drama-finishing-upscaler

Drama Finishing Upscaler (Dispositivo de finalización y upscaling 1080p)

Posicionamiento del proceso: Proceso de entrega final y mejora de calidad para series cortas. Sin relleno genérico: No se explica qué es el upscaling, solo se consolidan la sintaxis de concatenación sin pérdida de múltiples segmentos, la aceleración por lote en VRAM con RealESRGAN y los criterios de validación física del producto final.

---

1. Contrato de ejecución y entrada/salida

• Entrada:
  1. 8 segmentos limpios de la etapa 4: cleaned_segments/seg01.mp4 ~ seg08.mp4;
  2. o el video final con banda sonora duckeada: [nombre_episodio]_final_ducked.mp4.
• Salida:
  1. [nombre_episodio]_version_comercial.mp4 (entrega HD nativa 832×480);
  2. [nombre_episodio]_1080p.mp4 (video final upscalado a nivel cinematográfico 1920×1080);
  3. delivery_report.json: registro de validación de parámetros físicos.

---

2. SOP básico: Concatenación sin pérdida de segmentos (Zero-Loss Concat)

Regla de hierro: ¡Prohibido volver a codificar con pérdida al concatenar segmentos! La recodificación secundaria destruye la nitidez original e introduce degradación adicional en el audio.

2.1 Concatenación sin pérdida con FFmpeg concat

Generar la lista de índice de concatenación temporal y ejecutar copia de flujo:

# 1. Generar lista de índice ordenada automáticamente
file 'cleaned_segments/seg01.mp4'
file 'cleaned_segments/seg02.mp4'
...
file 'cleaned_segments/seg08.mp4'

# 2. Ejecutar concatenación con copia de flujo sin sobrecarga
ffmpeg -y -f concat -safe 0 -i concat_list.txt -c copy concat_raw.mp4

• Tiempo: La concatenación de 8 segmentos de toda la serie toma solo 0.2 segundos, conservando sin pérdida cada fotograma original y la sincronización de audio y video.

---

3. SOP básico: Aceleración de upscalling 1080p exclusivo con RealESRGAN

Regla de aislamiento de VRAM: Antes de ejecutar el upscaling 1080p, se debe liberar la memoria VRAM ocupada por ComfyUI, permitiendo que RealESRGAN utilice los 16 GB de VRAM de forma exclusiva para lograr la máxima velocidad de procesamiento.

3.1 Inferencia de upscaling industrial y multiplexación de pista de audio

Ejecutar scripts/upscale_video.py:

• Modelo: RealESRGAN_x2plus.pth;
• Precisión y dispositivo: CUDA + FP16 media precisión;
• Tamaño de lote (Batch Size): batch_size = 4 (en modo exclusivo RTX 4080, la velocidad de fotogramas se mantiene estable en ~4.8 fotogramas/s, los 1400 fotogramas de un episodio completo tardan aproximadamente 4.5 minutos);
• Mecanismo de protección de audio: Antes del upscaling, extraer sin pérdida la pista de audio original del video con ffmpeg (audio.m4a). Una vez finalizada la inferencia de fotogramas, multiplexar con libx264 -crf 18 -c:a copy, conservando al 100% la banda sonora con ducking lateral inteligente de 90 s y el diálogo limpio.

Comando:

python scripts/upscale_video.py --input raw_video.mp4 --output final_1080p.mp4 --model RealESRGAN_x2plus.pth --width 1920 --height 1080

---

4. SOP básico: Validación doble de parámetros físicos del producto final

Una vez generado el archivo final, se debe ejecutar una prueba de validación automática con ffprobe:

• Resolución estrictamente conforme: Ancho 1920, Alto 1080 (si no es 1080p, se considera no conforme);
• Tasa de fotogramas estrictamente alineada: 24.0 fps (estándar cinematográfico);
• Duración estrictamente alineada: 8 segmentos × 175 fotogramas = 58.33 s ~ 58.35 s;
• Flujo de audio completo: Incluye flujo de audio estéreo independiente (AAC, frecuencia de muestreo 44.1kHz/48kHz).

---

5. Scripts de herramientas exclusivas

• Upscaling 1080p de un solo episodio: python scripts/upscale_video.py --input in.mp4 --output out.mp4
• Programación de upscaling por lotes de toda la serie: python scripts/run_episodes_1_to_8_upscale.py