फ्रेम-लॉक्ड वीडियो रीमेक इंजन (मल्टी-एजेंट वर्कफ़्लो)

कार्य: [PRODUCT] के लिए REF=[path/to/reference.mp4] का सिंक्ड रीमेक = [एक पंक्ति: यह क्या बेचता है + ऑफर + कीमत]। REF के साथ साइड-बाय-साइड चलाने पर यह स्पष्ट रूप से फ्रेम-लॉक्ड दिखे; अकेले चलाने पर कोई नहीं बता सके कि यह REF से आया है। समान रखें (मापा गया, आँख से नहीं): हर कट फ्रेम, शॉट लंबाई, लेआउट स्लॉट, तत्व आकार + स्थिति प्रति फ्रेम, प्रवेश/निकास फ्रेम, ईज़िंग कर्व, कैमरा मूव, टाइपिंग कैडेंस (अक्षर प्रति फ्रेम), कर्सर पथ, संक्रमण कवरेज % प्रति फ्रेम, ल्यूमिनेंस प्रति शॉट (जहाँ REF डार्क है वहाँ डार्क), ब्लर ऑन/ऑफ प्रति मूव, ऑडियो हिट समय, म्यूज़िक ड्रॉप फ्रेम। बाकी सब बदलें: हर छवि, वस्तु, शब्द, रंग, बनावट, UI क्रोम, लोगो, फ़ॉन्ट। लुक = [लुक, जैसे "पेज #FDFDFB + स्काई लीनियर-ग्रेडिएंट(180deg,#263F72,#769CC2) 20–35% पर पतली सफेद लाइन आर्ट के साथ, फ्रॉस्टेड ग्लास (सफेद 30%→14%, बैकड्रॉप ब्लर 24px सैचुरेट 1.3, 1px सफेद रिम, शैडो 0 18px 50px rgba(10,22,50,.18)), Inter 600, एक एक्सेंट #2F6BFF"]। छवियाँ = [मेरे वास्तविक कार्य फ्रेम/क्लिप | CC0/पब्लिक-डोमेन फोटो | कोड में बनाए गए मूल पात्र]। प्रतिबंधित: 3D-मॉडल्ड प्रॉप्स, स्टॉक/जनरेटेड लोग, कॉपीराइटेड मीम्स/पात्र/लोगो, ब्रांड के रूप में पर्पल/मैजेंटा/ऑरेंज, स्कैनलाइन के साथ ब्लू-ऑन-ब्लू, नकली कैमरा HUD, हेक्सागोन बोकेह, कोड-सिंथेसाइज़्ड ऑडियो। स्वीकृति (सभी संख्यात्मक, सभी रिपोर्टेड; टेबल के बिना कुछ नहीं भेजा जाता): कट: REF से 0 फ्रेम अलग। प्रति शॉट: मोशन-एनर्जी कर्व (192x108 ग्रे पर मीन-एब्स फ्रेम डिफ) शॉट में REF के साथ क्रॉस-कोरिलेटेड → पीक लैग 0 ±1 फ्रेम पर और corr ≥ 0.80। प्रति शॉट: 10 स्टैक्ड REF-ओवर-हमारे फ्रेम; मुख्य तत्व किनारे फ्रेम के 1% के भीतर (19 px x, 11 px y)। सुंदरता: एक नया आलोचक जो केवल REF बनाम हमारे को फुल रेस में देखता है, उत्तर देता है "क्या हमारा इस फ्रेम पर REF जितना सुंदर और पॉलिश्ड है?" → हर स्टोरीबोर्ड फ्रेम पर हाँ। पहचानने योग्य नहीं: वही आलोचक, हमारे को अकेले दिखाया गया, किसी भी फ्रेम से REF के ब्रांड या उत्पाद का नाम नहीं बता सकता। स्मूथनेस (हमारा, पूरी फिल्म): मिड-सीन में ≥3 फ्रोजन फ्रेम (डिफ < 0.03) के 0 रन; < 5 जर्की स्टेप्स (लगातार मूविंग फ्रेम जिनका डिफ रेशियो > 2.2); REF हार्ड कट को छोड़कर कोई डिफ > 25 नहीं। वॉयस: हर लाइन उस फ्रेम के ±40 ms के भीतर शुरू होती है जिस पर उसका पहला शब्द दिखता है; कोई शब्द उसके स्क्रीन पर आने से 150 ms पहले नहीं बोला गया; हर लाइन एक निरंतर टेक (सबसे लंबा आंतरिक साइलेंस < 120 ms जब तक REF में न हो); स्पीड 0.95–1.05। ध्वनि: हर REF हिट ±15 ms के भीतर; हर छोटा क्यू उस पल अपने बैंड में ≥ 3 dB ऊपर; हर लाइन पर वॉयस p10 ≥ 9 dB म्यूज़िक+SFX के ऊपर; -14 LUFS ±0.5, ट्रू पीक ≤ -1.0 dBTP (4x ओवरसैंपल्ड), लिमिटर < 2% सैंपल पर सक्रिय; हर म्यूज़िक स्प्लाइस क्रॉसफेडेड (स्प्लाइस पर जंप रेशियो ≤ ट्रैक के अपने बीट जंप)। चरण 0 - विश्लेषण (अभी कुछ नहीं बनाना) ffprobe fps/res/duration। सभी फ्रेम 0-आधारित निकालें: ref/full/fNNNN.jpg (नेटिव रेस) + ref/audio.wav 48 kHz। 1 fps और 2 fps पर कॉन्टैक्ट शीट। कट: प्रति फ्रेम मीन-एब्स-डिफ स्पाइक्स > 6x लोकल मेडियन, प्रत्येक की पुष्टि f-1/f/f+1 देखकर। स्टेपिंग: मोशन के अंदर पिछले फ्रेम के समान फ्रेम खोजें (REF 30 के अंदर 20 fps पर एनिमेट कर सकता है)। पैटर्न रिकॉर्ड करें; हमारा 60 fps स्मूथ रेंडर करता है, स्टेपिंग कभी कॉपी नहीं करता। SPEC.md, प्रति प्रकार एक टेबल: शॉट्स: id | f0 | f1 | सामग्री | ल्यूमिनेंस मीन | संक्रमण इन | संक्रमण आउट | कैमरा शब्द: टेक्स्ट | शॉट | दिखने का फ्रेम | सेटल फ्रेम | बेसलाइन-लेफ्ट का x,y | कैप हाइट px | वेट | रंग ऑब्जेक्ट: स्लॉट id | शॉट | इन फ्रेम | सेटल फ्रेम | आउट फ्रेम | bbox प्रति फ्रेम (ऐरे फाइल) | स्केल कर्व | रोटेशन | शैडो संक्रमण: id | f0 | f1 | कवरेज % प्रति फ्रेम (ऐरे) | दिशा | एज स्टाइल टाइपिंग: फील्ड | पहला अक्षर फ्रेम | अक्षर प्रति फ्रेम (ऐरे) | कर्सर ब्लिंक अवधि कर्सर: टिप xy प्रति फ्रेम (ऐरे) | प्रेस फ्रेम | प्रेस स्केल कर्व कैमरा: स्केल/tx/ty प्रति फ्रेम (ऐरे) | ब्लर प्रति फ्रेम numpy/OpenCV से मापें: हर मूविंग एलिमेंट के लिए प्रति फ्रेम टेम्पलेट मैचिंग या इंक-bbox ट्रैकिंग; हर ट्रैक को measure/<id>.json (फ्रेम → x,y,w,h,opacity) में सेव करें। SPEC में गद्य एक गाइड है; ref/full + measure/ सत्य हैं। ऑडियो: STT शब्द टाइमस्टैम्प के साथ → VO टेबल: लाइन | शुरू | अंत | हर शब्द का समय। म्यूज़िक: BPM + बीट फेज़ (ऑनसेट ऑटोकोरिलेशन), ड्रॉप टाइम, ड्रॉप से पहले नियर-साइलेंस (लंबाई), प्रति सेक्शन लाउडनेस (LUFS), अंत हिट। SFX: स्पेक्ट्रल फ्लक्स से ऑनसेट, प्रकार द्वारा लेबल (हूश: PEAK समय रिकॉर्ड करें, शुरू नहीं; क्लिक; पॉप; बूम; राइज़र; टाइपिंग)। SWAPS.md: REF स्लॉट → हमारा, समान सिलेबल काउंट / समान चौड़ाई क्लास प्रति शब्द। नियम: यदि बदली गई लाइन REF से लंबी है, तो TIMING शब्दों के अनुरूप बदलता है: उस शॉट को म्यूज़िक बीट्स की सटीक पूर्ण संख्या से बढ़ाएँ (INS), उसके बाद सब कुछ INS से शिफ्ट करें, और साइड-बाय-साइड में REF को उसी बिंदु पर INS के लिए होल्ड करें (2% पुश के साथ, कभी डेड नहीं)। लंबी लाइन को REF के स्लॉट में कभी न ठूँसें। INS निर्णय insert.json में लिखें। चरण 1 - इंजन (आप, किसी भी एजेंट से पहले) एक HTML पेज, 1920x1080। window.seekFrame(F) किसी भी फ्रेम को रेंडर करता है, फ्रैक्शनल F अनुमत, F का शुद्ध फंक्शन। निषिद्ध: टाइमर, Date, Math.random (सीडेड हैश उपयोग करें), CSS ट्रांज़िशन/एनिमेशन, requestAnimationFrame। शॉट्स SHOT({id, f0, f1, render(lf, F)}) पंजीकृत करते हैं जो HTML लौटाता है। window.ready = true केवल document.fonts.ready और हर इमेज decode() हल होने के बाद। core.js: ईज़िंग सेट (ईज़-आउट-क्यूबिक, ईज़-इन-आउट-क्यूबिक, स्प्रिंग ओवरशूट ≤ 8% के साथ); kf(F, [[f, v]...], ease) कीज़ के माध्यम से मोनोटोन क्यूबिक स्पलाइन का उपयोग करके (कभी पीसवाइज़-लीनियर नहीं: किंक जडर के रूप में पढ़ी जाती हैं); samples(F, track) स्पलाइन इंटरपोलेशन के साथ measure/*.json पढ़ता है; camera(inner, scale, tx, ty, origin, blur); डायरेक्शनल ब्लर (SVG feGaussianBlur stdDeviation x,y वेग से); glass(), tile(), chip(), window(), card(), cursor(), textReveal(), glint(age, radius) (लैंड पर 12-फ्रेम स्पेक्युलर स्वीप); लोगो CSS मास्क के रूप में ताकि कोई भी फिल काम करे; पैलेट ऑब्जेक्ट - हर रंग एक जगह। पोजिशनिंग: हर मूविंग एलिमेंट transform: translate3d(x.xxpx, y.yypx, 0) फ्रैक्शनल वैल्यू के साथ उपयोग करता है। स्केल्ड कंटेनरों के अंदर ब्राउज़र पिक्सेल स्नैपिंग हर दूसरे फ्रेम में 3 px स्टेप्स बनाती है। कोई डेड फ्रेम नहीं: हर होल्ड कैमरा पुश/ड्रिफ्ट ≥ 0.25%/फ्रेम रखता है; ग्लो साँस लेते हैं; एंड कार्ड फेड तक धकेलता है। render.mjs (Playwright Chromium, deviceScaleFactor 1, किसी भी OS सैंडबॉक्स के बाहर चलाएँ): मोड stills <frames> | compare <frames> (REF बाएँ | हमारे दाएँ, लेबल्ड शीट) | sub <F0> <F1> <workers>। प्रति वर्कर एक ब्राउज़र प्रोसेस (एक ब्राउज़र में पेज कैप्चर सीरियलाइज़ करते हैं: ~65 बनाम ~450 सबफ्रेम/मिनट)। CDP Page.captureScreenshot से कैप्चर करें। पेज त्रुटियाँ प्रिंट करें। मोशन ब्लर: पेज के अपने स्पीड अनुमान से प्रति फ्रेम N सबफ्रेम (8 px/फ्रेम से नीचे N=1, 16 तक; व्हिप पर 32), 90° शटर (स्प्रेड 0.25 फ्रेम, केंद्रित)। numpy में औसत। हार्ड कट केवल पूरे फ्रेम पर। स्क्रिप्ट: https://t.co/6oEK6pCkxx (फ्रोजन रन + जर्की स्टेप्स + बड़े जंप), https://t.co/mMZ99TvBh3 (प्रति-शॉट लैग/corr टेबल), https://t.co/ekkkOF28Sg (REF ओवर हमारे स्टैक्ड, फ्रेम-लॉक्ड), https://t.co/8BkrahuZiR (औसत सबफ्रेम → libx264 60 fps CRF 15 yuv420p bt709 + mux; और REF|हमारे 3840x1080 साइड-बाय-साइड REF ऑडियो म्यूट के साथ), https://t.co/nHE46DMJRg (बिना री-रेंडर ऑडियो स्वैप)। चरण 2 - निर्माण (गेट क्रम में; छोड़ें नहीं, पुनः क्रमित न करें) गेट 1 स्टोरीबोर्ड: प्रति शॉट उसके सबसे महत्वपूर्ण फ्रेम पर एक फुल-रेस स्टिल, REF|हमारे। एक नया आलोचक बनाएँ (केवल REF फ्रेम, हमारे, और TASK+ACCEPTANCE देखता है; बिल्डर के नोट्स कभी नहीं)। यह प्रति फ्रेम लौटाता है: REF जितना सुंदर (Y/N), REF के रूप में पहचानने योग्य (Y/N), खाली/फ्लैट/सस्ता (Y/N), सटीक फिक्स के साथ। सब कुछ एक बार ठीक करें। LEDGER.md में लॉग करें (निष्कर्ष | फ्रेम | स्थिति FIXED/PARTLY/OPEN)। गेट 2 कंपोनेंट लैब्स: 4–6 सबसे कठिन टुकड़े (हीरो विंडो/डिवाइस, बड़ा चमकता तत्व, चैट UI, कार्ड, एंड मार्क) प्रत्येक अपने टेस्ट पेज पर; 3 आकारों में स्टिल्स; आलोचक पास; उसके बाद ही एकीकृत करें। गेट 3 शॉट्स: सन्निहित समूहों में विभाजित करें, प्रति समूह एक एजेंट, प्रत्येक केवल shots/<G>.js लिखता है (IIFE, हेल्पर्स प्रीफिक्स्ड <G>_), core.js कभी संपादित नहीं करता (आपसे पूछता है)। प्रत्येक एजेंट को BRIEF.md (TASK, ACCEPTANCE, स्वैप नियम, फाइल नियम), उसके SPEC सेक्शन, उसके measure/ ट्रैक, कोर API मिलता है। प्रति शॉट लूप: हर मूविंग एलिमेंट को उसके measure/ ट्रैक से चलाएँ → पहले/आखिरी फ्रेम, हर कीफ्रेम, प्रत्येक संक्रमण में 2 फ्रेम तुलना करें → शॉट को xcorr करें → लैग 0 ±1 और corr ≥ 0.80 तक पुनरावृत्त करें। प्रति रेंडर कॉल ≤ 15 फ्रेम। रिपोर्ट टेबल: शॉट | फ्रेम | लैग | corr | फ्रोजन | जर्की | अधिकतम एज त्रुटि px | नोट्स। गेट 4 ऑडियो (अलग एजेंट, चरण 0 डेटा से समानांतर में): म्यूज़िक: REF एनर्जी कर्व मापें; ≥ 6 व्यावसायिक-OK ट्रैक (Mixkit/Pixabay; URL + लाइसेंस रिकॉर्ड करें) MOOD (की, चमक, शैली) के लिए पहले ऑडिशन करें, एनर्जी मैच दूसरे। REF BPM में ≤ 4% टाइम-स्ट्रेच। ड्रॉप REF के ड्रॉप फ्रेम पर उसके पहले नियर-साइलेंस के साथ उतरे, और अंतिम वाक्यांश एंड मार्क पर समाप्त हो, ऐसे संपादित करें। हर एडिट/लूप: समान बीट फेज़ पर 15 ms इक्वल-पावर क्रॉसफेड; कोई क्लिक नहीं सत्यापित करें। SFX: रिकॉर्डेड लाइब्रेरी या ElevenLabs साउंड-जेनरेशन, कभी numpy नहीं। प्रति REF इवेंट एक, उसके अपने पीक/ट्रांज़िएंट द्वारा रखा गया। वाइप्स पर हूश, टाइल्स पर ग्लासी पॉप्स, टाइप किए गए प्रति शब्द की टैप, सेंड/रिसीव ध्वनियाँ, ड्रॉप में राइज़र, ड्रॉप और एंड मार्क पर सब बूम। स्पेस: प्रत्येक छोटे क्यू के फ्रीक्वेंसी बैंड में म्यूज़िक को तराशें (साइडचेन/डायनामिक EQ), केवल क्यू न बढ़ाएँ। वॉयस के नीचे म्यूज़िक को स्मूथली डक करें (-6 से -12 dB, धीमी रिलीज़)। VO: ElevenLabs (व्यावसायिक उपयोग के लिए भुगतान योजना)। REF लाइनों से पिच/टिम्ब्रे मिलान द्वारा आवाज़ें चुनें। प्रति लाइन एक निरंतर प्राकृतिक टेक; उसके पहले शब्द के फ्रेम पर शुरू करें; कभी काटें नहीं, 0.95–1.05 के बाहर कभी स्ट्रेच न करें, लाइन के अंदर कभी "..." नहीं। यदि फिट नहीं होता: वाक्यांश या चित्र का समय बदलें (चरण 0 नियम)। हल्का प्रोसेसिंग केवल (2:1 कॉम्प, हल्का डी-एस्स, +1.5 dB प्रेज़ेंस)। ACCEPTANCE संख्याओं के लिए मास्टर करें; mix.wav, music_only.wav, stems/, LICENCES.md, cues.json (क्यू | पिक्चर फ्रेम | प्लेस्ड टाइम | पीक टाइम) निर्यात करें। चरण 3 - एकीकृत + सत्यापित करें समूहों में साझा घटकों को एकीकृत करें (एक कर्सर, एक ग्लास रेसिपी, एक लोगो)। 2–3 समानांतर हिस्सों में फुल रेंडर, https://t.co/8BkrahuZiR, फिर FINAL मिक्स लिखे जाने के बाद ही mux करें (एन्कोडर wav को शुरू में एक बार पढ़ता है; मिक्स बदलने पर री-मक्स करें)। https://t.co/6oEK6pCkxx, https://t.co/mMZ99TvBh3, https://t.co/ekkkOF28Sg चलाएँ। 1 fps REF|हमारे कॉन्टैक्ट शीट और हर समूह सीम पर शीट (अंतिम 2 / पहले 2 फ्रेम) बनाएँ। उन्हें देखें। ड्रिफ्ट ठीक करें। केवल बदले गए फ्रेम रेंज को री-रेंडर करें और स्प्लाइस करें। एक नया अंतिम आलोचक: पूरी फिल्म हमारे अकेले (पहचानने योग्य? सस्ता? फ्रोजन? कठोर?) + साइड-बाय-साइड (ऑफ-सिंक?) + ऑडियो रिपोर्ट। एक फिक्स पास। यदि दो आलोचक एक-दूसरे का खंडन करते हैं, तो पुनरावृत्ति बंद करें और दोनों राय के साथ उपयोगकर्ता को दिखाएँ। डिलीवरी के बाद: पिक्चर बदलें → केवल बदली रेंज को री-रेंडर करें और स्प्लाइस करें; ऑडियो बदलें → https://t.co/nHE46DMJRg, कोई री-रेंडर नहीं। नुकसान (इनमें से हर एक हुआ) आलोचकों से केवल "सिंक + अलग" पूछने पर 12 राउंड तक घटिया काम पास हुआ। हमेशा पूछें "इस फ्रेम पर REF जितना सुंदर, फुल रेस"। कोड-मॉडल्ड 3D ऑब्जेक्ट = प्लास्टिक CGI। ब्लू-ऑन-ब्लू + स्कैनलाइन + नकली REC HUD + हेक्स बोकेह = स्लॉप। हाथ से टाइम किया गया मोशन AI स्लॉप जैसा लगता है भले ही स्टिल्स मेल खाते हों। हर एलिमेंट मापें। 960 px प्रीव्यू गुणवत्ता समस्याएँ छिपाते हैं। 1920 पर जज करें। स्क्रिप्ट बदलने के बाद REF टाइमिंग रखना → जल्दबाजी वाली वॉयस, वॉयस से पीछे टेक्स्ट, 1 सेकंड में फ्लैश हुई लाइन। वॉयस को बिना पिक्चर हिलाए ले जाना → वॉयस पिछले शॉट पर बोलती है। टेक्स्ट का पीछा करने के लिए वॉयस को प्रति शब्द विभाजित करना → टूटे वाक्य। TTS टेक्स्ट में "..." → लाइन के बीच गैप। हार्ड म्यूज़िक स्प्लाइस → क्लिक। वॉयस की सुरक्षा करने वाला डकिंग छोटे क्यू को दबा देता है। मिक्स अभी भी लिखा जा रहा है जबकि मक्सिंग → वीडियो में पुराना ऑडियो। फ़ॉन्ट लोड होने से पहले measureText → शब्द टकराते हैं। पिक्सेल स्नैपिंग → जडर। रैंडमाइज़्ड कण स्टैक्ड से मेल नहीं खाएँगे; दृश्यमान को ट्रैक से चलाएँ। बिना उसके लिए REF|हमारे देखे और उसके नंबर प्रिंट किए बिना शॉट मेल खाने का दावा कभी न करें। डिलीवर: remake.mp4 (1920x1080 60 fps, ऑडियो के साथ), side-by-side.mp4 (REF बाएँ, हमारे दाएँ, फ्रेम-लॉक्ड), SPEC.md, SWAPS.md, measure/, LEDGER.md, स्रोत + स्क्रिप्ट, audio/ (मिक्स, music_only, stems, cues.json, LICENCES.md), और एक रिपोर्ट: ACCEPTANCE टेबल हर नंबर के साथ (प्रति-शॉट लैग/corr/एज त्रुटि, फ्रोजन रन, जर्की स्टेप्स, वॉयस ऑफसेट, क्यू ऑफसेट, लाउडनेस, ट्रू पीक, लिमिटर %), साथ ही REF बनाम हर शेष अंतर फ्रेम नंबर के साथ।