# Report dei controlli: reel "parole chiave negative"

Video `uscita/reel-parole-negative.mp4`: 1080x1920, 30 fps, H.264 + AAC 48000 Hz stereo, 42,50 s. Esito complessivo del controllo sul video: **ok**.

## 1. Tempi della voce (parole.json)
- 92 parole, testo sempre quello del copione. faster-whisper (medium) frase per frase, allineato al copione lettera per lettera: ha sentito tutte le parole (es. "apagati" per "pagati", "rilasci" per "gli lasci": il testo resta quello del copione).
- Affinamento al centesimo: 15 attacchi di frase misurati sul segnale (energia), 77 parole interne dalle durate dei fonemi della sintesi, accettate solo se Whisper le conferma entro 200 ms. Whisper grezzo si scostava in media di 51 ms (max 152); attacchi dopo una pausa, segnale contro fonemi: 21 ms di media.
- Parole ancora (devono cadere sul battito):

| parola | battito | misurato | scarto |
|---|---|---|---|
| Su | 4,00 s | 3,940 s (segnale) | -60 ms |
| lavoro. | 12,00 s | 12,000 s (fonemi) | +0 ms |
| gratis. | 13,50 s | 13,500 s (fonemi) | +0 ms |
| fai | 15,00 s | 15,000 s (fonemi) | +0 ms |
| un'altra | 16,50 s | 16,500 s (fonemi) | +0 ms |
| Tutti | 18,50 s | 18,475 s (segnale) | -25 ms |
| La | 22,50 s | 22,480 s (segnale) | -20 ms |
| negative. | 25,00 s | 25,000 s (fonemi) | +0 ms |
| veri. | 30,00 s | 30,000 s (fonemi) | +0 ms |
| Google | 32,00 s | 31,980 s (segnale) | -20 ms |
| Prenota | 39,50 s | 39,495 s (segnale) | -5 ms |

Le parole dentro la frase cadono sul battito al millesimo perché la voce è stata montata così; gli attacchi dopo una pausa sono misurati sul segnale. "Su" attacca 60 ms prima del battito: è la s iniziale, che si sente prima della vocale; il taglio resta sul battito.

## 2. Griglia della musica (griglia.json)
- Stima automatica di librosa: 117,45 BPM, battiti fuori griglia fino a 62 ms: sbagliata. Griglia fissata a mano sul colpo sicuro misurato (prima cassa del drop a 12,003 s): **120 BPM**, battito 0,5 s, battuta 2 s.
- Drop: battuta 6 del brano (12,00 s), dove batteria e basso entrano insieme (batteria da -36,3 a -17,1 dB, basso da silenzio a -19,5 dB). Tracce separate esatte dalla sintesi (armonia, batteria, basso), quindi demucs non serve.

## 3. Partitura (partitura.json -> cue.json, grafica/tempi.js)
- 92 eventi risolti (71 con suono), durata 42,50 s, nessun secondo scritto a mano (a parte lo 0 del primo fotogramma). Esito delle regole: **tutto ok**.
- Segmenti della musica nel video:

| segmento | video | brano |
|---|---|---|
| gancio | 0,00-4,00 s | da 12,00 s (battuta 6) |
| tappeto | 4,00-18,50 s | da 20,00 s (battuta 10) |
| tappeto-2 | 18,50-22,50 s | da 20,00 s (battuta 10) |
| soluzione | 22,50-30,00 s | da 28,00 s (battuta 14) |
| drop-veri | 30,00-32,00 s | da 12,00 s (battuta 6) |
| finale | 32,00-42,50 s | da 34,00 s (battuta 20) |

- Note dei controlli:
  - drop (battuta 6 del brano) usato a: 0,00 s, 30,00 s
  - silenzio tutti 18,50 s: musica a zero per 0,50 s prima, voce muta
  - silenzio la 22,50 s: musica a zero per 0,50 s prima, voce muta
  - silenzio google 32,00 s: musica a zero per 0,50 s prima, voce muta
  - silenzio drop-finale 38,00 s: musica a zero per 0,50 s prima, voce muta
  - basso entra a 0,00 s (parola più vicina 'Ieri' a 0,25 s)
  - basso entra a 25,00 s (parola più vicina 'negative.' a 25,00 s)
  - basso entra a 30,00 s (parola più vicina 'veri.' a 30,00 s)
  - basso entra a 38,00 s (parola più vicina 'pagando?' a 36,68 s)
  - lista a tempo, una ricerca ogni 3 battiti: 12,00 s · 13,50 s · 15,00 s · 16,50 s
  - drop finale a 38,00 s, 0,51 s dopo la fine di 'pagando?'

## 4. Ogni fotogramma prima del render (controlla-pagina.mjs)
- 1275 fotogrammi a 30 fps, zona sicura dei Reels x 72-948, y 250-1480: **nessun problema** (sovrapposizioni, fuori zona, testi tagliati, fotogrammi senza testo).
- Ogni fotogramma ha almeno 1 blocco di testo leggibile; nessun buco tra una scritta che esce e la successiva.
- Gancio al fotogramma 0: "Hai pagato questo click.", opacità 1,00, leggibile e in zona.
- Chiamata all'azione "Prenota una consulenza (link in bio)": visibile in 1 solo tratto, dal 39,43 s alla fine.

## 5. Video finito (controlla.py)
- Tagli della partitura trovati nel video: 10/10 entro un fotogramma (33 ms):

| taglio | previsto | scarto |
|---|---|---|
| s2 | 4,00 s | 0 ms |
| r-lavoro | 12,00 s | 0 ms |
| tutti | 18,50 s | 0 ms |
| la | 22,50 s | 0 ms |
| veri | 30,00 s | 0 ms |
| google | 32,00 s | 0 ms |
| spazio-giu | 35,00 s | 33 ms |
| drop-finale | 38,00 s | 0 ms |
| immagine-2 | 38,50 s | 0 ms |
| logo | 39,00 s | 0 ms |

- Salti dell'immagine senza un evento in partitura: 0.
- Fermi (nessun movimento per più di 0,6 s): 0.
- Primo movimento: 0,07 s dal fotogramma 0 (regola: entro 0,5 s).
- Silenzio vero prima dei tagli importanti (RMS da t-0,35 a t-0,03 s nell'audio del video):

| taglio | t | livello |
|---|---|---|
| tutti | 18,50 s | -150,8 dBFS |
| la | 22,50 s | -143,5 dBFS |
| google | 32,00 s | -154,2 dBFS |
| drop-finale | 38,00 s | silenzio digitale |

- Sincronia: l'audio dell'MP4 è spostato di 0,00 ms rispetto al mix (correlazione su 12 s).
- Colpo sul taglio: ogni suono ritrovato nella traccia degli effetti per correlazione con il suo file (per i whoosh conta il picco, che cade sul taglio):

| taglio | t | suono | inizio atteso | inizio trovato | scarto |
|---|---|---|---|---|---|
| s2 | 4,00 s | whoosh-1 | 3,824 s | 3,824 s | +0 ms |
| r-lavoro | 12,00 s | timbro-1 | 12,000 s | 12,000 s | +0 ms |
| tutti | 18,50 s | impact-soft-1 | 18,500 s | 18,500 s | +0 ms |
| la | 22,50 s | impact-soft-2 | 22,500 s | 22,500 s | +0 ms |
| veri | 30,00 s | impact | 30,000 s | 30,000 s | +0 ms |
| google | 32,00 s | impact-soft-3 | 32,000 s | 32,000 s | +0 ms |
| spazio-giu | 35,00 s | whoosh-2 | 34,784 s | 34,784 s | +0 ms |
| drop-finale | 38,00 s | impact | 38,000 s | 38,000 s | +0 ms |
| immagine-2 | 38,50 s | whoosh-1 | 38,324 s | 38,324 s | +0 ms |
| logo | 39,00 s | logo | 39,000 s | 39,000 s | +0 ms |

- Loudness: **-14,0 LUFS** integrati (obiettivo -14), picco vero **-1,3 dBTP** (massimo -1), LRA 2,6 LU.

## 6. Livelli del mix
- Voce in cima. Musica 9,0 dB sotto la voce mentre parla (ducking di 4 dB sotto la voce), 4,7 dB sotto nelle pause.
- Effetti: i colpi principali (timbri, cassa, colpi dei drop) a -1,9 dB dalla voce; i colpi sulle parole che ripartono dopo una pausa a -9 dB (regola 6); tasti e tic tra -12 e -8 dB.

## 7. Licenze
- Voce: Kokoro-82M (Apache 2.0), voce `im_nicola`. Musica ed effetti: composti e sintetizzati dagli script in `strumenti/`, nessun campione esterno, rilasciati CC0. Font: Author (ITF Free Font License, uso commerciale consentito), Open Sans (OFL). Logo, colori e font dal repo del sito BD Solutions (branch main, solo lettura). Strumenti del metodo adattati da AutoMate-OS/ritmo-video-claude (MIT, licenza in `strumenti/ritmo/`).