gameprod — diário de bordo (LoRA MiniMax H3, assets de jogo)

Início: 2026-09-20. Sucede o smoothloopv3 na mesma instância (Vast 51594339, RTX 5090). Disco: overlay 250 GB, NÃO é volume persistente. Tudo que importa vai para o HF.

Decisões fixadas

Trainer: mesmo pin ede9ed9f (fork AkaneTendo25/musubi-tuner, branch minimax-h3).
Receita: idêntica à v3 do smoothloopv3 (rank/alpha 32, LR 5e-5, AdamW8bit, guidance 4/sigma/normalized, jitter 0.2, swap 32, SDPA, convrot int8, AdaLN 16, fused qk/rope).
Modo: fl2va (first-last), como o run anterior.
HF: AdwolfCzar/minih33-gameprod, público + gated manual.
--no-comfy é o padrão (ver PROGRESSO_smoothloopv3.md, descobertas 38-40): usar sempre o checkpoint nativo, sem sufixo.

O dataset

Mega UNBnWLCR, 37.069 arquivos / 4,15 GB. Baixado sem _inspect/_logs/_registry (QA, 13.727 arquivos): 23.342 arquivos, 3,10 GB, 0 erros, 8m37s a ~5,5 MB/s.

6.422 vídeos (5.973 mp4 + 226 gif + 223 webm) em 722 packs de assets (pokemon_g1..g9, rpgmaker_spriteface, fx_gigapack, approved_r34, vfx, ...).
5.638 sidecars .txt com metadata estruturada: duração, resolução, fundo, e a lista de animações com timestamps e contagem de repetições. É exatamente o que o perfil game_production consome via {{existing_caption}}.
Área: p10 0,279 / mediana 0,364 / p90 0,588 / máx 10,1 MP.
Duração: p10 5,00 / mediana 7,68 / p75 10,00 / máx 156 s.
fps: 5.643 a 24; 779 NÃO estão a 24 (10, 12.5, 100, 8.333 fps).

Descobertas

#	Achado
1	O dataset já vinha majoritariamente normalizado (24 fps, 5–12 s). Os limites batem com o perfil `smoothloop_min124` que criei em setembro — já passou por um `captioner convert`. Economizou a etapa de conversão.
2	Listar pasta do Mega: para nós de ARQUIVO a chave do atributo é a XOR-dobrada de 32 bytes (`file_key()`), não `nk[:16]` como nos nós de pasta. Usar `nk[:16]` num arquivo faz 100% dos nomes falharem a decifrar.
3	`frame_extraction = "full"` pega os primeiros F frames (F = maior valor do grid `17k+5` ≤ `min(max_frames, frames_do_video)`), `crop_pos=0`. Não é o vídeo inteiro.
4	Por isso é obrigatório cortar ANTES de captionar. Caption escrita sobre 8,3 s com treino vendo 3 s promete animações que não existem. Pior aqui: o sidecar traz timestamps autoritativos. Solução: corte + nota prefixada no sidecar avisando o recorte.
5	Custo por step: `tokens ≈ 0,00689 × duração_s × área_px`. Medido no dataset inteiro: 384×384 → 7.827 tokens (0,99× do smoothloopv3); 640×640 "480p" → 19.030 (2,42×). 480p e duração inteira são mutuamente exclusivos.
6	Relatório seção 7.1 contradiz a premissa dos 5 s: "a faixa de 5–15 s não é um mínimo obrigatório de duração de todo exemplo de treino". O grid aceita 56/73/90/107 frames.
7	Frames disponíveis têm que sair da duração × 24, não do `nb_frames` da fonte — senão os 779 vídeos a 10/12,5 fps são subestimados e caem num bucket curto errado.
8	O container não tem `sqlite3` CLI. O state do captioner (`.captioner.sqlite`) só é legível via Python. Monitor que dependia do CLI ficava mudo.
9	Contar `.txt` no diretório não mede progresso de caption*: os sidecars de metadata já são `.txt`. Usar a tabela `items` do sqlite.

Desenho das views (escada inversa, seção 7.2 do relatório)

Área maior ⇄ clipe mais curto, para manter T_latente × tokens espaciais constante. Com bucket_no_upscale = true as dimensões são orçamento, não esticamento.

view	orçamento	frames	duração	n	tokens
v384	448×448 (0,20 MP)	141	5,88 s	1.750	7.665
v480	640×640 (0,41 MP)	73	3,04 s	2.750	8.783
v780	896×896 (0,80 MP)	56	2,33 s	500	13.163

Média ponderada 8.828 tokens/item vs 7.869 do smoothloopv3 (11,84 s/it) → estimativa ~13 s/it, a ser medida pela sonda antes do cache completo.

Atribuição por área da fonte (ordenada), seed 42, seleção round-robin entre os 722 packs para diversidade. Manifesto congelado em manifest_views.csv — o cache é indexado por stem, então re-sortear invalidaria o cache (lição do smoothloopv3).

Estimativas de custo

Cache: ~74 GB, ~8,8 h de GPU (latentes VAE-bound ~5,6 s/item + TE ~1 h).
Treino: 5.000 steps × ~13 s ≈ 18 h.
Total ~27 h. O run anterior foi 2,9 h de cache + 19,7 h de treino = 22,6 h. Se o objetivo for bater o tempo total, o botão é o número de steps.

Pipeline (scripts)

script	o que faz
`gp_analyze.py`	ffprobe de todos os vídeos → `manifest_source.csv`
`gp_assign_views.py`	seleciona N, atribui view, corta com ffmpeg, prefixa nota no sidecar
`gp_make_tomls.py`	TOMLs de cache/treino a partir da MESMA definição de views
`gp_build_probe.py`	conjunto-sonda por hardlink + TOMLs da sonda
`gp_pick_samples.py`	escolhe 3 clipes (1 por view, packs distintos, SAR 1:1)
`gp_prepare_samples.py`	primeiro frame → PNG na grade de 32, `sample_prompts.txt`
`gp_chain.sh`	encadeia tudo destacado; GPU nunca ociosa
`gp_caption_progress.py`	progresso do captioning via sqlite

Armadilhas reconfirmadas

nohup ... & dentro do Bash tool morre junto com a chamada. Usar setsid.
pgrep -f/pkill -f com padrão que casa a própria linha de comando: auto-detecção. Sempre PID exato via kill -0.
/workspace/.env não existia nesta máquina; recriado com as 3 chaves.
O script de treino aborta se o repo do trainer tiver edições locais — o patch do convert_lora.py foi movido para /workspace/scripts/convert_lora_h3fix.py.