taste-application

Taste Application

管道的后半部分。taste-distillation 将参考素材测量并提炼成风格包；此部分则根据该风格包生成内容并剪辑结果。

执行与交付合约

原始实现位于 scripts/ 目录下，无需单独的 ito-video 检出。本地处理请安装 scripts/requirements.txt。仅限供应商执行时安装 scripts/requirements-live.txt。直播上传、提交和下载需要显式设置 TASTE_FORGE_ALLOW_LIVE=1 以及凭据；仅在对用户授权的运行中设置。--dry-run 无需凭据，并生成带标签的占位符。超时不明确的供应商请求不会作为新的付费任务重试。在决定是否再次提交前，请先检查供应商请求。

使用已有的已完成的片段，无需调用任何供应商：

python scripts/pipeline.py --genre example --root stylepacks \
  --takes media/take-a.mp4 media/take-b.mp4 --duration 12 --fps 30 \
  --out out/review-v1.mp4

--duration 是一个尽力而为的节奏目标，而非精确的运行时长。完整的镜头序列可能产生较短或较长的剪辑；装配器不会重复片段或添加填充来满足目标。输出清单保留实际的 duration，并添加 duration_contract，包含请求和实际的秒数、不足、超出以及 cadence_target 策略。相差至少一个输出帧时会显式警告。不提供精确时长模式；当需要精确运行时长时，请检查收据并在交付前修改或拒绝该剪辑。

管道会保留每次运行的已评分镜头文件，因为可编辑的 FCPXML 和 EDL 会引用它们。管道会拒绝输出冲突并报告时间线导出失败。已完成的渲染并不等于已保存的编辑项目或创意批准。在直播编辑前后，请保留源资产和版本化的项目检查点；将保存的路径和摘要与内存中的时间线收据分开记录。

可克隆的 Fal 图及其离线输入编译器在 workflows/README.md 中有文档说明。在提交前编译简要说明和风格方向；不要假设一个断开连接的模式字段会影响模型提示。在进行付费运行前，请对照实际供应商验证当前端点字段。

对于 Blender，请使用完整纹理的源 GLB；重拓扑是单独命名的衍生品，绝不能替换该源。blender_prop.py 支持显式的 --width 1920 --height 1080 --fps 30 --receipt receipt.json，并保留包导出的边缘光和材质纹理。保存场景与渲染场景不同；请检查收据的状态和打包的图像。

对于 Resolve 叠加，使用 taste.resolve.apply_placements，并注入来自显式选择、带版本的目标的对象。将 source_end_mode 设置为在该主机上验证的约定。不要假设 Resolve 版本之间包含源端的特性。适配器在保留轨道之上分配重叠效果，并在每次放置后立即检查，在所有追加完成后再次检查。复合整数必须与安装的 API 匹配；对于已验证的 Studio 21 主机，Screen 是 5，而非历史构建器错误使用的 22。收据仅证明内存中的放置。保存项目，验证其检查点，然后检查精确渲染的输出，再报告交付。

何时激活

• "以此风格制作视频" / "应用风格包" / "补充此素材"
• 将生成的片段组装成具有真正编辑节奏的作品
• 根据外观创建 3D 道具并将其放回视频中
• 验证完成的成品是否确实与参考素材匹配

分工

模型提供内容、运动、构图和光照结构。风格包提供色彩和节奏。 这是经过测量的，而非风格偏好——参见 taste-distillation 了解具体数据。实际后果：

• 生成提示包含零色彩语言。添加 "色彩：无。渲染中性。调色在之后应用。"
• 保持两个独立的标志：--brief（发生了什么：主体、动作、地点）和 --style-steer（看起来如何）。合并它们会将风格词泄露到场景中（"青色" 变成青色物体），并将主体词泄露到调色中。
• 模型对局部的、可检查的规则的反应远优于全局规则。"背景纯黑且无光；主体朝向白色曝光过度" 有效；"极端对比度" 无效。

生成 TAKE，而非镜头

"匹配节奏" 的直观理解是每个镜头生成一次。这在经济上是荒谬的。一个平均 0.78 秒/镜头的参考素材，配合每秒成本 4 秒的端点，一个 10 秒的作品需要 12 次调用，生成 48 秒，只使用 10 秒（21% 效率），并且将 12 个不相关的片段拼接成应该看起来连续的内容。

剪辑师会拍摄更长的 take 并在其中剪辑。将镜头分组为约 5 秒的 take：3 次调用，生成 13 秒，77% 效率，并且连续的镜头实际上彼此关联，因为它们来自同一次生成。

告诉模型你想要的形状，否则它会渲染一个缓慢的锁定推镜，而内部的六次剪辑读起来像结巴：

"拍摄为一次连续的 take，内部无硬切。它将在编辑中被剪成 6 段约 0.8 秒的片段，因此构图、主体和光照必须在整个过程中持续变化——任何 0.8 秒的窗口都必须能够独立作为一个镜头。"

剪辑规则

• 必须重新编码，绝不能流复制。 流复制仅在关键帧上剪切，在 0.78 秒的镜头中，这意味着每个镜头边界都会四舍五入到最近的 GOP——破坏了管道存在的根本目的。
• 当补充现有素材时，使用其自身的镜头边界。 将基础视频切片成连续的片段并按顺序播放只会重新组装原始内容：每个"剪辑"都落在镜头中间，变得不可见。经测量，一个 20 镜头的组装只检测到 12 个剪辑。检测真实边界并每第 N 个取一个，确保连续选取保证不连续。这使剪辑测量值从目标 0.78 秒的 1.29 秒降低到 0.83 秒。
• 从参考素材的分布中采样镜头长度，而不是从其平均值，这样剪辑继承了节奏的方差，而不是扁平化为均匀的片段。

调色规则

• 当你有片段时，直接测量优于套用 LUT：测量它，匹配其 L* CDF，应用区域色度。grade_clip_direct 达到了 MAE 1.58 和对比度 34.0（目标 34.7）。
• 当片段的直方图与参考不同时，使用锚定，而非 CDF 匹配。 将一个 68% 黑的生成片段强制匹配到一个繁忙的参考直方图上，会将整个背景从黑色中提升出来：背景保留率从 69.0%（锚定）降至 26.0%（CDF），而 MAE 和对比度看起来仍然很好。默认使用锚定色调。
• 批处理大小很重要。 一次对 48 帧进行调色会导致进程因内存不足被杀死；6 帧是安全的。

恢复的 fal 平台行为

这些观察结果和端点示例来自恢复的工作流。请重新检查当前端点元数据；它们并非对所有未来供应商版本的保证。附带的图模板记录了单独验证的工作流输入，包括显式的生成音频控制。

这些是花费真实时间发现的。在设计图之前检查它们。

限制	详情
完全没有 3D 渲染器	fal 有 image-to-3d、text-to-3d、3d-to-3d，没有其他。每个 3d-to-3d 端点都会输出另一个网格。没有 3d-to-image/3d-to-video 类别，因此生成的 GLB 无法重新进入 fal 视频图。在本地渲染，然后使用 fal-ai/ffmpeg-api/images-to-video。
compose 无法叠加	fal-ai/ffmpeg-api/compose 拒绝第二个轨道，提示 "不支持多个视频轨道"——并且它将 image 轨道计为视频轨道。它仅支持一个视频轨道的序列。在本地使用 ffmpeg 合成。
compose 关键帧是毫秒	响应中没有说明。以秒为单位提交的运行会被接受，但返回的视频长度会短 1000 倍。
extract-frame 仅提供第一/中间/最后一帧	不支持任意时间戳。将这三帧用作三个不同的条件图像。
DAG 中无循环、无字符串拼接	每个镜头的扇出必须逐节点编写，或保持在本地。
Kling 3.0 无参考转视频	v3 系列仅支持文本/图像/运动控制；参考转视频位于 o3 系列：fal-ai/kling-video/o3/pro/reference-to-video。
前缀不统一	bytedance/*、tripo3d/*、meshy/*、minimax/*、openai/* 没有 fal-ai/ 前缀。kling-video、veo3.1、flux-*、hunyuan-3d、ffmpeg-api 则有。

端点选择

插槽	最佳选择	性价比替代
参考→视频	bytedance/seedance-2.5/reference-to-video（约 $0.473/s @720p）	fal-ai/kling-video/o3/pro/reference-to-video（约 $0.112/s）
图像→3D	fal-ai/hunyuan-3d/v3.1/pro/image-to-3d（$0.375，最多 8 视图）	tripo3d/h3.1/image-to-3d（$0.20）
文本→3D	fal-ai/hunyuan-3d/v3.1/pro/text-to-3d	tripo3d/h3.1/text-to-3d
重拓扑	fal-ai/hunyuan-3d/v3.1/smart-topology（$0.75）	tripo3d/tripo/remesh（约便宜 75 倍）
部件分割	fal-ai/hunyuan-3d/v3.1/part（仅 FBX）	tripo3d/tripo/segment
文本→图像	fal-ai/nano-banana-pro（$0.15 固定）	fal-ai/flux-2-pro（$0.03/MP）

Seedance 的价格是 Kling o3 在相同 5 秒时长下的约 4 倍。它在多参考保真度方面（最多 50 个混合图像/视频/音频参考）值得这个价格，但在仅基于单张静态图像进行条件化时不值得。

模型 ID 和价格会变化。在承诺任何内容之前，请对照 fal.ai/models 进行验证。

3D 分支

python mint3d.py --genre <name> --from-stills 4 --retopo --render
python mint3d.py --genre <name> --prompt "一个破裂的铬色面罩" --render

• 首先生成干净的画面；不要从参考静态图像中提取。 端点要求的输入是简单背景、单一物体、物体占画面超过 50%。参考素材恰恰相反——拼贴画、广角镜头、多个主体、烧入的图形——它们会产生杂乱无章的噪声。文本→单一物体画面→网格成本约 $0.15，是可用网格和废弃网格之间的区别。
• 多视图是每个角度的命名字段，而非列表。 input_image_url（正面，必需），然后是 back_image_url、left_image_url、right_image_url、left_front_image_url、right_front_image_url、top_image_url、bottom_image_url。没有 input_image_urls 也没有 multi_view 标志——发明它们会将每次生成降级为单视图，同时看似正常工作。错误的角度标签比省略视图更糟糕，因为模型信任它。
• 通过键来引用 GLB，而非位置。 响应包含一个 thumbnail PNG 和一个 model_urls 块以及 model_glb；获取第一个 URL 仅在键重新排序之前有效，而预览 PNG 下载正常——直到 Blender 拒绝打开它之前，一切都不会失败。
• 请求 PBR 贴图。 没有它们，网格看起来像涂漆的纸板。
• 进行重拓扑，如果有人将编辑或装配它。生成的网格密集且混乱。
• 在本地渲染以闭合循环。 一旦转盘变成帧，它就是视频素材，下游的每个阶段都已经处理视频素材——对其进行调色、剪辑、作为元素筛选，或作为条件参考上传。当有二进制文件在 PATH 上时使用 Blender；保持一个依赖轻量的软件光栅化器作为默认选项，因为无头 GL 上下文是容器中最常缺失的东西，而仅在工作站上工作的渲染器不属于管线。

验证，然后相信

每个其他阶段都会声称一个结果。检查它，并且检查分布形状，而不仅仅是矩：

• background——低于 L*10 的帧占比，与风格包的数字进行比较。与源片段进行比较是错误的：一个 68% 黑的生成源比任何在 24–55% 范围内的参考都更黑，因此"保留源的黑色"要求了错误的东西，并且同样会容忍一个被提亮的调色。
• chroma_mae——每个区域的 a*/b* 误差，使用中位数（与风格包目标测量方式匹配；使用均值会报告一个对偏斜敏感的统计量与一个稳健统计量的比较，并将定义不匹配报告为错误）。
• contrast / black_point / white_point
• banding——位于已占用 L* 直方图区间之间的空区间。计算空区间总数不起作用：一个合法的暗片会有空的明亮区间。
• cadence——检测到的平均镜头长度与参考的比较。

注意单位陷阱：OpenCV 会根据 dtype 改变 Lab 约定。在 float32 上，L* 是 0–100，a*/b* 是有符号的；在 uint8 上，L* 是 0–255，a*/b* 是偏置的 +128。混合它们报告数百的色度误差。

完整链

python pipeline.py --genre <name> --refs a.mov b.mov \
  --brief "发生了什么" --duration 12 \
  --base-video existing.mp4 --out out/FINAL.mp4

mint → distill → (mint3d) → apply → forge → verify。阶段 1-3 是缓存的，因此迭代 brief 时无需重新测量任何内容。--dry-run 会模拟每个网络调用：计划、提示、轨道布局和清单都会得到执行。

反模式

不要做	原因
每个镜头一次生成	21% 效率，12 个不相关的片段
在提示中包含色彩	经测量不起作用；推动远离 LUT 所需的基色
流复制剪切	仅关键帧边界会破坏亚秒级节奏
连续剪切基础视频	重新组装原始内容；每个剪辑都不可见
信任 compose 可以叠加	它不能；它会拒绝第二个轨道
向 compose 发送秒数	静默地缩短 1000 倍
仅凭 MAE 交付	增加背景占比检查

借用的素材会携带录制应用的 UI

在已交付剪辑中发现的最严重缺陷：完成的视频包含别人的点赞按钮、观看计数器和评论气泡，因为基础

…

[内容已截断]