fix(short): una nota de duración vale una reescritura, no dos

`editorial_notes` documentaba "se comenta una vez y, si insiste, se renderiza
igual", pero el bucle reintentaba dos veces: las sesiones 166, 167 y 168
gastaron los tres intentos y las tres acabaron renderizando un spec que seguía
pasándose. Un spec que ya cumple el contrato es renderizable; los intentos que
quedan son para el contrato, que sí es binario.

Y de dos specs válidos se guarda el que menos se sale del objetivo, no el
primero. Obedecer a medias es obedecer: antes, una reescritura que bajaba de
70 s a 50 s se tiraba entera y salía el largo.

El prompt, que era la mitad que faltaba. Decirle "20-45 segundos" no le sirve
de nada: la duración real no está escrita en ninguna parte del spec, sale de
sumar plano a plano el mayor entre lo declarado y lo que tarda la voz, y eso no
lo puede calcular quien no sabe a qué velocidad se le lee. Ahora lleva el
ritmo (2,8 palabras por segundo), la cuenta por plano, un presupuesto de 80
palabras de narración, y dos topes que salen del propio ejemplo en vez de estar
inventados: 12 palabras por línea (tope 18) y 6 s por plano. El anterior — "una
línea de menos de 25 palabras" — no describía nada que el canal hubiera
publicado, y el modelo escribía líneas de 25 y 27 sin saltarse ninguna regla.

Medido con cinco generaciones reales sobre el material de la sesión 168:
antes 3 intentos siempre, con el vídeo fuera del objetivo (47,5 s y 45,4 s).
Ahora 2, y el borrador cae dentro: 39,8 / 37,3 s. En dos de las cinco el
reintento ya no fue por duración sino por un fallo de contrato.

Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>

docs/shortsmith-phases-4-6.md

@@ -86,6 +86,17 @@ What actually landed, and where it differs from the plan below:
   thing that order revealed: with the voice repeating on-screen figures, claims had to
   be de-duplicated by *canonical unit* ("35,000 FT" and "35,000 feet" are one claim) or
   every narrated Short would double its own review report.
+- **researchowl's estimate of the voice had to be measured, not assumed** (2026-08-12).
+  It shipped with 14.2 characters per second, taken from a single line, and that
+  overshot every narration by about a fifth — four to six seconds on a whole Short,
+  enough to make the spec writer rewrite videos that were already inside the target.
+  Every generation since narration shipped had spent all three attempts on it.
+  Synthesizing the 28 narration lines the bot had actually written gave 18.5 char/s
+  **plus 0.25 s at every full stop**, which is the term that matters: Piper's
+  `SENTENCE_SILENCE` is per sentence, so "Witness identities. Sensor details. Locations
+  redacted." costs three quarters of a second that a characters-only model gives away.
+  Estimates now land within half a second of the three rendered MP4s. The lesson is the
+  older one restated: a constant taken from one sample is a guess with a decimal point.
 
 Original plan, kept for the record:
 

src/generator/shortspec.py

@@ -22,7 +22,8 @@ from typing import Any, Awaitable, Callable, Optional
 import structlog
 
 from src.generator.spec_contract import (
-    SpecInvalid, describe_templates, editorial_notes, validate_spec,
+    SpecInvalid, describe_templates, editorial_notes, estimated_duration,
+    validate_spec, NARRATION_WORDS_PER_SECOND,
     TARGET_MAX_DURATION, TARGET_MIN_DURATION,
 )
 
@@ -32,6 +33,36 @@ logger = structlog.get_logger()
 #: que arreglar es el prompt, no este número.
 MAX_ATTEMPTS = 3
 
+#: Reescrituras que se gastan en una nota editorial, no en un fallo de contrato.
+#: UNA. Un spec que ya cumple el contrato y sólo se pasa de duración es
+#: renderizable: la segunda reescritura no compraba un Short mejor, compraba una
+#: generación más. Medido sobre las sesiones 166, 167 y 168 — las tres gastaron
+#: los tres intentos por duración y las tres acabaron renderizando un spec que
+#: seguía pasándose. Los intentos que quedan son para el contrato, que sí es
+#: binario. Ver `_how_to_trim` en `spec_contract`: si la nota no se obedece a la
+#: primera, lo que hay que arreglar es la nota.
+NOTE_ATTEMPTS = 1
+
+#: Cuánta narración cabe en un Short entero. Comprobación cruzada de la regla
+#: de arriba, en la unidad que el modelo escribe: 80 palabras son unos 29 s de
+#: voz, y con los respiros y algún plano mudo eso deja el vídeo cerca de 40 s.
+#: El ejemplo de referencia habla 74. La sesión 167 habló 97 y salió a 47,5 s.
+NARRATION_WORD_BUDGET = 80
+
+#: Lo que mide una línea. No es preferencia de estilo: son las líneas del
+#: ejemplo (11, 12, 10, 14, 12, 15 palabras). El tope anterior — "menos de 25" —
+#: no describía nada que el canal hubiera publicado, y el modelo escribió líneas
+#: de 25 y 27 palabras sin saltarse ninguna regla.
+NARRATION_WORDS_PER_LINE = 12
+NARRATION_WORDS_PER_LINE_MAX = 18
+
+#: Lo que dura un plano como mucho. También del ejemplo (6,0 s el más largo,
+#: 5,6 de media). Sin este tope el modelo declaraba 42 s en seis planos de siete
+#: segundos y LUEGO les colgaba la narración encima: el primer borrador salía a
+#: 50 s las tres veces que se midió, y hacía falta una reescritura entera para
+#: bajarlo.
+MAX_SHOT_DURATION = 6.0
+
 EXAMPLE_PATH = Path(__file__).parent / "examples" / "jal1628.json"
 
 __all__ = ["ShortSpecWriter", "SpecResult", "SpecWriteFailed", "NARRATIVE_SHAPES"]
@@ -84,10 +115,18 @@ exists, and a prop name that is not listed is a parse error, not a nuance.
 
 # 3. Rules
 
-- Total duration 20-45 seconds. The contract allows 180; that is a ceiling, \
+- **Total duration {target_min:.0f}-{target_max:.0f} seconds, and the voice is \
-not a target. Aim for {target_min:.0f}-{target_max:.0f}.
+what decides it, not the durations you declare.** The contract allows 180; that \
-- Typically 6-9 shots. Give a shot the seconds its content needs to be read: \
+is a ceiling, not a target. A narrated shot runs as long as its line takes to \
-a card with four rows needs longer than a headline.
+say — the renderer never cuts the voice off, it grows the shot — so the whole \
+video is really about {word_budget} words of narration and no more. That is the \
+number to hold: **count the words of every `narration` you write, and stop at \
+{word_budget}.** Section 3b has the arithmetic behind it.
+- Typically 6-9 shots, and **none of them longer than {max_shot:.0f} seconds** \
+— that is the example's longest, and its average is 5.6. Give a shot the \
+seconds its content needs to be read: a card with four rows needs longer than a \
+headline. A {max_shot:.0f}-second shot with a short line on it is not a \
+generous shot, it is a shot the viewer has already finished reading.
 - Every string is drawn as given. Write them the way they should appear: \
 SHORT, UPPERCASE, no trailing punctuation. A headline is 2-5 words.
 - **"CABE ~N caracteres dibujados" is a width, and it is the one limit nothing \
@@ -116,9 +155,12 @@ aloud by the renderer and burned in as captions. Write it for the ear.
 - **The first line is the whole hook.** Two seconds decide whether anyone \
 watches the rest, and the opening shot's narration is those two seconds. Lead \
 with the strangest true thing you have, not with a preamble.
-- Keep a line under 25 words. Long sentences lose the listener and stretch the \
+- **Keep a line to {words_per_line} words, hard stop at {words_per_line_max}.** \
-shot; the renderer will not cut your voice off, it will make the shot longer \
+That is the example's own average, and it is not a style preference: a 25-word \
-instead, and a Short that drifts past 45 seconds is a Short people leave.
+line is three seconds of your whole budget spent on one shot. Long sentences lose the listener and \
+stretch the shot; the renderer will not cut your voice off, it will make the \
+shot longer instead, and a Short that drifts past {target_max:.0f} seconds is a \
+Short people leave.
 - **Do not read the screen aloud.** The captions already show your words and \
 the template already shows its own. If the shot draws "35,000 FT", the voice \
 says what that altitude meant, not the number again.
@@ -132,10 +174,22 @@ silent exactly the two that draw a quotation, where the voice would only be \
 competing with words already on the frame. Chosen silence is an edit; a spec \
 with one narrated shot out of eight is not a Short with a voice, it is a Short \
 that forgot to speak.
-- Narration costs seconds. A shot is never cut short to fit the voice — it \
+- **Give every narrated shot enough time for its own line, and work it out \
-grows instead — so a line that needs six seconds in a four-second shot pushes \
+rather than guessing.** The voice reads about {words_per_second:.1f} words a \
-your whole total past the target. Write the line, then give the shot the time \
+second and pauses a quarter second at every full stop, so:
-the line actually takes.
+
+      duration ≥ words ÷ {words_per_second:.1f} + half a second
+
+  A twelve-word line needs five seconds; give that shot 5.0, not 4.0. This is \
+the one rule that makes your own arithmetic true: a shot runs for the LONGER of \
+its declared duration and its line — never shorter, the voice is never cut off \
+— so a shot that declares less than its line silently grows, and the video ends \
+up longer than the durations you wrote. Hold this rule and the total you \
+declare IS the video's length; break it once and nothing you counted means \
+anything.
+- As a cross-check, all the narration in the spec together should come to about \
+{word_budget} words. The example below speaks 74. A spec that spoke 97 rendered \
+at 47.5 seconds and had to be cut.
 - Everything in section 4 applies to narration word for word. It is prose you \
 compose rather than a label you copy, which makes it the easiest place to \
 slip in a figure no source gave you — and it is checked exactly like the rest.
@@ -359,6 +413,25 @@ def _format_notes(notes: list[str]) -> str:
             "Return the adjusted JSON object.")
 
 
+def _off_target(spec: dict) -> float:
+    """Segundos fuera de la ventana editorial. 0 = dentro."""
+    total = estimated_duration(spec)
+    return max(0.0, TARGET_MIN_DURATION - total, total - TARGET_MAX_DURATION)
+
+
+def _closer_to_target(a: Optional[SpecResult], b: SpecResult) -> SpecResult:
+    """De dos specs válidos, el que menos se sale del objetivo.
+
+    Antes se guardaba el PRIMERO válido y punto, con lo que una reescritura que
+    obedecía la nota a medias — 53 s en vez de 58 — se tiraba entera y salía el
+    largo. El empate se lo lleva el anterior: sin razón para cambiar, no se
+    cambia.
+    """
+    if a is None:
+        return b
+    return a if _off_target(a.spec) <= _off_target(b.spec) else b
+
+
 #: (system, prompt) -> texto del modelo.
 LLMCall = Callable[[str, str], Awaitable[str]]
 
@@ -388,6 +461,11 @@ class ShortSpecWriter:
             domain=domain,
             target_min=TARGET_MIN_DURATION,
             target_max=TARGET_MAX_DURATION,
+            words_per_second=NARRATION_WORDS_PER_SECOND,
+            word_budget=NARRATION_WORD_BUDGET,
+            words_per_line=NARRATION_WORDS_PER_LINE,
+            words_per_line_max=NARRATION_WORDS_PER_LINE_MAX,
+            max_shot=MAX_SHOT_DURATION,
             example=_load_example(),
             article=article,
             context=context,
@@ -404,6 +482,8 @@ class ShortSpecWriter:
         #: Un spec que cumple el contrato pero se pasa de duración. Se guarda
         #: para que un intento posterior peor no lo tire: es renderizable.
         best: Optional[SpecResult] = None
+        #: Reescrituras ya gastadas en notas editoriales.
+        note_rounds = 0
 
         for attempt in range(1, MAX_ATTEMPTS + 1):
             if on_progress and attempt > 1:
@@ -440,23 +520,33 @@ class ShortSpecWriter:
             notes = editorial_notes(spec)
             result = SpecResult(spec=spec, attempts=attempt, notes=notes,
                                 history=list(history))
-            if notes and attempt < MAX_ATTEMPTS:
+            if not notes:
-                # Nota editorial, no violación del contrato: se comenta una vez
+                logger.info("short spec válido", attempts=attempt,
-                # y, si insiste, se renderiza igual.
+                            shots=len(spec.get("shots", [])), notes=0)
-                best = best or result
+                return result
+
+            best = _closer_to_target(best, result)
+            if note_rounds < NOTE_ATTEMPTS and attempt < MAX_ATTEMPTS:
+                # Nota editorial, no violación del contrato: se comenta y, si
+                # insiste, se renderiza el intento que menos se pase.
+                note_rounds += 1
                 history.append(notes)
                 feedback = _format_notes(notes)
                 continue
 
-            logger.info("short spec válido", attempts=attempt,
+            logger.info("short spec válido pero fuera de objetivo",
-                        shots=len(spec.get("shots", [])), notes=len(notes))
+                        attempts=attempt, shots=len(best.spec.get("shots", [])),
-            return result
+                        off_target=round(_off_target(best.spec), 1))
+            best.attempts = attempt
+            best.history = history
+            return best
 
         if best is not None:
             # Un intento anterior sí cumplía el contrato. Vale más un Short
             # largo que ningún Short.
             logger.info("short spec: se recupera el intento válido anterior",
                         attempts=MAX_ATTEMPTS, notes=best.notes)
+            best.attempts = MAX_ATTEMPTS
             best.history = history
             return best
 

src/generator/spec_contract.py

@@ -28,6 +28,7 @@ __all__ = [
     "validate_spec",
     "editorial_notes",
     "estimated_duration",
+    "spoken_seconds",
     "describe_templates",
     "TARGET_MIN_DURATION",
     "TARGET_MAX_DURATION",
@@ -47,6 +48,15 @@ META_ID = re.compile(r"^[a-z0-9][a-z0-9_-]{0,63}$")
 TARGET_MIN_DURATION = 20.0
 TARGET_MAX_DURATION = 45.0
 
+#: Lo que se le perdona al objetivo antes de gastar una reescritura. La
+#: estimación de la voz acierta dentro de un segundo por línea, así que un
+#: exceso de medio segundo puede ser del estimador y no del spec — y una
+#: reescritura cuesta cuatro céntimos y un minuto para ahorrar un segundo que
+#: nadie ve. El objetivo sigue siendo 20-45: esto sólo decide cuándo vale la
+#: pena decirlo. Sin este margen, la sesión 168 (45,8 s estimados) se llevaba
+#: una generación entera por ochocientas milésimas.
+TARGET_GRACE = 1.5
+
 
 class SpecInvalid(Exception):
     """El spec no cumple el contrato. `errors` son rutas + motivo, verbatim."""
@@ -321,12 +331,47 @@ def validate_spec(spec: Any, templates: dict[str, dict],
         raise SpecInvalid(errors)
 
 
-#: Caracteres por segundo de la voz (Piper `en_US-lessac-medium` a length_scale
+#: Caracteres por segundo de la voz, sin contar las pausas. Medido el
-#: 1.0). Medido el 2026-08-06: 82 caracteres en 5.78 s. Sirve para ESTIMAR aquí
+#: 2026-08-12 sintetizando de verdad las 28 líneas de narración que el bot ha
-#: lo que shortsmith sabrá exacto al sintetizar.
+#: escrito hasta hoy con el mismo Piper y las mismas banderas que usa shortsmith
-NARRATION_CHARS_PER_SECOND = 14.2
+#: (`en_US-lessac-medium`, length_scale 1.0, --noise_scale 0 --noise_w 0):
+#: 2429 caracteres en 140,91 s de audio.
+NARRATION_CHARS_PER_SECOND = 18.5
+#: Piper añade este silencio DESPUÉS DE CADA FRASE, no sólo al final de la
+#: línea, y es un valor que shortsmith fija a propósito (`voice.SENTENCE_SILENCE`).
+#: Contarlo por separado es lo que arregla el caso raro: "Witness identities.
+#: Sensor details. Locations redacted." son tres frases cortas que valen 0,75 s
+#: de pausa, y un modelo de caracteres a secas las da por rápidas.
+NARRATION_SENTENCE_SILENCE = 0.25
 #: El respiro que shortsmith deja tras cada línea antes de permitir el corte.
 NARRATION_PAD = 0.45
+#: Palabras por segundo de la misma medida (387 palabras en 140,91 s). Sólo se
+#: usa para traducir un exceso de segundos a palabras en el aviso: al modelo se
+#: le pide que recorte texto, no tiempo.
+NARRATION_WORDS_PER_SECOND = 2.75
+
+#: Final de frase: un punto pegado a la palabra y seguido de espacio o de nada.
+#: El decimal de "1.5" no cuenta, y por eso mira lo que va detrás.
+_SENTENCE_END = re.compile(r"[.!?](?=\s|$)")
+
+
+def spoken_seconds(line: str) -> float:
+    """Lo que tarda la voz en decir una línea, sin el respiro final.
+
+    Dos términos porque la voz tiene dos: lee a ritmo casi constante y se calla
+    un cuarto de segundo en cada punto. La versión anterior sólo tenía el
+    primero y con un ritmo medido sobre una única frase — 14,2 car/s —, así que
+    sobreestimaba cada línea alrededor de un 20 %. Sobre un Short entero eso son
+    de cuatro a seis segundos de duración que no existen, suficientes para que
+    el bucle de reescritura se disparara con vídeos que estaban dentro del
+    objetivo.
+    """
+    line = " ".join(line.split())
+    if not line:
+        return 0.0
+    sentences = max(1, len(_SENTENCE_END.findall(line)))
+    return (len(line) / NARRATION_CHARS_PER_SECOND
+            + sentences * NARRATION_SENTENCE_SILENCE)
 
 
 def estimated_duration(spec: dict) -> float:
@@ -336,6 +381,9 @@ def estimated_duration(spec: dict) -> float:
     si la frase no cabe. Sin esta estimación el modelo escribiría 40 s de shots,
     les colgaría narración a todos y recibiría un Short de 55 s sin que nada le
     hubiera avisado — el aviso llegaría del render, cuando ya está pagado.
+
+    Contrastada contra los tres MP4 que hay renderizados (sesiones 166, 167 y
+    168): 39,42 / 47,19 / 45,81 s estimados contra 39,57 / 47,53 / 45,40 reales.
     """
     total = 0.0
     for shot in spec.get("shots") or []:
@@ -345,8 +393,7 @@ def estimated_duration(spec: dict) -> float:
         declared = float(declared) if isinstance(declared, (int, float)) else 0.0
         narration = shot.get("narration")
         if isinstance(narration, str) and narration.strip():
-            spoken = len(narration.strip()) / NARRATION_CHARS_PER_SECOND + NARRATION_PAD
+            declared = max(declared, spoken_seconds(narration) + NARRATION_PAD)
-            declared = max(declared, spoken)
         total += declared
     return total
 
@@ -366,18 +413,48 @@ def editorial_notes(spec: dict) -> list[str]:
            f"({declared:.1f}s de shots)" if stretched
            else f"la duración total son {total:.1f}s")
 
-    if total < TARGET_MIN_DURATION:
+    if total < TARGET_MIN_DURATION - TARGET_GRACE:
         notes.append(f"{how} y el objetivo es "
                      f"{TARGET_MIN_DURATION:.0f}-{TARGET_MAX_DURATION:.0f}s: "
                      "queda corto, añade un shot o alarga los que tienes")
-    elif total > TARGET_MAX_DURATION:
+    elif total > TARGET_MAX_DURATION + TARGET_GRACE:
-        fix = ("recorta narración: la voz manda sobre la duración declarada"
-               if stretched else "recorta shots o acorta duraciones")
         notes.append(f"{how} y el objetivo es "
-                     f"{TARGET_MIN_DURATION:.0f}-{TARGET_MAX_DURATION:.0f}s: {fix}")
+                     f"{TARGET_MIN_DURATION:.0f}-{TARGET_MAX_DURATION:.0f}s: "
+                     + _how_to_trim(spec, total - TARGET_MAX_DURATION, stretched))
     return notes
 
 
+def _how_to_trim(spec: dict, excess: float, stretched: bool) -> str:
+    """El consejo, en la unidad en la que el modelo puede obedecerlo.
+
+    "Recorta narración" no dice cuánta, y las tres veces que se ha disparado
+    esto el modelo devolvió un spec que seguía pasándose. Un exceso en segundos
+    tampoco le sirve, porque no escribe segundos: escribe frases. Así que el
+    aviso va en palabras y señala DÓNDE están las más largas.
+    """
+    if not stretched:
+        return (f"sobran {excess:.1f}s: recorta un shot o baja las duraciones "
+                "declaradas")
+
+    words = max(3, round(excess * NARRATION_WORDS_PER_SECOND))
+    advice = (f"sobran {excess:.1f}s, unas {words} palabras de narración — la voz "
+              "manda sobre la duración declarada, así que acortar los shots no "
+              "quita ni un segundo")
+
+    spoken = sorted(
+        ((i, len((s.get("narration") or "").split()))
+         for i, s in enumerate(spec.get("shots") or []) if isinstance(s, dict)),
+        key=lambda pair: -pair[1])
+    spoken = [pair for pair in spoken if pair[1]]
+    if not spoken:
+        return advice
+    # Sólo las que de verdad son largas: señalar una línea de dos palabras al
+    # lado de una de veinte convierte el consejo en ruido.
+    named = [f"shots.{i} ({n} palabras)"
+             for i, n in spoken[:2] if n * 2 >= spoken[0][1]]
+    return advice + f"; {'las líneas más largas son' if len(named) > 1 else 'la línea más larga es'} {' y '.join(named)}"
+
+
 # --- el contrato en prosa, para el prompt -----------------------------------
 
 def _describe_field(name: str, schema: dict, required: bool, defs: dict,

tests/test_shortspec.py

@@ -134,15 +134,57 @@ def test_the_worked_example_narrates_most_of_its_shots():
 def test_the_worked_example_declares_time_for_its_own_narration():
     """Un plano que se queda corto para su propia voz enseña a infradeclarar: el
     render no corta la voz, alarga el plano, y el total se va del objetivo."""
-    from src.generator.spec_contract import NARRATION_CHARS_PER_SECOND
+    from src.generator.spec_contract import NARRATION_WORDS_PER_SECOND, spoken_seconds
 
     example = json.loads(EXAMPLE.read_text())
     for i, shot in enumerate(example["shots"]):
         narration = shot.get("narration", "")
         if not narration:
             continue
-        needs = len(narration) / NARRATION_CHARS_PER_SECOND
+        # La cuenta que el prompt le pide al modelo, aplicada al ejemplo que le
-        assert shot["duration"] >= needs, f"shot {i} declara menos de lo que habla"
+        # pone delante. Si no cuadran, la regla en prosa pierde.
+        rule = len(narration.split()) / NARRATION_WORDS_PER_SECOND + 0.5
+        assert shot["duration"] >= rule, f"shot {i} declara menos de lo que habla"
+        assert shot["duration"] >= spoken_seconds(narration), \
+            f"shot {i} se quedaría corto para su propia voz"
+
+
+def test_the_prompt_gives_a_budget_the_model_can_count():
+    """"20-45 segundos" no es accionable: la duración real no está escrita en el
+    spec, sale de sumar el mayor entre lo declarado y lo que tarda la voz. El
+    modelo sí puede contar sus `duration` y sus palabras, así que el encargo se
+    le da en esas dos unidades."""
+    from src.generator.shortspec import NARRATION_WORD_BUDGET
+    from src.generator.spec_contract import NARRATION_WORDS_PER_SECOND
+
+    w, _ = writer("{}")
+    prompt = w.build_prompt("Caso X", "material", None, "X.TEST")
+
+    assert f"{NARRATION_WORDS_PER_SECOND:.1f} words a second" in prompt, \
+        "sin el ritmo de la voz no hay cuenta que el modelo pueda hacer"
+    assert f"words ÷ {NARRATION_WORDS_PER_SECOND:.1f}" in prompt
+    assert f"{NARRATION_WORD_BUDGET} words" in prompt
+
+
+def test_the_worked_example_obeys_the_budget_it_preaches():
+    """El ejemplo es la señal más fuerte del prompt — más que cualquier regla en
+    prosa. Uno que hablara de más enseñaría a hablar de más, dijera lo que
+    dijera la sección 3b."""
+    from src.generator.shortspec import (
+        MAX_SHOT_DURATION, NARRATION_WORDS_PER_LINE,
+        NARRATION_WORDS_PER_LINE_MAX, NARRATION_WORD_BUDGET,
+    )
+
+    example = json.loads(EXAMPLE.read_text())
+    lines = [len(s["narration"].split()) for s in example["shots"] if s.get("narration")]
+
+    assert max(s["duration"] for s in example["shots"]) == MAX_SHOT_DURATION
+
+    assert sum(lines) <= NARRATION_WORD_BUDGET
+    assert max(lines) <= NARRATION_WORDS_PER_LINE_MAX
+    # El tope corto se anuncia como "la media del ejemplo": si deja de serlo, la
+    # regla en prosa se convierte en un número inventado y el modelo la nota.
+    assert round(sum(lines) / len(lines)) == NARRATION_WORDS_PER_LINE
 
 
 def test_prompt_says_out_loud_that_there_is_no_article_yet():
@@ -220,15 +262,20 @@ async def test_three_failures_raise_but_keep_the_last_attempt():
 
 @pytest.mark.asyncio
 async def test_an_off_target_duration_is_commented_once_then_accepted():
-    """70 s cumple el contrato pero no el encargo: se comenta y, si el modelo
+    """70 s cumple el contrato pero no el encargo: se comenta UNA vez y, si el
-    insiste, se renderiza igual antes que tirar la generación."""
+    modelo insiste, se renderiza igual antes que tirar la generación.
+
+    Una y no dos. El tercer intento se reserva para el contrato, que sí es
+    binario: un spec largo se ve, uno malformado no se puede ni renderizar.
+    """
     long_spec = json.loads(json.dumps(GOOD))
     long_spec["shots"][0]["duration"] = 55.0      # 70 s en total
     w, llm = writer(json.dumps(long_spec))
 
     result = await w.write("Caso X", "material")
 
-    assert result.attempts == MAX_ATTEMPTS
+    assert result.attempts == 2, "una nota no vale dos reescrituras"
+    assert len(llm.prompts) == 2
     assert result.notes and "recorta" in result.notes[0]
     assert "off-brief" in llm.prompts[1]
 
@@ -245,6 +292,51 @@ async def test_a_valid_attempt_is_not_thrown_away_by_a_worse_one():
     assert result.notes
 
 
+@pytest.mark.asyncio
+async def test_the_rewrite_is_kept_when_it_obeys_the_note_only_halfway():
+    """Obedecer a medias es obedecer. Antes se guardaba el PRIMER intento válido
+    y se descartaba la reescritura entera, así que un spec que había bajado de
+    70 s a 50 s salía a 70."""
+    long_spec = json.loads(json.dumps(GOOD))
+    long_spec["shots"][0]["duration"] = 55.0      # 70 s
+    better = json.loads(json.dumps(GOOD))
+    better["shots"][0]["duration"] = 35.0         # 50 s: sigue pasándose, pero menos
+    w, _ = writer(json.dumps(long_spec), json.dumps(better))
+
+    result = await w.write("Caso X", "material")
+
+    assert result.spec["shots"][0]["duration"] == 35.0
+    assert result.attempts == 2
+
+
+@pytest.mark.asyncio
+async def test_a_rewrite_that_makes_it_worse_is_discarded():
+    long_spec = json.loads(json.dumps(GOOD))
+    long_spec["shots"][0]["duration"] = 55.0      # 70 s
+    worse = json.loads(json.dumps(GOOD))
+    worse["shots"][0]["duration"] = 90.0          # 105 s
+    w, _ = writer(json.dumps(long_spec), json.dumps(worse))
+
+    result = await w.write("Caso X", "material")
+
+    assert result.spec["shots"][0]["duration"] == 55.0
+    assert result.attempts == 2, "se pagaron dos generaciones aunque valga la primera"
+
+
+@pytest.mark.asyncio
+async def test_a_note_does_not_eat_the_attempt_the_contract_needs():
+    """Si la reescritura sale malformada, aún queda un intento para arreglarla."""
+    long_spec = json.loads(json.dumps(GOOD))
+    long_spec["shots"][0]["duration"] = 55.0
+    w, llm = writer(json.dumps(long_spec), "esto no es JSON", json.dumps(GOOD))
+
+    result = await w.write("Caso X", "material")
+
+    assert result.attempts == 3 and result.notes == []
+    assert "off-brief" in llm.prompts[1]
+    assert "not a valid JSON" in llm.prompts[2] or "no es un objeto JSON" in llm.prompts[2]
+
+
 @pytest.mark.asyncio
 async def test_the_contract_is_refetched_after_a_validation_failure():
     """Si el renderizador se actualizó a mitad de la run, la plantilla nueva

tests/test_spec_contract.py

@@ -283,15 +283,73 @@ def test_an_unknown_shot_key_still_names_the_valid_ones():
     assert any("narration" in e for e in errors_of(doc))
 
 
+#: Líneas de narración de specs que se renderizaron de verdad, con lo que tarda
+#: Piper en decirlas. Medido el 2026-08-12 con el binario, el modelo y las
+#: banderas de shortsmith (`en_US-lessac-medium`, length_scale 1.0,
+#: --noise_scale 0 --noise_w 0), que son deterministas: estos segundos se
+#: reproducen. Se eligieron los extremos del muestreo de 28 líneas — la más
+#: rápida, la más lenta y las dos más largas — porque son las que rompen un
+#: modelo mal calibrado; la media la aguanta cualquiera.
+MEASURED = [
+    ("Eight FBI witness interviews. Five digital renderings. All describe the "
+     "same shape flying across America for twenty-four years.", 7.809),
+    ("The files are public now, but sections remain blacked out. Witness "
+     "identities. Sensor details. Locations redacted.", 8.140),
+    ("Three hundred seventy-eight files released. Hundreds of incidents "
+     "documented. And the government still cannot explain what those shapes "
+     "were.", 7.681),
+    ("The files came out. The numbers stayed classified.", 3.310),
+    ("Nothing should have been able to hold station beside them up there.", 3.396),
+    ("The Air Force's own investigators called it unexplained.", 2.990),
+]
+
+
+@pytest.mark.parametrize("line,real", MEASURED)
+def test_the_estimate_lands_within_a_second_of_the_voice(line, real):
+    """La estimación es lo único que separa un aviso útil de una reescritura
+    inventada, así que se contrasta contra audio medido, no contra sí misma.
+
+    El margen es un segundo. Más apretado sería falso — esto estima, no
+    sintetiza — y más ancho deja de decir nada: el error del modelo anterior
+    sobre un Short entero era de cuatro a seis segundos, y de ahí salían los
+    tres intentos que se gastaban en cada generación.
+    """
+    from src.generator.spec_contract import spoken_seconds
+
+    assert spoken_seconds(line) == pytest.approx(real, abs=1.0)
+
+
+def test_a_line_of_short_sentences_is_not_taken_for_fast_prose():
+    """Piper calla un cuarto de segundo en cada punto. Cuatro frases cortas son
+    un segundo de silencio, y contarlas como texto corrido las da por rápidas:
+    es el caso donde más se equivocaba el modelo de sólo caracteres."""
+    from src.generator.spec_contract import spoken_seconds
+
+    chopped = "The files are public now, but sections remain blacked out. " \
+              "Witness identities. Sensor details. Locations redacted."
+    flowing = "The files are public now but sections remain blacked out with " \
+              "witness identities sensor details and locations redacted"
+
+    assert len(chopped) < len(flowing)
+    assert spoken_seconds(chopped) > spoken_seconds(flowing)
+
+
+def test_a_decimal_point_is_not_the_end_of_a_sentence():
+    from src.generator.spec_contract import spoken_seconds
+
+    assert spoken_seconds("It climbed to 1.5 miles") == \
+        pytest.approx(spoken_seconds("It climbed to 155 miles"))
+
+
 def test_the_estimate_counts_the_voice_not_just_the_declared_seconds():
     """La duración declarada es un suelo: shortsmith estira el shot si la frase
     no cabe, y el modelo tiene que enterarse ANTES de pagar el render."""
     from src.generator.spec_contract import estimated_duration
 
     doc = spec_with(shot(duration=3.0))
-    doc["shots"][0]["narration"] = "A" * 142   # ~10 s de voz
+    doc["shots"][0]["narration"] = MEASURED[0][0]   # 7,81 s de voz medidos
 
-    assert estimated_duration(doc) > 10.0
+    assert estimated_duration(doc) > 8.0
 
 
 def test_a_shot_with_room_for_its_line_is_estimated_as_declared():
@@ -320,6 +378,53 @@ def test_narration_that_overshoots_the_target_is_flagged_as_narration():
     assert "narración" in note and "estimada" in note
 
 
+def test_a_second_over_the_target_is_not_worth_a_rewrite():
+    """El objetivo sigue siendo 45 s, pero la estimación tiene un segundo de
+    error por línea: avisar por medio segundo es avisar del estimador. Caso
+    real — la sesión 168 salió a 45,4 s y se pagó una generación por ello."""
+    from src.generator.spec_contract import TARGET_GRACE, TARGET_MAX_DURATION
+
+    justo = spec_with(shot(duration=TARGET_MAX_DURATION + TARGET_GRACE - 0.1))
+    pasado = spec_with(shot(duration=TARGET_MAX_DURATION + TARGET_GRACE + 0.1))
+
+    assert editorial_notes(justo) == []
+    assert editorial_notes(pasado)
+    # Y el consejo se mide contra el objetivo, no contra el margen: se pide
+    # bajar hasta 45, no hasta 46,5.
+    assert "sobran 1.6s" in editorial_notes(pasado)[0]
+
+
+def test_the_grace_works_at_both_ends():
+    from src.generator.spec_contract import TARGET_GRACE, TARGET_MIN_DURATION
+
+    assert editorial_notes(spec_with(shot(duration=TARGET_MIN_DURATION
+                                          - TARGET_GRACE + 0.1))) == []
+    assert editorial_notes(spec_with(shot(duration=TARGET_MIN_DURATION
+                                          - TARGET_GRACE - 0.1)))
+
+
+def test_the_advice_says_how_much_to_cut_and_from_where():
+    """"Recorta narración" no dice cuánta, y las tres veces que saltó este aviso
+    el modelo devolvió un spec que seguía pasándose. El exceso va en palabras
+    porque es lo que el modelo escribe, y señalando el plano que más habla."""
+    doc = spec_with(shot(duration=4.0), shot(duration=4.0))
+    doc["shots"][0]["narration"] = "Short line."
+    doc["shots"][1]["narration"] = " ".join(["word"] * 200)
+
+    note = editorial_notes(doc)[0]
+
+    assert "palabras de narración" in note
+    assert "shots.1" in note and "shots.0" not in note
+
+
+def test_the_advice_for_a_silent_spec_never_mentions_narration():
+    """Sin voz, pedir que recorte narración es mandarlo a arreglar algo que no
+    existe: lo que sobra son duraciones declaradas."""
+    note = editorial_notes(spec_with(*[shot(duration=10.0) for _ in range(6)]))[0]
+
+    assert "narración" not in note and "duraciones declaradas" in note
+
+
 def test_a_spec_without_narration_keeps_the_old_wording():
     note = editorial_notes(spec_with(*[shot(duration=10.0) for _ in range(6)]))[0]
     assert "duración total" in note and "estimada" not in note