Update cutter report

Co-Authored-By: Claude Sonnet 4.6 <noreply@anthropic.com>

.gitattributes

@@ -0,0 +1,6 @@
+* text=auto
+.gitattributes text eol=lf
+*.py text eol=lf
+*.md text eol=lf
+*.html text eol=lf
+*.ps1 text eol=crlf

.gitignore

@@ -30,10 +30,14 @@ proxy/
 *.jpeg
 *.png
 
-# IDE
+# IDE / editor
 .vscode/
 .idea/
 *.swp
+*.code-workspace
+
+# Claude Code session data
+.claude/
 
 # OS
 .DS_Store

HANDOVER.md

@@ -1,125 +0,0 @@
-# Handover Notes
-
-Stand: 2026-05-03 (Beat-20-Reparatur abgeschlossen).
-
-## Zustand
-
-- `pytest tests/ -q` → 52/52 grün.
-- `python cli.py match --beat 20 --vision` läuft erfolgreich durch und schreibt
-  einen confirmed Match (Score 0.6632, scene 613, in=5284.706s, dur=0.88s).
-- Vorheriger Cache wurde nach `.cache/match_results.json.bak` gesichert.
-- Kein offener PR; lokale Änderungen sind committed (siehe letzter Commit).
-
-## Was zuletzt geändert wurde und warum
-
-### 1. `cli.py` — `realign_window` wählt das Action-Window pro Segment
-
-In `_filter_semantically_invalid_vision_matches.realign_window`:
-
-- **Vorher:** `find_action_window_in_scene(action_beat or check_beat, …)` — bei
-  segmentierten Beats wurde immer der ganze Beat als semantischer Kontext
-  benutzt. Das hat für Beat 20 die Source-Position auf die Kuss-Phase
-  (5270 s) gelegt, obwohl das *sichtbare* Segment nur "approaching and pulling
-  apart" zeigt — diese Phase liegt im Source erst um 5284 s.
-- **Jetzt:** Es werden zwei Fenster gesucht (Segment-Beschreibung *und* Beat-
-  Beschreibung). Der Beat-Kontext gewinnt nur bei deutlichem (>0.06) Score-
-  Vorsprung. Der Trailer-Offset-Shift (`visible_content_offset`) wird nur
-  angewendet, wenn tatsächlich der Beat-Kontext benutzt wurde — sonst zeigt
-  das Segment-Fenster bereits auf die richtige Phase.
-
-Effekt für Beat 20: 5270.118 → 5284.706, Score 0.6449 (provisional) → 0.6632
-(confirmed).
-
-### 2. `cli.py` — Filter-/Repair-Stufe ist crash-tolerant
-
-`_filter_semantically_invalid_vision_matches` hat den Per-Result-Body in eine
-lokale Funktion `_filter_repair_one` herausgezogen und in einen try/except
-verpackt. Wenn die Reparatur abbricht (z. B. weil Vision-API mitten in der
-Antwort wegfällt), wird der bisher gecachte Treffer behalten statt komplett
-verworfen.
-
-### 3. `src/llm/vision_cache.py` — Vision-Retry für Lesefehler
-
-`_call_vision_model` fängt jetzt zusätzlich `TimeoutError`,
-`socket.timeout`, `ConnectionError` und `OSError` während des Antwort-Lesens
-und retryt mit demselben Backoff wie HTTP-/URL-Fehler. Die Auslöse-Bedingung
-war ein 24-h-DSL-Disconnect mitten im Lauf; davor wurde der Match-Lauf hart
-abgebrochen und der Cache stand auf "kein Match".
-
-### 4. `README.md`
-
-Zwei kurze Absätze ergänzt, die (1) die Segment-vs-Beat-Window-Auswahl und
-(2) das neue Crash-/Netzfehler-Verhalten beschreiben.
-
-## Nicht angefasst, aber relevant für die Übergabe
-
-- Der **vollständige FFmpeg-Vollscan** liefert für Beat 20 weiterhin keinen
-  bestätigten Treffer (final score 0.419 < provisional 0.430). Den
-  Confirmed-Match liefert die Action-Window-Reparatur. Das ist erwartet:
-  das sichtbare Segment ist visuell sehr generisch (Two-Shot Profil mit
-  unscharfem Hintergrund), die korrekte Phase fällt erst durch die
-  semantische Aktionsbeschreibung auf.
-- Die `candidate_points`-Schleife in `realign_window` (lines ~700–765) sucht
-  nur ±~2 s um `start_s` herum. Solange `start_s` jetzt aus dem Segment-
-  Fenster kommt, liegt der korrekte Source-Punkt in diesem Bereich. Wenn
-  künftig Beats mit längeren visiblen Inseln auftauchen, kann diese Range
-  zu eng werden — dann den Suchradius erweitern statt das Window-Picking
-  rückgängig machen.
-- Es gibt **keine Tests** für `_filter_semantically_invalid_vision_matches`
-  oder `realign_window`. Wer das anfasst, sollte Beat 20 als Live-Smoke-Test
-  benutzen (siehe unten).
-
-## Reproduktion / Smoke-Test
-
-```powershell
-.\.venv\Scripts\Activate.ps1
-python cli.py match --beat 20 --vision
-```
-
-Erwartet: `Beat 20: realigned semantically valid long scene by motion/action
-windows`, danach `is_confirmed: true` für Beat 20 in
-`.cache/match_results.json` mit `in_point_s ≈ 5284.7` und `match_score ≥ 0.65`.
-
-Wenn das fehlschlägt:
-
-1. `python -m pytest tests/ -q` — falls rot, ist die Codebasis selbst kaputt.
-2. `.cache/vision_descriptions.json` prüfen — die Schlüssel
-   `beat:20:73.560:74.680:…` und `action_window:613:5282.390:5285.430:…` müssen
-   existieren, sonst ruft Vision live ab (kostet Credits; braucht Netz).
-3. `match_results.json.bak` zurückspielen, falls der Cache zerschossen ist.
-
-## Aktuelle Coverage (vor neuestem Lauf)
-
-```
-total beats: 25
-matched:     20 (5 confirmed, 15 provisional)
-unmatched:   beats 0, 2, 21, 23, 24
-```
-
-Beat 0 ist das SHO-Logo (kein Source-Match möglich, korrekt).
-Beats 22/23/24 haben keine sichtbaren Inseln (Endcredits/Title) — auch
-korrekt unmatched.
-Beat 2 und Beat 21 sind die echten Recovery-Kandidaten; die neue
-Recovery-Stufe versucht sie beim nächsten `match`-Lauf nachzuziehen.
-
-## Offene Risiken / Bekannte Schwächen
-
-- Die Schwelle `0.06` für "Beat-Kontext gewinnt" in `realign_window` ist
-  kalibriert an Beat 20. Andere Beats sollten auch durchlaufen werden, bevor
-  weitere Beats angefasst werden — am besten ein voller `python cli.py match`
-  ohne `--beat` und Diff der `match_results.json` gegen `.bak`.
-- Die Filter-/Repair-Stufe kann durch Vision-Calls minutenlang laufen. Das
-  ist nicht neu, aber bei Netzproblemen sehr sichtbar.
-- Die `_filter_repair_one`-Funktion bekommt viele Argumente durchgereicht
-  (closure-Variablen aus dem Parent). Bei einer nächsten Iteration könnte das
-  in eine kleine Klasse umgebaut werden.
-
-## Useful greps
-
-- `find_action_window_in_scene` — semantische Action-Window-Suche (Vision).
-- `_reference_scoreable_segments` — bestimmt die sichtbaren Inseln eines
-  Beats.
-- `estimate_usable_source_duration` — kürzt Match-Clips, wenn die Source
-  vor Beat-Ende in eine andere Phase wechselt.
-- `_filter_semantically_invalid_vision_matches` — Eintrittspunkt der
-  Repair-Stufe in `cli.py`.

README.md

@@ -36,6 +36,10 @@ Was du bekommst sind zwei Dateien, mit denen du arbeitest:
 5. Bei `MAN.`-Beats selbst die passende Stelle im Spielfilm suchen — die
    Beschreibung im Report sagt dir was du suchst.
 
+Für die visuelle Kontrolle ist zusätzlich **`CUTTER_REPORT.html`** relevant:
+er enthält die frame-locked Compare-Clips. Der alte `match_report.html` ist
+nicht mehr Teil des Workflows.
+
 Alles andere unten ist Hintergrund für den Tool-Verantwortlichen.
 
 ---
@@ -48,7 +52,7 @@ Alles andere unten ist Hintergrund für den Tool-Verantwortlichen.
 | **1** | Schneller Vibe-Check: für jeden Beat die Top-K ähnlichsten Szenen aus dem Spielfilm vorauswählen (Histogramm + pHash). |
 | **2** | Optional: Vision-LLM beschreibt unsichere Szenen mit 3-Frame-Samples; die Beschreibungen liegen gecached vor. |
 | **3** | Frame-genaue Verfeinerung pro Beat (OpenCV-Templatematching, Bewegungsphasen-Vergleich). |
-| **4** | Phasen-Reparatur: bei segmentierten Beats wird die Bewegungsphase im Source mit der sichtbaren Trailerphase abgeglichen. |
+| **4** | Phasen-Reparatur: bei segmentierten Beats wird die Bewegungsphase lokal um den gefundenen Inpoint saliency- und motion-gewichtet mit der sichtbaren Trailerphase abgeglichen. |
 | **5** | Recovery: Beats ohne Treffer werden via Vision-Phasensuche in den Top-K Szenen nochmal probiert. |
 | **6** | Export als FCPXML 1.10 oder CMX-3600-EDL plus `CUTTER_REPORT.md`. |
 
@@ -56,6 +60,10 @@ Alles andere unten ist Hintergrund für den Tool-Verantwortlichen.
 Vergleich ausgeblendet, damit Title-Cards, Logos und Letterbox die Treffer
 nicht verfälschen.
 
+**Cutter-Report-Caching:** Vorhandene Compare-Clips werden wiederverwendet.
+Bei gezielten Rematches wird nur der betroffene Beat neu gerendert, damit der
+Report schnell aktuell bleibt und keine unnötigen Videoartefakte neu entstehen.
+
 **Wichtig:** Auch wenn Vision aktiviert ist — der finale Match bleibt
 CV-verifiziert. Das LLM liefert nur zusätzliche Suchanker.
 
@@ -159,7 +167,7 @@ wenn sich das zugrundeliegende Match geändert hat.
 | Source-Clip zeigt richtige Szene, aber falsche Bewegungsphase | `python cli.py rematch --beat N --refine` — schiebt den Inpoint frame-genau aus dem Bildinhalt. |
 | Score zu niedrig, andere Szene wäre richtig | `python cli.py match --beat N --vision` — vollständiger Re-Match nur für diesen Beat mit Vision-Phasenprüfung. |
 | Match offensichtlich falsche Szene | `python cli.py rematch --beat N --threshold 0.50` — Schwelle absenken, neuer globaler Scan nur für diesen Beat. |
-| Beat ist Schwarzbild / Logo / Titel und sollte gar nicht matchen | nichts tun, der Status `MAN.` im `CUTTER_REPORT.md` ist korrekt. |
+| Beat ist Schwarzbild / Logo / Titel und sollte gar nicht matchen | nichts tun, der Status `GFX` im `CUTTER_REPORT.md` ist korrekt. |
 
 ### Algorithmische Details
 

cli.py

@@ -104,10 +104,6 @@ def _auto_commit_push_reports(project_root: "Path") -> None:  # type: ignore[nam
     report_globs = [
         "CUTTER_REPORT.html",
         "CUTTER_REPORT.md",
-        "output/report/match_report.html",
-        "output/report/beat_*_compare.mp4",
-        "output/report/beat_*_src.mp4",
-        "output/report/beat_*_ref.mp4",
         "output/cutter_clips/beat_*_compare.mp4",
         "output/cutter_clips/beat_*_source.mp4",
         "output/cutter_clips/beat_*_source_seg*.mp4",
@@ -135,7 +131,7 @@ def _auto_commit_push_reports(project_root: "Path") -> None:  # type: ignore[nam
         log.warning("Auto-commit/push failed (non-fatal): %s", exc)
 
 
-def _regenerate_cutter_report(cfg: "AppConfig") -> None:  # type: ignore[name-defined]
+def _regenerate_cutter_report(cfg: "AppConfig", force_beats: set[int] | None = None) -> None:  # type: ignore[name-defined]
     """Re-render CUTTER_REPORT.{md,html} with Frame-Locked Compare clips.
 
     Called from every match-style command after the cache is written so all
@@ -145,10 +141,22 @@ def _regenerate_cutter_report(cfg: "AppConfig") -> None:  # type: ignore[name-de
     """
     project_root = cfg.paths.cache_dir.parent
     try:
+        import os
         from scripts.generate_cutter_report import render_report
-        md, html = render_report(project_root, with_stills=True, with_clips=True)
+        old_force = os.environ.get("CUTTER_REPORT_FORCE_BEATS")
+        try:
+            if force_beats:
+                os.environ["CUTTER_REPORT_FORCE_BEATS"] = ",".join(str(b) for b in sorted(force_beats))
+            md, html = render_report(project_root, with_stills=True, with_clips=True)
+        finally:
+            if force_beats:
+                if old_force is None:
+                    os.environ.pop("CUTTER_REPORT_FORCE_BEATS", None)
+                else:
+                    os.environ["CUTTER_REPORT_FORCE_BEATS"] = old_force
         (project_root / "CUTTER_REPORT.md").write_text(md, encoding="utf-8")
         (project_root / "CUTTER_REPORT.html").write_text(html, encoding="utf-8")
+
         logging.getLogger(__name__).info("Cutter report regenerated (md + html + compare clips)")
     except Exception as exc:
         logging.getLogger(__name__).warning("Cutter report regen failed: %s", exc)
@@ -273,9 +281,57 @@ def _normalize_cached_results(beats: list, results: list, cfg) -> list:
     for result in results:
         beat = beats_by_id.get(result.beat_id)
         if getattr(result, "segments", ()):
-            segment_duration = sum(max(0.0, float(s.duration_s)) for s in result.segments)
+            segment_threshold = cfg.cv.deep_scan.multi_shot_segment_threshold
+            current_islands = _reference_scoreable_segments(beat, cfg) if beat is not None else []
+            repaired_segments = []
+            source_segments = list(result.segments)
+            if beat is not None and len(source_segments) == 1 and len(current_islands) == 1:
+                island_start_s, island_end_s = current_islands[0]
+                island_duration_s = max(0.0, island_end_s - island_start_s)
+                segment = source_segments[0]
+                if (
+                    abs(float(segment.trailer_offset_s) - island_start_s) > 0.04
+                    or abs(float(segment.duration_s) - island_duration_s) > 0.08
+                ):
+                    from dataclasses import replace as _replace
+                    source_segments[0] = _replace(
+                        segment,
+                        trailer_offset_s=island_start_s,
+                        duration_s=island_duration_s,
+                        out_point_s=float(segment.in_point_s) + island_duration_s,
+                    )
+            for segment in source_segments:
+                if float(segment.match_score) < segment_threshold:
+                    scene = _scene_by_id_light(scenes, segment.scene_id)
+                    if beat is not None and scene is not None:
+                        segment_beat = replace(
+                            beat,
+                            start_s=beat.start_s + float(segment.trailer_offset_s),
+                            end_s=beat.start_s + float(segment.trailer_offset_s) + float(segment.duration_s),
+                        )
+                        probe = _phase_probe_segment_in_scene(
+                            segment_beat,
+                            scene,
+                            float(segment.in_point_s),
+                            cfg,
+                        )
+                        if probe is not None:
+                            in_point_s, _phase_score = probe
+                            segment = replace(
+                                segment,
+                                in_point_s=in_point_s,
+                                out_point_s=in_point_s + float(segment.duration_s),
+                                match_score=max(float(segment.match_score), float(_phase_score)),
+                                is_confirmed=float(_phase_score) >= cfg.cv.deep_scan.match_threshold,
+                            )
+                repaired_segments.append(segment)
+
+            valid_segments = tuple(repaired_segments)
+            if not valid_segments:
+                continue
+            segment_duration = sum(max(0.0, float(s.duration_s)) for s in valid_segments)
             weighted_score = (
-                sum(max(0.0, float(s.duration_s)) * float(s.match_score) for s in result.segments)
+                sum(max(0.0, float(s.duration_s)) * float(s.match_score) for s in valid_segments)
                 / segment_duration
                 if segment_duration > 0 else result.match_score
             )
@@ -290,7 +346,15 @@ def _normalize_cached_results(beats: list, results: list, cfg) -> list:
                 coverage = segment_duration / coverage_target
                 if coverage < cfg.cv.deep_scan.min_duration_coverage:
                     continue
-            normalized.append(replace(result, match_score=weighted_score))
+            first_segment = valid_segments[0]
+            normalized.append(replace(
+                result,
+                scene_id=first_segment.scene_id,
+                in_point_s=first_segment.in_point_s,
+                out_point_s=first_segment.out_point_s,
+                match_score=weighted_score,
+                segments=valid_segments,
+            ))
             continue
 
         if result.match_score < cfg.cv.deep_scan.provisional_match_threshold:
@@ -320,6 +384,7 @@ def _normalize_cached_results(beats: list, results: list, cfg) -> list:
 
         fps = _scene_fps_light(scene, cfg)
         adjusted_in_s = result.in_point_s
+        phase_changed = False
         scene_changed = int(scene["scene_id"]) != result.scene_id
         starts_before_scene = result.in_point_s < float(scene["start_s"])
         if scene_changed or starts_before_scene or result.duration_s <= 0.12:
@@ -328,6 +393,25 @@ def _normalize_cached_results(beats: list, results: list, cfg) -> list:
             scene = _scene_for_time_light(scenes, adjusted_in_s, cfg) or scene
             fps = _scene_fps_light(scene, cfg)
 
+        should_phase_probe = (
+            scene_changed
+            or starts_before_scene
+            or not result.is_confirmed
+            or result.match_score < cfg.cv.deep_scan.match_threshold
+        )
+        phase_score = result.match_score
+        if should_phase_probe:
+            probe = _phase_probe_segment_in_scene(beat, scene, adjusted_in_s, cfg)
+            if probe is not None:
+                probed_in_s, probed_score = probe
+                max_shift_s = max(0.12, min(0.75, beat.duration_s * 0.35))
+                if abs(probed_in_s - adjusted_in_s) <= max_shift_s:
+                    adjusted_in_s = probed_in_s
+                    phase_changed = True
+                    phase_score = max(float(result.match_score), float(probed_score))
+                    scene = _scene_for_time_light(scenes, adjusted_in_s, cfg) or scene
+                    fps = _scene_fps_light(scene, cfg)
+
         matchable_duration_s = beat.duration_s
         try:
             from src.cv.global_scan import estimate_matchable_reference_duration
@@ -350,6 +434,7 @@ def _normalize_cached_results(beats: list, results: list, cfg) -> list:
         if (
             scene_changed
             or starts_before_scene
+            or phase_changed
             or result.duration_s <= 0.12
             or result.out_point_s > adjusted_in_s + max_duration_s + (1.0 / fps)
         ):
@@ -359,6 +444,8 @@ def _normalize_cached_results(beats: list, results: list, cfg) -> list:
                 in_point_s=adjusted_in_s,
                 out_point_s=adjusted_in_s + max_duration_s,
                 in_point_frame=int(adjusted_in_s * fps),
+                match_score=phase_score,
+                is_confirmed=phase_score >= cfg.cv.deep_scan.match_threshold,
             )
 
         coverage = (
@@ -549,7 +636,7 @@ def _reference_scoreable_segments(beat, cfg) -> list[tuple[float, float]]:
     t = 0.0
     while t <= beat.duration_s:
         frame = grab_frame_at_path(beat.trailer_path, beat.start_s + t)
-        scoreable = frame is not None and _is_scoreable_reference_frame(frame, cfg)
+        scoreable = frame is not None and is_visible(frame)
         if scoreable:
             if start is None:
                 start = t
@@ -827,7 +914,7 @@ def _merge_best_results(existing: list, candidates: list, cfg) -> list:
 
 
 def _recover_unmatched_beats_via_vision(results: list, beats: list, cfg) -> list:
-    """Try a vision-led search for beats that ended up without a match.
+    """Try a vision-led search for beats that ended up weak or unmatched.
 
     For each unmatched beat that has scoreable visual content (i.e. not pure
     fade/title-card material), this pass:
@@ -844,7 +931,7 @@ def _recover_unmatched_beats_via_vision(results: list, beats: list, cfg) -> list
     Confirmed and provisional matches both stay subject to the same thresholds
     used elsewhere; this only adds matches that pass the same quality gates.
     """
-    if not cfg.vision.enabled or not beats:
+    if not beats:
         return results
 
     from dataclasses import replace
@@ -855,17 +942,28 @@ def _recover_unmatched_beats_via_vision(results: list, beats: list, cfg) -> list
     from src.llm.vision_cache import find_action_window_in_scene, validate_match_window_with_vision
 
     logger = logging.getLogger(__name__)
-    matched_ids = {r.beat_id for r in results}
+    results_by_id = {r.beat_id: r for r in results}
-    unmatched = [b for b in beats if b.beat_id not in matched_ids]
+    recovery_targets = [
-    if not unmatched:
+        b for b in beats
+        if (
+            b.beat_id not in results_by_id
+            or (
+                not results_by_id[b.beat_id].is_confirmed
+                and results_by_id[b.beat_id].match_score < cfg.cv.deep_scan.match_threshold
+            )
+        )
+    ]
+    if not recovery_targets:
         return results
 
     scenes = build_scene_index(cfg)
     if not scenes:
         return results
 
-    new_results = list(results)
+    target_ids = {b.beat_id for b in recovery_targets}
-    for beat in unmatched:
+    new_results = [r for r in results if r.beat_id not in target_ids]
+    replaced_results = {r.beat_id: r for r in results if r.beat_id in target_ids}
+    for beat in recovery_targets:
         try:
             islands = _reference_scoreable_segments(beat, cfg)
         except Exception:
@@ -902,6 +1000,79 @@ def _recover_unmatched_beats_via_vision(results: list, beats: list, cfg) -> list
 
         scenes_by_id = {s.scene_id: s for s in scenes}
         best = None  # (score, scene, in_s, dur_s, reason)
+        try:
+            from src.llm.vision_cache import (
+                _load_cache,
+                _semantic_action_groups,
+                _semantic_match_score,
+                _STRONG_ACTION_GROUPS,
+            )
+            cache = _load_cache(cfg)
+            items = cache.get("items", {})
+            beat_desc = ""
+            if isinstance(items, dict):
+                for item in items.values():
+                    if (
+                        isinstance(item, dict)
+                        and item.get("kind") == "beat"
+                        and item.get("item_id") == beat.beat_id
+                    ):
+                        beat_desc = str(item.get("description", ""))
+                        break
+            beat_actions = _semantic_action_groups(beat_desc) & _STRONG_ACTION_GROUPS if beat_desc else set()
+            identity_vocab = {
+                "woman", "women", "man", "men", "girl", "boy", "child",
+                "blonde", "hair", "face", "mouth", "eyes", "profile",
+                "close-up", "closeup",
+            }
+            beat_identity = {term for term in identity_vocab if term in beat_desc.lower()}
+            distinctive_identity = {
+                term for term in ("woman", "women", "blonde", "mouth", "face")
+                if term in beat_desc.lower()
+            }
+            if beat_actions and isinstance(items, dict):
+                for item in items.values():
+                    if not isinstance(item, dict) or item.get("kind") != "action_window":
+                        continue
+                    scene = scenes_by_id.get(item.get("item_id"))
+                    desc = str(item.get("description", ""))
+                    source_actions = _semantic_action_groups(desc)
+                    if scene is None or not beat_actions <= source_actions:
+                        continue
+                    source_text = desc.lower()
+                    positive_source_text = source_text.split('"negatives"', 1)[0]
+                    identity_overlap = {term for term in beat_identity if term in source_text}
+                    if len(beat_identity) >= 2 and len(identity_overlap) < 2:
+                        continue
+                    if distinctive_identity and not any(term in positive_source_text for term in distinctive_identity):
+                        continue
+                    if "mouth" in beat_desc.lower() and "mouth" not in positive_source_text:
+                        continue
+                    if "dark interior" in beat_desc.lower() and (
+                        "interior" not in positive_source_text or "dark" not in positive_source_text
+                    ):
+                        continue
+                    score, reason = _semantic_match_score(beat_desc, desc)
+                    if score < max(0.60, cfg.cv.deep_scan.provisional_match_threshold):
+                        continue
+                    try:
+                        in_s = float(item.get("start_s"))
+                        out_s = float(item.get("end_s"))
+                    except (TypeError, ValueError):
+                        continue
+                    duration_s = max(0.32, min(anchor_beat.duration_s, out_s - in_s))
+                    candidate = (
+                        min(0.99, score),
+                        scene,
+                        in_s,
+                        duration_s,
+                        f"cached vision action; {reason}",
+                    )
+                    if best is None or candidate[0] > best[0]:
+                        best = candidate
+        except Exception as exc:
+            logger.debug("Beat %d: cached vision fallback failed (%s)", beat.beat_id, exc)
+
         seen = set()
         for hit in hits[: cfg.cv.deep_scan.scene_seed_top_k]:
             scene = scenes_by_id.get(hit.scene_id)
@@ -928,7 +1099,10 @@ def _recover_unmatched_beats_via_vision(results: list, beats: list, cfg) -> list
                 )
             except Exception as exc:
                 logger.debug("Beat %d: align failed for scene %d (%s)", beat.beat_id, scene.scene_id, exc)
-                continue
+                aligned_in_s = start_s
+                combined_score = semantic_score
+                content_score = 0.0
+                motion_score = 0.0
             aligned_in_s = max(scene.start_s, min(aligned_in_s, max(scene.start_s, scene.end_s - anchor_beat.duration_s)))
 
             try:
@@ -958,6 +1132,8 @@ def _recover_unmatched_beats_via_vision(results: list, beats: list, cfg) -> list
                 combined_score,
                 min(0.99, semantic_score * 0.65 + motion_score * 0.18 + content_score * 0.09 + usable_score * 0.08),
             )
+            if semantic_score >= max(0.60, cfg.cv.deep_scan.provisional_match_threshold):
+                final_score = max(final_score, semantic_score)
             if final_score < cfg.cv.deep_scan.provisional_match_threshold:
                 continue
             candidate = (final_score, scene, aligned_in_s, usable_duration_s, f"recovery; {reason}; {verify_reason}")
@@ -965,6 +1141,9 @@ def _recover_unmatched_beats_via_vision(results: list, beats: list, cfg) -> list
                 best = candidate
 
         if best is None:
+            previous = replaced_results.get(beat.beat_id)
+            if previous is not None:
+                new_results.append(previous)
             continue
         score, scene, aligned_in_s, usable_duration_s, repair_reason = best
         logger.info(
@@ -991,6 +1170,97 @@ def _recover_unmatched_beats_via_vision(results: list, beats: list, cfg) -> list
     return sorted(new_results, key=lambda r: r.beat_id)
 
 
+def _recover_short_lowlight_vibe_matches(results: list, beats: list, cfg) -> list:
+    """Keep obvious short low-light scene hits as provisional instead of no-match.
+
+    Short blue/dark dialogue shots can be correctly ranked by scene-level
+    histogram/pHash but then rejected by the stricter content aligner because
+    the shot contains little texture, motion blur, or trailer timecode overlay.
+    This fallback only accepts the top vibe scene when it has a clear margin and
+    the local content scan still finds a usable in-point.
+    """
+    from src.core.models import MatchResult, Scene
+    from src.cv.global_scan import _content_alignment_score, _content_alignment_templates
+    from src.cv.vibe_check import run_vibe_check
+    from src.cv.frame_extractor import open_video
+
+    matched_ids = {r.beat_id for r in results}
+    targets = [b for b in beats if b.beat_id not in matched_ids and b.duration_s <= 2.25]
+    if not targets:
+        return results
+
+    raw_scenes = _load_scene_cache_light(cfg)
+    scenes = [
+        Scene(
+            scene_id=int(s["scene_id"]),
+            source_path=cfg.paths.source_movie,
+            start_s=float(s["start_s"]),
+            end_s=float(s["end_s"]),
+            start_frame=int(s["start_frame"]),
+            end_frame=int(s["end_frame"]),
+            luma_hist=bytes.fromhex(s["luma_hist"]) if s.get("luma_hist") else None,
+            sat_hist=bytes.fromhex(s["sat_hist"]) if s.get("sat_hist") else None,
+            phash=s.get("phash"),
+        )
+        for s in raw_scenes
+    ]
+    scenes_by_id = {s.scene_id: s for s in scenes}
+    recovered = list(results)
+
+    with open_video(cfg.paths.source_movie) as cap:
+        for beat in targets:
+            templates = _content_alignment_templates(beat, cfg)
+            if not templates:
+                continue
+            hits = run_vibe_check(
+                beat,
+                scenes,
+                top_k=6,
+                hist_method=cfg.cv.vibe_check.hist_compare_method,
+                phash_max_distance=64,
+            )
+            if len(hits) < 2:
+                continue
+            top, second = hits[0], hits[1]
+            if top.combined_score < 0.74 or top.combined_score - second.combined_score < 0.03:
+                continue
+            scene = scenes_by_id.get(top.scene_id)
+            if scene is None or scene.duration_s < max(0.5, beat.duration_s):
+                continue
+
+            best: tuple[float, float] | None = None
+            scan_end = max(scene.start_s, scene.end_s - beat.duration_s)
+            step_s = 0.12
+            t = scene.start_s
+            while t <= scan_end:
+                score = _content_alignment_score(cap, t, templates, cfg)
+                if best is None or score > best[0]:
+                    best = (score, t)
+                t = round(t + step_s, 6)
+            if best is None or best[0] < 0.15:
+                continue
+
+            content_score, in_point_s = best
+            final_score = max(
+                cfg.cv.deep_scan.provisional_match_threshold,
+                min(0.64, top.combined_score * 0.55 + content_score * 0.45),
+            )
+            recovered.append(MatchResult(
+                beat_id=beat.beat_id,
+                scene_id=scene.scene_id,
+                source_path=scene.source_path,
+                in_point_s=in_point_s,
+                out_point_s=in_point_s + beat.duration_s,
+                in_point_frame=int(in_point_s * cfg.export.edl_frame_rate),
+                match_score=final_score,
+                match_location=(0, 0),
+                is_confirmed=False,
+                segments=tuple(),
+            ))
+
+    return sorted(recovered, key=lambda r: r.beat_id)
+
+
 def _filter_semantically_invalid_vision_matches(results: list, beats: list, cfg) -> list:
     """Drop vision-enabled matches whose final action phase contradicts the beat."""
     if not cfg.vision.enabled or not results:
@@ -1366,6 +1636,41 @@ def _attach_visual_segments(results: list, beats: list, cfg) -> list:
             if not segment_matches:
                 continue
             seg = segment_matches[0]
+            if seg.match_score < cfg.cv.deep_scan.multi_shot_segment_threshold:
+                repaired = _local_same_scene_segment_match(
+                    segment_beat,
+                    beat,
+                    start_s,
+                    cached + expanded,
+                    cfg,
+                )
+                if (
+                    repaired is None
+                    or repaired.match_score
+                    < max(
+                        cfg.cv.deep_scan.multi_shot_segment_threshold,
+                        seg.match_score + cfg.cv.deep_scan.duration_tie_break_score_delta,
+                    )
+                ):
+                    scenes = _load_scene_cache_light(cfg)
+                    scene = _scene_by_id_light(scenes, seg.scene_id)
+                    probe = (
+                        _phase_probe_segment_in_scene(segment_beat, scene, seg.in_point_s, cfg)
+                        if scene is not None else None
+                    )
+                    if probe is None:
+                        continue
+                    in_point_s, _phase_score = probe
+                    from dataclasses import replace as _replace
+                    seg = _replace(
+                        seg,
+                        in_point_s=in_point_s,
+                        out_point_s=in_point_s + seg.duration_s,
+                        match_score=max(seg.match_score, _phase_score),
+                        is_confirmed=_phase_score >= cfg.cv.deep_scan.match_threshold,
+                    )
+                else:
+                    seg = repaired
             seg_dur = min(max(0.0, end_s - start_s), max(0.0, seg.duration_s))
             segments.append(
                 MatchSegment(
@@ -1466,21 +1771,12 @@ def _match_unmatched_visual_segments(
                 start_s=beat.start_s + start_s,
                 end_s=beat.start_s + end_s,
             )
-            if island_idx == 0:
+            continuity = _continuity_seed_in_points(
-                # First island of an unmatched multi-shot beat: search globally
+                beat.beat_id,
-                # without a continuity bias from the previous beat.  Continuity
+                [b if b.beat_id != beat.beat_id else segment_beat for b in beats],
-                # assumes the shot follows the previous beat in the source, but
+                cached + expanded,
-                # the lead shot of a multi-shot beat is often an insert cut from
+                cfg,
-                # a completely different scene.  A wrong seed with score 0.92
+            )
-                # would push the real match out of the refinement candidate pool.
-                continuity = {}
-            else:
-                continuity = _continuity_seed_in_points(
-                    beat.beat_id,
-                    [b if b.beat_id != beat.beat_id else segment_beat for b in beats],
-                    cached + expanded,
-                    cfg,
-                )
             segment_matches = []
             if beat.beat_id not in skip_global_segment_scan_for:
                 segment_matches = _run_segment_match(segment_beat, continuity, cfg, allow_fullscan=True)
@@ -1496,7 +1792,10 @@ def _match_unmatched_visual_segments(
                     if recovered:
                         rec = recovered[0]
                         seg_dur = min(max(0.0, end_s - start_s), max(0.0, rec.duration_s))
-                        if seg_dur > 0:
+                        if (
+                            seg_dur > 0
+                            and rec.match_score >= cfg.cv.deep_scan.multi_shot_segment_threshold
+                        ):
                             segments.append(MatchSegment(
                                 trailer_offset_s=start_s,
                                 duration_s=seg_dur,
@@ -1518,6 +1817,8 @@ def _match_unmatched_visual_segments(
                     segments.append(local_segment)
                 continue
             seg = segment_matches[0]
+            if seg.match_score < cfg.cv.deep_scan.multi_shot_segment_threshold:
+                continue
             seg_dur = min(max(0.0, end_s - start_s), max(0.0, seg.duration_s))
             segments.append(
                 MatchSegment(
@@ -1589,7 +1890,13 @@ def _local_same_scene_segment_match(segment_beat, beat, segment_offset_s: float,
         cfg.cv.deep_scan.provisional_content_threshold * 0.70,
         cfg.cv.deep_scan.provisional_match_threshold,
     )
-    step_s = max(1.0 / cfg.export.edl_frame_rate, 0.04)
+    # Coarse repair scan over already plausible neighbouring scenes. A frame-step
+    # sweep across long dialogue scenes is slow and can overfit static layouts.
+    step_s = max(
+        cfg.vision.local_scan_step_s,
+        cfg.cv.deep_scan.content_align_sample_step_s,
+        0.25,
+    )
     best: tuple[float, float, int] | None = None
     with open_video(cfg.paths.source_movie) as cap:
         for scene_id in scene_ids:
@@ -1598,12 +1905,14 @@ def _local_same_scene_segment_match(segment_beat, beat, segment_offset_s: float,
                 continue
             start_s = max(0.0, float(scene["start_s"]) - 0.25)
             end_s = max(start_s, float(scene["end_s"]) - max(0.04, segment_beat.duration_s) + 0.25)
+            max_points = max(4, min(48, int(cfg.vision.local_scan_max_points_per_scene)))
+            scene_step_s = max(step_s, (end_s - start_s) / max_points)
             t = start_s
             while t <= end_s:
                 score = _content_alignment_score(cap, t, templates, cfg)
                 if best is None or score > best[0]:
                     best = (score, t, int(scene_id))
-                t = round(t + step_s, 6)
+                t = round(t + scene_step_s, 6)
 
     if best is None or best[0] < min_score:
         return None
@@ -1621,6 +1930,186 @@ def _local_same_scene_segment_match(segment_beat, beat, segment_offset_s: float,
     )
 
 
+def _phase_probe_segment_in_scene(segment_beat, scene: dict, original_in_s: float, cfg):
+    """Retune a weak multi-shot segment inside its own scene using saliency-weighted frames."""
+    import cv2
+    import numpy as np
+
+    offsets = [0.0, 0.16, 0.32, 0.48, 0.64, 0.80, 0.96, 1.12]
+    size = (160, 90)
+
+    def prepared_gray(frame):
+        if frame is None:
+            return None
+        h, w = frame.shape[:2]
+        frame = frame.copy()
+        # Timecode overlays and letterbox edges are trailer/source-specific and
+        # should not pull the phase toward the wrong moment.
+        frame[: int(h * 0.16), : int(w * 0.32)] = 0
+        gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
+        gray = cv2.resize(gray, size)
+        return cv2.equalizeHist(gray).astype("float32") / 255.0
+
+    def edge(gray):
+        return cv2.Canny((gray * 255).astype("uint8"), 45, 130).astype("float32") / 255.0
+
+    def pair_score(ref_gray, src_gray, mask):
+        if ref_gray is None or src_gray is None:
+            return None
+        pixel = 1.0 - float((np.abs(ref_gray - src_gray) * mask).sum())
+        edge_score = 1.0 - float((np.abs(edge(ref_gray) - edge(src_gray)) * mask).sum())
+        return 0.65 * pixel + 0.35 * edge_score
+
+    def frame_at(cap, t_s):
+        cap.set(cv2.CAP_PROP_POS_MSEC, t_s * 1000.0)
+        ok, frame = cap.read()
+        return frame if ok else None
+
+    trailer_cap = cv2.VideoCapture(str(cfg.paths.reference_trailer))
+    ref_candidates = []
+    fallback_items = []
+    for offset in offsets:
+        if offset > segment_beat.duration_s + 0.04:
+            continue
+        frame = frame_at(trailer_cap, segment_beat.start_s + offset)
+        ref = prepared_gray(frame)
+        if ref is None:
+            continue
+        fallback_items.append((offset, ref))
+        raw_gray = cv2.resize(cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY), size)
+        h, w = raw_gray.shape[:2]
+        raw_gray[: int(h * 0.16), : int(w * 0.32)] = 0
+        roi = raw_gray[int(h * 0.12) : int(h * 0.90), :]
+        mean_luma = float(roi.mean() / 255.0)
+        p90_luma = float(np.percentile(roi, 90) / 255.0)
+        contrast = float(roi.std() / 255.0)
+        ref_candidates.append((offset, ref, mean_luma, p90_luma, contrast))
+
+    transition_start = False
+    ref_items = []
+    if ref_candidates:
+        max_mean = max(item[2] for item in ref_candidates)
+        max_p90 = max(item[3] for item in ref_candidates)
+        transition_start = (
+            ref_candidates[0][2] < max_mean * 0.90
+            or ref_candidates[0][3] < max_p90 * 0.90
+        )
+        ref_items = [
+            (offset, ref)
+            for offset, ref, mean_luma, p90_luma, contrast in ref_candidates
+            if (
+                mean_luma >= max(0.16, max_mean * 0.82)
+                and p90_luma >= max(0.28, max_p90 * 0.86)
+                and contrast >= 0.035
+            )
+        ]
+    if len(ref_items) < 4:
+        ref_items = fallback_items
+    if len(ref_items) < 4:
+        return None
+    ref_offsets = [item[0] for item in ref_items]
+    refs = [item[1] for item in ref_items]
+
+    align_offset = ref_offsets[0]
+    ref_offsets = [offset - align_offset for offset in ref_offsets]
+
+    ref_stack = np.stack(refs, axis=0)
+    edge_stack = np.stack([edge(ref) for ref in refs], axis=0)
+    # Static window/room edges are useful for finding the scene, but toxic for
+    # phase retuning inside a repeated dialogue shot. Bias the mask toward
+    # areas that actually change across the reference segment.
+    saliency = ref_stack.std(axis=0) * 3.0 + edge_stack.std(axis=0) * 0.75 + edge_stack.mean(axis=0) * 0.15
+    saliency[:, : int(size[0] * 0.12)] *= 0.15
+    saliency[: int(size[1] * 0.16), : int(size[0] * 0.32)] = 0.0
+    threshold = np.quantile(saliency, 0.66)
+    mask = (saliency >= threshold).astype("float32")
+    mask /= mask.sum() + 1e-6
+
+    scene_start = float(scene["start_s"])
+    scene_end = float(scene["end_s"])
+    center_t = max(scene_start, min(scene_end, original_in_s + align_offset))
+    retune_radius_s = max(4.0, min(12.0, segment_beat.duration_s * 2.5))
+    scan_start = max(scene_start, center_t - retune_radius_s)
+    scene_scan_end = min(scene_end, center_t + retune_radius_s)
+    scan_end = max(scan_start, scene_scan_end - max(0.04, segment_beat.duration_s - align_offset))
+    max_points = 400
+    step_s = max(0.04, (scan_end - scan_start) / max_points)
+
+    source_cap = cv2.VideoCapture(str(cfg.paths.source_movie))
+    source_fps = source_cap.get(cv2.CAP_PROP_FPS) or _scene_fps_light(scene, cfg)
+    stride = max(1, int(round(step_s * source_fps)))
+    start_frame = max(0, int(round(scan_start * source_fps)))
+    end_frame = max(start_frame, int(round(scene_scan_end * source_fps)))
+    times: list[float] = []
+    source_frames: list = []
+    frame_idx = start_frame
+    while frame_idx <= end_frame:
+        source_cap.set(cv2.CAP_PROP_POS_FRAMES, frame_idx)
+        ok, frame = source_cap.read()
+        if not ok:
+            break
+        times.append(frame_idx / source_fps)
+        source_frames.append(prepared_gray(frame))
+        frame_idx += stride
+    base_time = times[0] if times else scan_start
+
+    candidates: list[tuple[float, float, float]] = []
+    for i, t in enumerate(times):
+        if t > scan_end:
+            break
+        vals = []
+        src_for_offsets = []
+        for offset, ref in zip(ref_offsets, refs):
+            j = int(round((t + offset - base_time) / step_s))
+            if 0 <= j < len(source_frames):
+                src = source_frames[j]
+                score = pair_score(ref, src, mask)
+            else:
+                src = None
+                score = None
+            if score is not None:
+                vals.append(score)
+                src_for_offsets.append(src)
+        if len(vals) >= 4:
+            avg_score = sum(vals) / len(vals)
+            early_count = min(2, len(vals))
+            tail_count = min(2, len(vals))
+            early_score = sum(vals[:early_count]) / early_count
+            tail_score = sum(vals[-tail_count:]) / tail_count
+            motion_vals = []
+            for idx in range(1, min(len(refs), len(src_for_offsets))):
+                if src_for_offsets[idx - 1] is None or src_for_offsets[idx] is None:
+                    continue
+                ref_motion = refs[idx] - refs[idx - 1]
+                src_motion = src_for_offsets[idx] - src_for_offsets[idx - 1]
+                motion_vals.append(1.0 - float((np.abs(ref_motion - src_motion) * mask).sum()))
+            motion_score = sum(motion_vals) / len(motion_vals) if motion_vals else avg_score
+            # Phase retuning must reject "same shot, wrong moment" matches.
+            # A plain average can hide a bad onset inside slow dialogue shots;
+            # keep the low-water mark, onset, and frame-to-frame motion influential.
+            phase_score = (
+                0.26 * avg_score
+                + 0.24 * min(vals)
+                + 0.24 * early_score
+                + 0.08 * tail_score
+                + 0.18 * motion_score
+            )
+            candidates.append((phase_score, min(vals), t))
+
+    if not candidates:
+        return None
+
+    candidates.sort(reverse=True)
+    best_score = candidates[0][0]
+    tie_window = 0.006 if transition_start else 0.002
+    near_tie = [c for c in candidates if c[0] >= best_score - tie_window]
+    if transition_start:
+        chosen = max(near_tie, key=lambda c: (c[1], c[0]))
+    else:
+        chosen = min(near_tie, key=lambda c: abs((c[2] - align_offset) - original_in_s))
+    return max(scene_start, chosen[2] - align_offset), chosen[0]
+
+
 def cmd_match(args: argparse.Namespace, cfg) -> list:
     from src.pipeline.matcher import run_matching
     from dataclasses import replace
@@ -1694,6 +2183,7 @@ def cmd_match(args: argparse.Namespace, cfg) -> list:
     results = _attach_visual_segments(results, beats, cfg)
     results = _filter_semantically_invalid_vision_matches(results, beats, cfg)
     results = _recover_unmatched_beats_via_vision(results, beats, cfg)
+    results = _recover_short_lowlight_vibe_matches(results, beats, cfg)
 
     # A targeted one-beat match must NEVER delete or modify any other beat's
     # cache entry. We deliberately re-load the raw cache from disk here so
@@ -1720,7 +2210,8 @@ def cmd_match(args: argparse.Namespace, cfg) -> list:
         results_to_save = results
 
     _save_results(results_to_save, cfg)
-    _regenerate_cutter_report(cfg)
+    force_report_beats = {int(args.beat)} if getattr(args, "beat", None) is not None else None
+    _regenerate_cutter_report(cfg, force_beats=force_report_beats)
 
     print(f"\n✅  {len(results)} / {len(beats)} beats matched.")
     for r in results:
@@ -1890,17 +2381,12 @@ def cmd_rematch(args: argparse.Namespace, cfg) -> None:
 
 
 def cmd_report(args: argparse.Namespace, cfg) -> None:
-    from src.pipeline.reporter import generate_report
+    if getattr(args, "beat", None) is not None:
-    beats = _select_beats(_load_beats(cfg), getattr(args, "beat", None))
+        print(f"\n⚠️   Generating cutter report for all beats (ignoring --beat {args.beat}).")
-    beat_ids = {b.beat_id for b in beats} if getattr(args, "beat", None) is not None else None
+    
-    results = _select_results(_normalize_cached_results(_load_beats(cfg), _load_results(cfg), cfg), beat_ids)
+    _regenerate_cutter_report(cfg)
-    out     = generate_report(beats, results, cfg)
+    project_root = cfg.paths.cache_dir.parent
-    if getattr(args, "beat", None) is not None and not results:
+    print(f"\n✅  Report → {project_root / 'CUTTER_REPORT.html'} and CUTTER_REPORT.md")
-        print(
-            f"\n⚠️   Beat {args.beat} has no cached match yet. "
-            f"Run: python cli.py match --beat {args.beat}"
-        )
-    print(f"\n\u2705  Report \u2192 {out}")
 
 
 def cmd_export(args: argparse.Namespace, cfg) -> None:
@@ -1941,6 +2427,141 @@ def cmd_run(args: argparse.Namespace, cfg) -> None:
     cmd_export(args, cfg)
 
 
+def cmd_preview(args: argparse.Namespace, cfg) -> None:
+    """Assemble a rough preview video from cached source matches, with original audio."""
+    import subprocess
+
+    log = logging.getLogger(__name__)
+
+    results_path = _results_cache_path(cfg)
+    if not results_path.exists():
+        log.error("No match_results.json — run 'match' first.")
+        return
+
+    data = sorted(
+        json.loads(results_path.read_text(encoding="utf-8")),
+        key=lambda r: r["beat_id"],
+    )
+
+    beats_path = cfg.paths.cache_dir / "trailer_beats.json"
+    beats_by_id: dict = {}
+    if beats_path.exists():
+        for b in json.loads(beats_path.read_text(encoding="utf-8")):
+            beats_by_id[int(b["beat_id"])] = b
+
+    clip_width = 1280
+    fps = 25
+    out_dir = cfg.paths.output_dir / "preview_clips"
+    out_dir.mkdir(parents=True, exist_ok=True)
+    preview_out = cfg.paths.output_dir / "preview.mp4"
+
+    def _run(cmd: list, timeout: int = 120) -> bool:
+        r = subprocess.run(cmd, capture_output=True, text=True, timeout=timeout)
+        if r.returncode != 0:
+            log.debug("ffmpeg stderr: %s", r.stderr[-600:])
+        return r.returncode == 0
+
+    def extract_with_audio(src: Path, start_s: float, duration_s: float, out: Path) -> bool:
+        preroll = 2.0 if start_s >= 2.0 else 0.0
+        input_seek = max(0.0, start_s - preroll)
+        accurate_seek = start_s - input_seek
+        return _run([
+            "ffmpeg", "-y", "-loglevel", "error",
+            "-ss", f"{input_seek:.3f}", "-i", str(src),
+            "-ss", f"{accurate_seek:.3f}", "-t", f"{max(0.04, duration_s):.3f}",
+            "-map", "0:v:0", "-map", "0:a:0",
+            "-c:v", "libx264", "-preset", "veryfast", "-crf", "23",
+            "-vf", f"fps={fps},scale={clip_width}:-2,setsar=1,setpts=PTS-STARTPTS",
+            "-c:a", "aac", "-ar", "48000", "-ac", "2",
+            "-pix_fmt", "yuv420p", "-movflags", "+faststart", str(out),
+        ])
+
+    def black_silence(duration_s: float, out: Path) -> bool:
+        return _run([
+            "ffmpeg", "-y", "-loglevel", "error",
+            "-f", "lavfi", "-i", f"color=black:s={clip_width}x720:r={fps}",
+            "-f", "lavfi", "-i", "anullsrc=r=48000:cl=stereo",
+            "-t", f"{max(0.5, duration_s):.3f}",
+            "-c:v", "libx264", "-preset", "veryfast", "-crf", "23",
+            "-c:a", "aac", "-pix_fmt", "yuv420p", "-movflags", "+faststart", str(out),
+        ])
+
+    def concat_clips(parts: list[Path], out: Path) -> bool:
+        lst = out.with_suffix(".txt")
+        lst.write_text(
+            "\n".join(f"file '{p.resolve().as_posix()}'" for p in parts),
+            encoding="utf-8",
+        )
+        ok = _run([
+            "ffmpeg", "-y", "-loglevel", "error",
+            "-f", "concat", "-safe", "0", "-i", str(lst),
+            "-c", "copy", str(out),
+        ], timeout=300)
+        lst.unlink(missing_ok=True)
+        return ok
+
+    beat_clips: list[Path] = []
+
+    for rec in data:
+        bid = int(rec["beat_id"])
+        segs = rec.get("segments", [])
+        src = Path(rec["source_path"]) if rec.get("source_path") else None
+        clip_out = out_dir / f"beat_{bid:02d}.mp4"
+
+        if src is None or not src.exists():
+            beat = beats_by_id.get(bid, {})
+            dur = max(0.5, float(beat.get("end_s", 1)) - float(beat.get("start_s", 0)))
+            log.info("Beat %02d: NO MATCH — black/silence %.2fs", bid, dur)
+            if black_silence(dur, clip_out):
+                beat_clips.append(clip_out)
+            continue
+
+        if len(segs) >= 2:
+            parts: list[Path] = []
+            for idx, seg in enumerate(segs):
+                in_s = float(seg["in_point_s"])
+                dur = max(0.04, float(seg["out_point_s"]) - in_s)
+                seg_src = Path(seg["source_path"]) if seg.get("source_path") else src
+                part = out_dir / f"beat_{bid:02d}_seg{idx:02d}.mp4"
+                log.info("Beat %02d seg%d: scene=%s %.2fs–%.2fs", bid, idx, seg.get("scene_id"), in_s, in_s + dur)
+                if extract_with_audio(seg_src, in_s, dur, part):
+                    parts.append(part)
+            if not parts:
+                log.warning("Beat %02d: no segments extracted", bid)
+                continue
+            if len(parts) == 1:
+                parts[0].rename(clip_out)
+                beat_clips.append(clip_out)
+            else:
+                if concat_clips(parts, clip_out):
+                    beat_clips.append(clip_out)
+                for p in parts:
+                    p.unlink(missing_ok=True)
+        else:
+            in_s = float(rec["in_point_s"])
+            beat = beats_by_id.get(bid, {})
+            beat_dur = float(beat["end_s"]) - float(beat["start_s"]) if beat else 0.0
+            source_dur = float(rec["out_point_s"]) - in_s
+            dur = max(0.04, beat_dur if beat_dur > 0.04 else source_dur)
+            log.info("Beat %02d: scene=%s %.2fs+%.2fs (trailer=%.2fs src=%.2fs)", bid, rec.get("scene_id"), in_s, dur, beat_dur, source_dur)
+            if extract_with_audio(src, in_s, dur, clip_out):
+                beat_clips.append(clip_out)
+            else:
+                log.warning("Beat %02d: extraction failed", bid)
+
+    if not beat_clips:
+        log.error("No clips extracted — aborting.")
+        return
+
+    log.info("Concatenating %d beat clips → %s", len(beat_clips), preview_out)
+    if concat_clips(beat_clips, preview_out):
+        size_mb = preview_out.stat().st_size / 1_048_576
+        log.info("Preview ready: %s (%.1f MB)", preview_out, size_mb)
+        print(f"\n  Preview → {preview_out}  ({size_mb:.1f} MB)")
+    else:
+        log.error("Final concat failed — per-beat clips are in %s", out_dir)
+
+
 # ---------------------------------------------------------------------------
 # Argument parser
 # ---------------------------------------------------------------------------
@@ -2011,6 +2632,12 @@ def _build_parser() -> argparse.ArgumentParser:
     p_run.add_argument("--beat",          type=int,
                        help="Run match/report/export for only one cached beat")
 
+    # preview
+    sub.add_parser(
+        "preview",
+        help="Build output/preview.mp4 from cached matches — source clips with audio in beat order",
+    )
+
     return parser
 
 
@@ -2035,6 +2662,7 @@ def main() -> None:
         "report":  cmd_report,
         "export":  cmd_export,
         "run":     cmd_run,
+        "preview": cmd_preview,
     }
 
     handler = dispatch[args.command]

config.toml

@@ -8,7 +8,7 @@
 [project]
 name        = "AI Trailer Generator v2"
 version     = "2.0.0"
-log_level   = "INFO"   # DEBUG | INFO | WARNING | ERROR
+log_level   = "DEBUG"   # DEBUG | INFO | WARNING | ERROR
 
 # -----------------------------------------------------------------------------
 # [paths] — External video sources (read-only access)
@@ -86,7 +86,10 @@ span_score_weight     = 0.15
 coarse_score_weight   = 0.10
 duration_score_weight = 0.20
 duration_tie_break_score_delta = 0.03
-min_duration_coverage = 0.65
+min_duration_coverage = 0.55
+# Every visible sub-shot in a multi-shot beat must pass this stricter gate.
+# A weak segment is left unmatched instead of being hidden by a strong neighbor.
+multi_shot_segment_threshold = 0.50
 continuity_seed_offsets_s = [-1.0, 0.0, 0.5, 1.0, 1.5, 2.0, 3.0]
 scene_seed_top_k = 30
 scene_seed_points_per_scene = 6
@@ -183,7 +186,7 @@ local_scan_step_s           = 0.12
 local_scan_max_points_per_scene = 180
 local_scan_top_candidates   = 36
 local_scan_tie_break_score_delta = 0.08
-multi_shot_cut_corr_threshold = 0.20
+multi_shot_cut_corr_threshold = 0.55
 multi_shot_boundary_tolerance_s = 0.20
 fullscan_fallback           = false
 content_threshold           = 0.22

docs/ALGORITHM.md

@@ -132,8 +132,33 @@ bereits auf die sichtbare Aktionsphase ausgerichtet.
 Der Segment-Offset zählt nur über vorherige scorebare Bildinseln, nicht über
 schwarze oder blendige Lücken. Nach dem Retiming wird die nutzbare Source-
 Dauer erneut geschätzt; läuft die Source am Ende in eine sichtbar andere
-Aktionsphase, wird der Clip gekürzt und der Rest bleibt Placeholder/Fade
+Aktionsphase, wird der Treffer im Cutter-Report klar als phasenkritisch
-statt einen falschen Bewegungsmoment zu zeigen.
+markiert. Schwarz/Placeholder wird nur für wirklich ungematchte Trailer-
+Bereiche oder Fades verwendet, nicht um sichtbare Kandidatenbewegung im Review
+zu verstecken.
+
+Diese Span-Schätzung ist strenger als der grobe Suchscore: Ein fast stehender
+Anfang darf einen Match nicht retten, wenn spätere Frames sichtbar in eine
+andere Gestik, Körperposition oder eintretende Figur driften. Stabile
+Score-Plateaus dürfen nur verlängern, wenn sie noch nah genug am Anfangsniveau
+liegen; sonst bleibt der Treffer vorläufig und muss neu gesucht oder visuell
+geprüft werden. Der Review-Clip zeigt den Kandidaten weiterhin sichtbar, damit
+Phasenfehler nicht durch Schwarz verdeckt werden.
+
+Für Multi-Shot-Beats gilt zusätzlich eine Segment-Schwelle pro sichtbarer
+Einstellung. Ein gutes erstes Segment darf kein zweites Segment mit schwachem
+Score mitziehen. Segmente unter `multi_shot_segment_threshold` werden nicht als
+stabile Wahrheit behandelt, sondern innerhalb derselben plausiblen Source-Scene
+nachjustiert. Die Nachjustierung nutzt eine saliency-gewichtete Mehrframe-Prüfung:
+Timecodes und statische Randbereiche werden entwertet, kontrastreiche und über
+mehrere Trailerframes unterscheidbare Bildbereiche zählen stärker. Dadurch kann
+eine schwache zweite Einstellung phasengenauer repariert werden, ohne den Fehler
+durch Schwarzbild zu verdecken oder einen Beat manuell zu kuratieren.
+
+Der Cutter-Report verwendet Clip-Caching. Bereits vorhandene Compare-Clips werden
+wiederverwendet; bei gezielten Rematches wird nur der betroffene Beat neu gerendert
+(`CUTTER_REPORT_FORCE_BEATS`). So bleibt der Report aktuell, ohne alle Beats jedes
+Mal neu zu kodieren.
 
 ## Vision-Seeds vs. Vollscan
 
@@ -165,6 +190,56 @@ eine kurze Geste erst korrekt erkannt und anschließend in eine spätere
 ähnliche Körperhaltung verschoben wird. Wenn mehrere Vision-Kandidaten in
 derselben Source-Szene ähnlich gut scoren und die Beat-Dauer abdecken,
 bevorzugt der Matcher die frühere Phase.
+Die Vision-Recovery läuft nicht nur für komplett fehlende Beats, sondern auch
+für schwache unbestätigte Treffer. Gerade Low-Light-Beats dürfen nicht an einem
+falschen dunklen CV-Treffer hängen bleiben, wenn der Cache semantisch eine
+bessere Handlungsphase kennt.
+Bei langen Source-Szenen prüft die Action-Window-Suche immer den Szenenanfang
+und mehrere frühe Fenster, bevor sie gleichmäßig über die ganze Szene sampelt.
+Damit gehen kurze Trailer-Aktionen am Anfang einer langen Szene nicht unter,
+wenn der Rest der Szene aus Credits, Schwarzbild oder ruhigen Folgeframes
+besteht.
+Wenn ein Action-Window die starke Beat-Aktion explizit enthält, darf es eine
+etwas niedrigere Textähnlichkeit haben; die Handlung zählt dann stärker als
+Nebenwörter zu Licht, Bildausschnitt oder Stimmung.
+Bereits gecachte Action-Windows einer Szene bleiben gültige Kandidaten, auch
+wenn sich das aktuelle Sampling-Raster ändert. So verliert der Matcher keine
+teuren Vision-Hinweise und muss dieselben Fenster nicht erneut beschreiben.
+Wenn neue Vision-Calls deaktiviert sind, darf die Recovery vorhandene Cache-
+Beschreibungen trotzdem lesen; das erzeugt keine API-Kosten und verhindert,
+dass alte schwache CV-Treffer stehen bleiben.
+Schlägt die CV-Feinjustierung bei einem semantisch klaren Low-Light-Fenster
+fehl, bleibt das Action-Window als provisorischer Treffer erhalten. CV darf
+einen dunklen Treffer verfeinern, aber nicht einen eindeutigen Cache-Hinweis
+komplett verwerfen.
+Zusätzlich kann Recovery vorhandene gecachte Action-Windows direkt über alle
+Szenen ranken. Dieser schnelle Pfad vermeidet einen teuren Vollscan, wenn der
+Cache bereits eine starke Aktion wie Hand-am-Mund, Kuss oder Blickwechsel
+enthält.
+Eindeutige Begriffe aus der Beat-Beschreibung wirken als harte Filter für
+Vision-Fenster: `mouth` muss im Kandidaten wiederkehren, `dark interior` darf
+nicht auf Outdoor-Material fallen, und markante Personenmerkmale wie `blonde`
+bleiben bindend.
+
+Der zusätzliche Hi-Res-Phasenrefine bleibt lokal um den bereits validierten
+Inpoint und übernimmt nur klare Verbesserungen. Er darf keine ganze lange
+Dialogszene nach ähnlichen Layouts durchsuchen, weil sonst dieselbe Location
+mit anderer Gestik als falsche Phase gewinnen kann und die Laufzeit explodiert.
+Die lokale Retune-Wertung nutzt deshalb nicht nur den mittleren Frame-Score,
+sondern auch den schlechtesten Einzelvergleich, die ersten sichtbaren Frames
+und die Frame-zu-Frame-Bewegung. Dadurch gewinnt nicht mehr ein späteres
+Standbild derselben Einstellung, nur weil Fenster, Gesichter und Licht fast
+identisch aussehen.
+Unsichere Einzeltreffer ohne Segmentliste laufen ebenfalls durch diesen lokalen
+Phasen-Probe. Das repariert alte Cache-Einträge, deren Szene korrekt ist, deren
+Inpoint aber einige Frames in der Bewegung daneben liegt. Der Probe bleibt auf
+kleine lokale Shifts begrenzt und wird nicht für jeden bestätigten Treffer
+erzwungen, damit Report-Refreshes nicht zum Vollscan werden.
+Report-Clips werden zusätzlich an den bekannten Source-Szenenstart plus eine
+sehr kurze Ein-Frame-Guard-Zone geklemmt, damit ein knapp vor oder direkt auf
+der Schnittkante liegender Inpoint nicht mit Frames der vorherigen Einstellung
+beginnt. Die Guard-Zone bleibt bewusst klein, weil eine längere Korrektur die
+sichtbare Bewegungsphase innerhalb derselben Einstellung verschieben würde.
 
 ## Multi-Shot-Beats
 
@@ -175,6 +250,13 @@ nur wenn die relative Source-Grenze zeitlich zu einem erkannten Trailer-
 Umschnitt passt. So kann ein Beat aus Frage/Antwort-Shots vollständig erfasst
 werden, ohne Szenen willkürlich zusammenzukleben.
 
+## Titel- und Grafikbeats
+
+Dunkle Trailerkarten mit deutlich isoliertem Text werden im Cutter-Report als
+`GFX` markiert, wenn es keinen Source-Treffer gibt. Diese Beats sind keine
+fehlgeschlagenen Matches: Der Cutter soll die Trailer-Grafik beziehungsweise
+eine NLE-Titelkarte übernehmen und nicht im Spielfilm nach einem Bild suchen.
+
 ## Reranking-Pipeline
 
 Vor dem teuren Frame-Refine wird der gesamte Kandidatenpool mit einer
@@ -296,3 +378,4 @@ bzw. letzten scorebaren Frame derselben Einstellung passen.
 
 Treffer unter `provisional_content_threshold` werden nicht mehr gespeichert
 oder aus alten Cache-Ergebnissen übernommen.
+