Escrever prompt de vídeo em cinco camadas e manter o personagem consistente

{
  "base": {
    "cenario": "the same small home kitchen in Recife, Brazil: white tiles with a cobalt-blue Portuguese pattern on the backsplash, light wood counter, a window on the left",
    "paleta": "warm neutrals with cobalt-blue accents, no saturated reds except the guava",
    "lente": "35mm lens, shallow depth of field",
    "luz": "soft late-morning daylight from the window on the left, 4500K, gentle shadows, no artificial light",
    "personagem": "only the cook's hands are visible: medium-brown skin, short unpainted nails, a thin silver ring on the right ring finger, sleeves of a cobalt-blue linen apron"
  },
  "cenas": [
    {
      "id": "c01",
      "tipo": "produto",
      "modelo": "veo31_fast_vertex",
      "duracao_s": 8,
      "resolucao": "1080p",
      "proporcao": "9:16",
      "referencias": ["storyboard/ref_c01.png", "storyboard/ref_maos.png"],
      "shot": "Medium close-up, vertical 9:16, a rolled guava cake (bolo de rolo) on a white ceramic plate centered in the lower third",
      "camera": "Slow push-in over 8 seconds, subtle handheld feel, ending with the cake filling most of the frame",
      "light": "base",
      "action": "The hands slice one thin spiral slice with a knife; the slice tips over slowly, revealing the thin red guava layers",
      "audio": "A warm female voice says in Brazilian Portuguese: \"Bolo de rolo de verdade tem a massa fininha assim.\" Quiet kitchen room tone, a soft ceramic clink. No music. No on-screen text, no subtitles.",
      "negative_prompt": "cartoon, distorted hands, extra fingers, text overlays, watermark, logo"
    },
    {
      "id": "c02",
      "tipo": "broll",
      "modelo": "minimax_h3_max",
      "duracao_s": 6,
      "resolucao": "768p",
      "proporcao": "16:9",
      "referencias": ["storyboard/ref_c02.png"],
      "shot": "Top-down shot of a rectangular baking tray on the light wood counter",
      "camera": "[pan] slow lateral pan from left to right",
      "light": "base",
      "action": "A spatula spreads a very thin layer of pale cake batter across the tray, edge to edge",
      "audio": "Soft scraping of the spatula. No music. No dialogue.",
      "negative_prompt": "text, watermark, distorted hands"
    },
    {
      "id": "c03",
      "tipo": "broll",
      "modelo": "replicate_seedance25",
      "duracao_s": 5,
      "resolucao": "720p",
      "proporcao": "16:9",
      "referencias": [],
      "primeiro_quadro": "midia/gerados/frames/c02_last.png",
      "ultimo_quadro": "storyboard/ref_c03_fim.png",
      "shot": "Top-down shot of the same baking tray, now with a baked thin cake layer covered in melted guava paste",
      "camera": "Static camera, no movement",
      "light": "base",
      "action": "The hands roll the thin cake layer into a tight spiral from the near edge to the far edge",
      "audio": "Soft sticky sounds of the cake rolling. No music. No dialogue.",
      "negative_prompt": "text, watermark, distorted hands"
    }
  ]
}

"""montar_prompt.py: monta o prompt de cinco camadas de cada cena de storyboard/cenas_video.json.

Grava storyboard/prompts/<id>.txt (texto que vai para a API) e storyboard/prompts/<id>.json
(modelo, duração, resolução, referências e quadros), que a aula 21 lê.
Uso: python scripts/montar_prompt.py     (sai com código 1 se houver erro)
Nunca edite o .txt à mão: edite o JSON e rode de novo.
"""
import json
import os
import sys
import tomllib

with open("storyboard/cenas_video.json", encoding="utf-8") as f:
    dados = json.load(f)
with open("config/modelos.toml", "rb") as f:
    modelos = tomllib.load(f)

base = dados["base"]
CAMADAS = ["shot", "camera", "light", "action", "audio"]
# pares de verbos opostos que, juntos num clipe curto, confundem o modelo
OPOSTOS = [("enters", "leaves"), ("opens", "closes"), ("lifts", "drops"),
           ("walks in", "walks out"), ("sits down", "stands up")]



def bloco_de_papeis(c: dict) -> list[str]:
    """Sexto bloco, só no Omni: uma linha por arquivo, no formato da doc ([# Sources <FIRST_FRAME>@Image1]).
    Image1, Image2... e Video1... seguem a ordem em que a aula 21 anexa os arquivos."""
    linhas, n_img = [], 0
    for tag, chave in (("FIRST_FRAME", "primeiro_quadro"), ("LAST_FRAME", "ultimo_quadro")):
        if c.get(chave):
            n_img += 1
            linhas.append(f"[# Sources <{tag}>@Image{n_img}]")
    refs = c.get("referencias", [])
    imagens = [r for r in refs if not r.endswith(".mp4")]
    videos = [r for r in refs if r.endswith(".mp4")][:3]          # até 3 vídeos de até 3 s
    for i, _ in enumerate(imagens):
        n_img += 1
        linhas.append(f"[# References <IMAGE_REF_{i}>@Image{n_img}]")
    for i, _ in enumerate(videos):
        linhas.append(f"[# References <VIDEO_REF_{i}>@Video{i + 1}]")
    return linhas


os.makedirs("storyboard/prompts", exist_ok=True)
gerados, erros = 0, []

for c in dados["cenas"]:
    cid = c["id"]
    m = modelos.get(c["modelo"])
    if m is None:
        erros.append(f"{cid}: modelo {c['modelo']} não está em modelos.toml")
        continue
    faltam = [k for k in CAMADAS if not c.get(k)]
    if faltam:
        erros.append(f"{cid}: faltam as camadas {faltam}")
        continue
    acao = c["action"].lower()
    for a, b in OPOSTOS:
        if a in acao and b in acao:
            erros.append(f"{cid}: ação contraditória ('{a}' e '{b}') no mesmo clipe")
    # quadros em midia/gerados/ nascem do clipe anterior (aula 21); os do storyboard já precisam existir
    arquivos = [c.get("primeiro_quadro"), c.get("ultimo_quadro"), *c.get("referencias", [])]
    for caminho in filter(None, arquivos):
        if not caminho.startswith("midia/gerados/") and not os.path.exists(caminho):
            erros.append(f"{cid}: arquivo de referência ausente: {caminho}")

    luz = base["luz"] if c["light"] == "base" else c["light"]
    linhas = [
        f"SHOT: {c['shot']}, {base['lente']}. Setting: {base['cenario']}. Palette: {base['paleta']}.",
        f"CAMERA: {c['camera']}. Continuous take, no cuts.",
        f"LIGHT: {luz}.",
        f"ACTION: {c['action']}. Character: {base['personagem']}.",
    ]
    if m.get("audio", False):
        linhas.append(f"AUDIO: {c['audio']}")      # modelo sem áudio: a camada sai inteira
    # modelo sem campo negative_prompt: os negativos vão escritos no corpo do texto
    if not m.get("negative_prompt", False) and c.get("negative_prompt"):
        linhas.append(f"Avoid: {c['negative_prompt']}.")
    if m["provedor"] == "gemini":
        linhas += bloco_de_papeis(c)                 # Omni: tags de papel depois das cinco camadas
    prompt = "\n".join(linhas)
    if len(prompt) > 1800:
        erros.append(f"{cid}: prompt com {len(prompt)} caracteres; encurte o base ou a ação")

    with open(f"storyboard/prompts/{cid}.txt", "w", encoding="utf-8") as f:
        f.write(prompt + "\n")
    meta = {
        "id": cid, "chave_toml": c["modelo"], "modelo": m["id"], "provedor": m["provedor"],
        "duracao_s": c["duracao_s"], "resolucao": c["resolucao"],
        "proporcao": c.get("proporcao", "16:9"), "referencias": c.get("referencias", []),
        "primeiro_quadro": c.get("primeiro_quadro"), "ultimo_quadro": c.get("ultimo_quadro"),
        "negative_prompt": c.get("negative_prompt", "") if m.get("negative_prompt") else "",
    }
    with open(f"storyboard/prompts/{cid}.json", "w", encoding="utf-8") as f:
        json.dump(meta, f, ensure_ascii=False, indent=2)
    gerados += 1

print(f"{gerados} prompts gerados em storyboard/prompts/")
for e in erros:
    print("ERRO:", e, file=sys.stderr)
sys.exit(1 if erros else 0)