SEOSONA — Video Production (VO-first, resumable)

Kỷ luật sản xuất video nhiều cảnh: AI quyết nội dung · code dựng pixel, giọng làm nhịp, mỗi cảnh độc lập.

3 nguyên tắc lõi

1. VO-FIRST — giọng làm master clock

• Viết + đo thời lượng narration TỪNG beat TRƯỚC khi có hình nào. Beat durations = đồng hồ chủ.
• Hình/motion dựng theo nhịp giọng (không ngược lại) → khỏi lệch tiếng-hình.

2. STYLE-ANCHOR frame — nhất quán

• Sinh 1 keyframe "anchor" được duyệt → khoá palette/texture/framing.
• Mọi cảnh sau tái dùng anchor đó (xem skill character-consistency / StyleAnchor) → không "trôi" phong cách.

3. RESUMABLE per-beat state

• Lưu state MỖI beat riêng: script.json (nội dung), vo_durations.json (thời lượng), asset/beat.
• Sửa 1 cảnh → chỉ regen cảnh đó (không dựng lại cả bài). Idempotent.

Quy trình

1. Script → tách beats (skill prompt-sequence / node prompt_sequence).
2. VO per beat + đo thời lượng → master clock.
3. Style-anchor keyframe (duyệt) → khoá look.
4. Per-beat: image (bám anchor) → motion (khớp thời lượng VO) → caption.
5. Chữ trên hình: Reserve→Overlay (skill text-in-image), KHÔNG bake.
6. QA từng beat (skill image-qa / mllm-judge) → beat fail thì regen riêng.
7. Ghép theo master clock.

Output contract

1. Beat list: | beat | VO ({language}) | thời-lượng | image prompt | motion |.
2. Style-anchor block (tái dùng mọi beat).
3. State files gợi ý (script.json / vo_durations.json / per-beat).
4. Ghi rõ cảnh nào cần regen (nếu QA fail).

Lưu ý scope

• Đây là kỷ luật lập kế hoạch + prompt cho video. Phần AUDIO thật (TTS/mix) là SEOSONA Video AI V2 (sidecar riêng, ngoài extension Flow) — xem skill video-ai-v2-pipeline. Skill này lo nội dung/nhịp/nhất quán, không tự render audio.