Bunlar başlangıç değerleridir, platform garantileri değildir. Bunları hesabınızın belgelenmiş sınırlarının altına ayarlayın ve gerçek tamamlanma sürelerini ile hata oranlarını gözlemledikten sonra uyarlayın.

Çalışan bir bekleyen görevi almalı, onu submitted olarak işaretlemeli, sağlayıcı istek kimliğini saklamalı ve bir sonuç geldiğinde aynı kaydı güncellemelidir. Bütçe üst sınırına ulaşıldığında iş almayı durdurun. Kuyruk inceleme için duraklatıldığında, zaten gönderilmiş işlerin sonuçlanmasına izin verin ancak başka bir grubu otomatik olarak serbest bırakmayın.

Yalnızca başarısız alt işi yeniden deneyin

failed, timed_out veya sağlayıcıya özgü yeniden denenebilir durumları her seferinde bir varlık için yeniden deneyin. 429 yanıtları, geçici 5xx yanıtları ve gerçek taşıma zaman aşımları için titreşimli, üst sınırlı üstel geri çekilme kullanın. Hata sınıflandırmasını ve planlanan yeniden deneme zamanını saklayın. Bir içerik politikası reddini, hatalı biçimlendirilmiş girdiyi, eksik referansı veya bir insan gözden geçirenin görsel reddini otomatik olarak yinelemeyin.

Bir alt iş başarısız olduğu için tüm partiyi asla yeniden göndermeyin. Başarılı sonuçları hemen arşivleyin ve kaynaktan çıktıya eşlemeyi koruyun. Bir toplu iş kısmi sonuçlarla süresi dolarsa, tamamlanan alt işleri alın, bitmemiş varlık kimliklerini belirleyin ve yalnızca kalan kayıtları içeren yeni bir iş oluşturun. Kurtarma ile yineleme arasındaki fark budur.

Kopyalanabilir 8 Varlıklı Toplu Görsel İş Akışı

Aşağıdaki örnek kasıtlı olarak kurgusaldır: Maya, yayla görevinde yetişkin bir seyahat fotoğrafçısı. Gerçek bir kişinin kampanyayı onayladığını ima etmeden operasyon mekaniklerini somutlaştırır. Alanları kendi izinli karakteriniz, talent-release veya kampanya verilerinizle değiştirin ve yapıyı koruyun.

Adım 0: Üretmeden önce manifesti oluşturun

Bir playground açmadan veya bir uç noktayı çağırmadan önce batch-manifest.csv oluşturun. Operatöre her varlık için net bir kabul hedefi verir.

Her değişmez istek için maya-ridgeline-001-v1 gibi deterministik bir idempotency anahtarı oluşturun. Aşağıdaki biçim bilinçli olarak sağlayıcıdan bağımsızdır. Sağlayıcı uç noktasını ve belgelenmiş parametrelerini request içine koyun; kurgusal bir özel uç noktayı üretime kopyalamayın.

plaintextCopy
1{"asset_id":"maya-ridgeline-001","idempotency_key":"maya-ridgeline-001-v1","request":{"model":"your-approved-model","ratio":"16:9","reference_hash":"sha256:...","prompt_version":"maya-highlands-v1"}}

Adım 1: Bir kanonik karakter referansı oluşturun

Ana görseli ayrı olarak üretin. Sonraki her sahne için kimlik çapasıdır, bu nedenle herhangi bir toplu iş başlamadan önce kısa bir incelemeyi hak eder. GPT Image 2 playground içinde High quality ve 16:9 seçin, ardından bu prompt'u kullanın:

plaintextCopy
1Editorial portrait of Maya, a fictional adult travel photographer in her early thirties, with short wavy dark-brown hair, warm olive complexion, a weathered rust-orange field jacket over a charcoal knit top, and a compact black camera on a woven shoulder strap. She stands three-quarter length against a softly lit pale-stone studio backdrop, facing slightly right with a calm, observant expression. Soft window light from the upper left, realistic subtle shadow, no logo, no text, no other people, no duplicated hands or camera. Clean cinematic campaign composition with negative space on both sides.

Maya'nın yüzünü, saçını, ceketini, kamera kayışını ve bir tam el çiftini açıkça gösteren, metin veya yinelenen kişi içermeyen bir görseli saklayın. Bunu maya-master-001.png olarak kaydedin, bir referans karması hesaplayın ve aynı kaynağı alt işlere ekleyin. Bu adımı toplu işe sokmayın. Zayıf bir ana referans, her sahnede belirsizliği çoğaltır.

Toplu üretim için AI API özellik demosu: Maya'nın karakter referansı prompt'u, üretilen seyahat fotoğrafçısı portresinin yanında

Gerçek bir GPT Image 2 ana referans çalıştırması: prompt, kimliğini sonraki sahne işlerinin koruması gereken kurgusal fotoğrafçıyı oluşturur.

GPT Image 2 playground, High quality, 16:9 ayarı ve Maya'nın ana portresiyle tamamlandı

Atlas Cloud üzerinde GPT Image 2, makalenin karakter referansı prompt'u ve çıktı panelinde tamamlanmış sonucuyla.

Adım 2: Batch A'yı 4 bağlantılı karakter sahnesi olarak çalıştırın

maya-master-001.png dosyasını Seedream v4.7 Sequential hizmetine yükleyin. Referansı, prompt şablonunu ve 16:9 oranını sabit tutun. Bu prompt'u kullanın:

plaintextCopy
1Use the supplied Maya portrait as the immutable character reference. Generate four separate 16:9 cinematic travel-editorial images as one coherent sequence. In every output, preserve the same fictional adult woman: short wavy dark-brown hair, warm olive complexion, rust-orange field jacket, charcoal knit top, and compact black camera on a woven shoulder strap. One person only. No logo, no label text, no duplicate person, no malformed hands, and no identity drift.
2
3Image 1: Maya on a sunlit granite ridgeline, consulting a folded topographic map at sunrise, distant cloud-filled valley below.
4Image 2: Maya walking through a small mountain market, photographing bright woven textiles, soft morning activity behind her.
5Image 3: Maya at a timber cabin table, arranging printed contact sheets and a notebook beside a rain-speckled window.
6Image 4: Maya kneeling by a clear alpine lake, taking field notes while her camera rests on a rock, late-afternoon light.
7
8Keep the composition editorial and realistic. Leave clean negative space on the left third for possible marketing copy, but do not render any text.

Canlı sayfanın gerçekten sunduğu sequential veya coherent-batch modunu kullanın. Yalnızca maya-ridgeline-001 ile maya-lake-001 arasına açıkça eşlenebilen çıktıları kabul edin. Playground, 4 ayrı alt varlık yerine istek başına bir çıktı döndürürse, aynı kilitli şablonu 4 alt iş olarak gönderin. Arayüzün sunmadığı bir özelliği sunmuş gibi yapmak yerine aynı referans karmasını ve parametreleri koruyun.

Gerçek Seedream v4.7 Sequential Maya sahne çıktılarından dördü, ridgeline, market, cabin ve lake varlık kimliklerine eşlenmiş bir ızgarada

4 sahneli Batch A çıktı ızgarası: model tutarlı bir dizi üretse bile her kare ayrı bir varlık kaydı olarak kalır.

Seedream v4.7 Sequential playground, bağlantılı Maya sahne prompt'u ve gerçek çıktısıyla tamamlandı

Atlas Cloud üzerinde Seedream v4.7 Sequential, makalenin bağlantılı karakter-sahne prompt'u ve tamamlanmış bir sonuçla.

Adım 3: Batch B'yi çalıştırın, sonra kalite kontrol için durun

Onaylanmış ana referansı yeniden kullanın. Onu yeniden oluşturmayın ve kimlik kurallarını yeniden yazmayın. Sonraki 4 sahneyi yeni bir parti etiketi ve aynı kabul kontrolleriyle gönderin:

plaintextCopy
1Use the supplied Maya portrait as the immutable character reference. Generate four separate 16:9 cinematic travel-editorial images as one coherent sequence. In every output, preserve the same fictional adult woman: short wavy dark-brown hair, warm olive complexion, rust-orange field jacket, charcoal knit top, and compact black camera on a woven shoulder strap. One person only. No logo, no label text, no duplicate person, no malformed hands, and no identity drift.
2
3Image 1: Maya moving through a mossy cedar forest on a narrow trail, camera raised toward a shaft of morning light.
4Image 2: Maya seated at a train-window table, reviewing contact sheets as a sunlit landscape blurs outside.
5Image 3: Maya at a weathered cabin workbench, packing film canisters, a lens cloth, and a folded paper map before departure.
6Image 4: close three-quarter portrait of Maya outdoors in light mist, camera strap visible, shallow depth of field, no text.
7
8Keep the same visual color treatment as the first sequence. Leave clean negative space on the left third where the composition permits, but do not render any text.

Batch B'den sonra durun. Başka bir kampanya dizisini serbest bırakmadan önce 8 sahne kaydının tümünü inceleyin. Bu duraklama, kuyrukların gizlediği türden kaymaları yakalar: saç veya kıyafetin değişmesi, ikinci bir kişinin görünmesi, istenmeyen yazılar, bozuk eller veya artık kanalına hizmet etmeyen bir sahne. Gözden geçiren kararını izlenmeyen bir sohbet mesajında değil, varlığın yanında saklayın.

Adım 4: Yayımla, yeniden dene veya reddet kararı uygulayın

Bir görsel tek bir Maya içerdiğinde, yüz, saç, kıyafet ve kamera açısından ana referansla eşleştiğinde, bozuk metin veya hatalı anatomi içermediğinde ve atandığı sahneye uyduğunda onu approved olarak işaretleyin. Maya çoğaldığında, kaydığında, gerekli bir aksesuarı kaybettiğinde veya bozuk eller ya da yazılar gösterdiğinde retry olarak işaretleyin. Kompozisyon amaçlanan kanala hizmet edemediğinde veya karakter artık tanınmadığında rejected olarak işaretleyin.

Yeniden deneme için maya-train-001 iş varlığı olarak koruyun ve maya-train-001-a2 denemesini oluşturun. Yalnızca o alt işi, orijinal idempotency anahtarı spesifikasyonuyla gönderin; yalnızca prompt kasıtlı olarak sürümleniyorsa ayarlayın. Sadece bir sahnenin onarıma ihtiyacı var diye diğer 7 varlığı yeniden çalıştırmayın.

Toplu Üretim için Model Seçimi

Modeli bir liderlik tablosuna göre değil, iş birimine göre seçin. Temiz bir ana referans ile tutarlı bir sahne dizisi farklı işlerdir. Başarısız bir görselin düzenlenmesi yine farklıdır. Bir ekip bu aşamaları tek bir OpenAI uyumlu entegrasyon üzerinden test etmek istiyorsa, Atlas Cloud bu örnekte kullanılan iki model sayfasını doğrulamak için doğal bir yer sağlar.

Fiyatlar modele, moda ve seçilen ayarlara göre değişir. İşleri kuyruğa aldığınız gün kullanılabilirliği, indirimleri ve tam modu yeniden kontrol etmek için Atlas Cloud modeller kataloğunu kullanın. Tabloyu bir tahmin girdisi olarak ele alın, asla promosyon iddiası veya maliyet garantisi olarak değil.

Ölçeklendirmeden Önce Kalite Kontrol, Maliyet ve Haklar

Üretim tamamlanmasının 3 ayrı anlamı vardır: sağlayıcı başarı bildirir, dosya doğru şekilde arşivlenmiştir ve bir insan gözden geçiren onu yayımlanmak üzere kabul eder. Üçünü de kayıtlarınızda görünür kılın. Çıktı dosyası eksik olan tamamlanmış bir görev operasyonel bir başarısızlıktır. Yinelenen karakter içeren kaydedilmiş bir dosya yaratıcı bir başarısızlıktır. Hiçbiri otomatik olarak yayımlamaya ilerlememelidir.

Her alt varlığa uygulanacak kadar basit bir gözden geçiren kontrol listesi kullanın:

Çalıştırma sonrası maliyeti approved asset cost = total completed attempts cost / approved assets ile tahmin edin. Bu, her görselin aynı nihai maliyete sahip olduğunu varsaymadan yeniden denemelerin ve reddedilen sonuçların maliyetini ortaya çıkarır. Başlamadan önce bir görev üst sınırı, bir parti üst sınırı ve bir günlük üst sınır belirleyin. Bu tavanlardan herhangi birine ulaşılırsa gönderimi duraklatın.

Yalnızca sahip olduğunuz, lisanslı veya başka şekilde izin verilen referans görselleri kullanın. Ticari kullanımdan önce güncel platform politikalarını ve modelin şartlarını kontrol edin. Modelden sertifikalar, laboratuvar sonuçları, güvenlik vaatleri, tıbbi iddialar veya doğrulanmamış ürün spesifikasyonları uydurmasını istemeyin. Cilalı bir çıktı, desteklenmeyen bir iddiayı yayımlanabilir hale getirmez.

8 Maya varlık kimliğini approved, retry ve rejected inceleme durumlarıyla gösteren, tarayıcıda oluşturulmuş toplu kalite kontrol panosu

Tarayıcıda oluşturulmuş bir inceleme panosu, gerçek çalıştırma dosyalarını 8 varlık kimliğine geri eşler ve yayımla, yeniden dene veya reddet kararını görünür kılar.

Toplu Üretim için AI API: Üretim Başlatma Kontrol Listesi

8 varlıklı alıştırmadan canlı bir kataloğa veya içerik kütüphanesine geçmeden önce aşağıdaki her öğeyi doğrulayın.

1. Her varlığın değişmez bir asset_id'si vardır.
2. Prompt, referans karması, model, oran ve kalite kaydedilir.
3. Sağlayıcının desteklediği her gönderimin bir idempotency anahtarı vardır.
4. Eşzamanlılık, hesabın gerçek belgelenmiş sınırının altında kalır.
5. Görev, parti ve günlük bütçe üst sınırları vardır.
6. 429 yanıtları, 5xx yanıtları, zaman aşımları ve içerik redleri farklı kurallara uyar.
7. Yeniden denemelerin katı bir maksimumu vardır.
8. Başarılı sonuçlar hemen arşivlenir ve kaynak verilere geri eşlenir.
9. Bir sonraki grup serbest bırakılmadan önce küçük parti kalite kontrol kapısı geçilir.
10. Son bir örnek inceleme, karakter kimliğini, metni, oranı, dosya adlarını ve hakları kontrol eder.

Bu kontrol listesi, hacim büyüdüğünde toplu üretim için AI API'yi kullanışlı tutar. Ayrıca bir editör belirli bir görselin neden üretildiğini, kabul edildiğini veya yeniden çalıştırıldığını sorduğunda net bir denetim izi bırakır.

SSS: Toplu Üretim için AI API

Toplu üretim için AI API nedir?

Birçok bağımsız AI görevini göndermenin, yürütmelerini izlemenin ve sonuçları daha sonra toplamanın bir yoludur. İyi bir uygulama, sağlayıcı asenkron bir toplu iş veya normal eşzamanlı istekler kullansa da her görev için kalıcı bir iş varlık kimliği tutar.

Bir toplu API, görsel isteklerini paralel göndermekten daha mı iyi?

Hiçbiri otomatik olarak daha iyi değildir. İş akışı hemen ilerleme gerektirdiğinde kontrollü paralel istekleri kullanın. Belgelenmiş kuyruk, geri dönüş süresi ve maliyet kuralları işinize uyduğunda acil olmayan hacim için sağlayıcı toplu işini kullanın. Her ikisi de varlık başına günlük ve inceleme gerektirir.

Bir partiye kaç AI görseli koymalıyım?

Yeni bir prompt şemasını veya karakter referansını doğrularken 4 ila 8 görsel varlıkla başlayın. Ancak ekip her sonucu eşleyebildikten, kaymayı hızlıca fark ettikten ve başarısız bir alt işi grubu yeniden başlatmadan kurtarabildikten sonra artırın. Sağlayıcı sınırları çok daha fazlasına izin verebilir, ancak operasyonel olarak kullanışlı bir parti incelenebilir olandır.

İdempotency anahtarları yinelenen üretim maliyetlerini nasıl önler?

Bir gönderimi, yeniden denemeden sonra aynı amaçlanan işlem olarak tanımlarlar. Uç nokta idempotency destekliyorsa, sağlayıcı tekrarlanan bir ağ çağrısını tamamen yeni bir üretim olarak ele almaktan kaçınabilir. Anahtarı varlık kaydıyla birlikte saklayın ve tam semantiği sağlayıcının dokümantasyonunda doğrulayın.

Aynı karakter referansından toplu görsel üretebilir miyim?

Evet. Onaylanmış, izinli bir referans görseli kullanın; karmasını her alt işe ekleyin; kimlik talimatlarını kilitleyin; ve genişletmeden önce küçük bir sahne grubunu inceleyin. Referans tutarlılığı belirsizliği azaltır, ancak görsel kalite kontrolün yerini almaz.

Başarısız olan tüm partiyi mi yoksa yalnızca başarısız varlıkları mı yeniden denemeliyim?

Yalnızca başarısız varlıkları yeniden deneyin. Önce başarıları arşivleyin, başarısızlığı sınıflandırın ve etkilenen alt iş için yeni bir deneme kaydı oluşturun. Tüm partiyi yeniden göndermek, yinelenen varlıkları ve gereksiz harcamayı daha olası hale getirir.