MD-AME
Apa yang Dibangun
MD-AME (Multi-Dimensional Autonomous Media Engine) adalah pipeline produksi dan distribusi media yang sepenuhnya otonom. Sistem mengonsumsi sinyal tren, menghasilkan skrip video, merender aset via FFmpeg, dan mempublikasikan ke platform sosial — dirancang untuk operasi tanpa pengawasan dengan tinjauan strategis manusia mingguan.
Masalah
Menjalankan banyak channel YouTube dalam skala membutuhkan otomatisasi loop penuh: pemilihan topik, penulisan skrip, sintesis suara, rendering video, dan upload platform. Setiap channel (dimensi) punya strategi konten, profil keamanan, dan akun publikasi berbeda — tetapi menduplikasi kode pipeline per channel tidak scalable.
Ringkasan Arsitektur
Semua state persisten berada di Supabase PostgreSQL. Tanpa state filesystem lokal antar run. Lihat uraian sistem lengkap di Arsitektur Sistem MD-AME.
Evolusi dan Milestone
| Fase | Fokus |
|---|---|
| Infrastruktur inti | Migrasi skema, fungsi RPC, utilitas idempotensi |
| State machine | Klaim job, pemulihan crash, FOR UPDATE SKIP LOCKED |
| Suara + rendering | Edge-TTS, fallback Gemini, subprocess FFmpeg saja |
| Distribusi | Adapter YouTube, reservasi kuota, upload resumable |
| Intelligence + skrip | Scoring tren, hook audit, adversarial pass |
| Pipeline scene (4.5+) | Dekomposisi scene, GPU pull workers, scene cache |
| Keamanan konten (9) | Prompt Firewall + safety classifier Gemini |
| Adaptive engine | Umpan balik CTR/retention mingguan dengan delta terbatas |
Keputusan Kunci
| Keputusan | Alasan |
|---|---|
| Parameterisasi dimensi | Tambah niche via baris DB, bukan fork kode |
| Transisi RPC PostgreSQL | Update multi-baris atomik; tanpa RMW di aplikasi |
| Fail safe, bukan graceful | Kegagalan suara HALT pipeline — tanpa output terdegradasi |
| Cron GitHub Actions (Fase 1) | Biaya VPS nol saat validasi |
| Pull GPU workers | Tanpa port inbound; backpressure alami |
| Dilarang: MoviePy, gTTS | Subprocess FFmpeg deterministik saja |
Hubungan dengan Proyek Lain
MD-AME berbagi DNA pipeline deterministik dengan Shorts Factory (pemrosesan video lokal dengan checkpoint SQLite) tetapi diskalakan ke PostgreSQL cloud-hosted, parameterisasi multi-dimensi, dan generasi konten otonom berbasis tren.
Pelajaran yang Dipetik
- Parameterisasi di atas duplikasi — satu pipeline, banyak dimensi.
- Idempotensi adalah correctness — pemulihan crash bergantung pada kunci deterministik.
- Quality gate tidak bisa ditawar — satu video buruk bisa menekan standing channel berminggu-minggu.
- Kompleksitas ber-fase — worker GPU dan scene cache datang setelah pipeline inti stabil.
Terkait
Sumber
- Repositori: okfriansyah-moh/md-ame
- Roadmap:
IMPLEMENTATION_ROADMAP.md,PROGRESS_REPORT.mddi repo sumber