LOT 1 - Optimizare script build -Instalare mono comanda

ai_platform/modules/video-analysis/TESTING.md

@@ -1,14 +1,23 @@
 # Video Analysis - Testing Checklist
 
-## ⚠️ HIGH PRIORITY: Model Comparison for Semantic Analysis
+> ⚠️ **NOTĂ:** Acest fișier este un plan **EXPLORATORIU / R&D**, NU configurația livrată.
+> Modelul `Qwen3-VL-30B` (port 14002 / `gpt-oss-120b` / `deploy-llm-api-1`) **nu există** în
+> deployment-ul livrat. Pipeline-ul REAL: deepfake + semantic folosesc **BusterX** (`busterx`,
+> vLLM `didiAI-video-vllm-buster:54500`), iar agregarea semantică pe text folosește **Qwen3.5**
+> (`didiAI-llm-api:14011`). Pentru testarea sistemului livrat vezi `ai_platform/local_gpu_stack/TESTING.md`.
+
+## R&D (opțional): Model Comparison for Semantic Analysis
 
 ### Background
 
-Currently both deepfake detection and semantic analysis use **BusterX** (Qwen2.5-VL-7B, 7B parameters). However, we have access to a much larger model **Qwen3-VL-30B** (30B parameters) that could provide significantly better semantic understanding.
+Sistemul livrat folosește **BusterX** (Qwen2.5-VL-7B) atât pentru deepfake cât și pentru cadrele
+din analiza semantică, cu agregare text pe **Qwen3.5**. Ca direcție de cercetare, s-ar putea
+evalua un model vision mai mare pentru partea semantică (dacă va fi disponibil în viitor).
 
 ### Hypothesis
 
-Semantic analysis (content understanding, scene description, narrative) would benefit from the larger Qwen3-VL-30B model, while deepfake detection should continue using the specialized BusterX model.
+Analiza semantică (descriere scenă, narativ) ar putea beneficia de un model vision mai mare,
+în timp ce detecția deepfake rămâne pe modelul specializat BusterX.
 
 ---
 
@@ -41,7 +50,7 @@ VIDEO_ANALYSIS_VLLM_MODEL=qwen3-vl                     # 30B parameters
 cd /home/vasi/ml-projects/modules/video-analysis/deploy
 
 # Test semantic analysis with BusterX
-curl -X POST http://localhost:8007/analyze/video/semantic \
+curl -X POST http://localhost:54600/analyze/video/semantic \
   -F "file=@test_video_60s.mp4" \
   -F "chunk_duration_s=10.0" \
   -F "frames_per_chunk=24" \
@@ -91,7 +100,7 @@ docker compose up -d video-analysis-api
 sleep 10
 
 # Test with same video
-curl -X POST http://localhost:8007/analyze/video/semantic \
+curl -X POST http://localhost:54600/analyze/video/semantic \
   -F "file=@test_video_60s.mp4" \
   -F "chunk_duration_s=10.0" \
   -F "frames_per_chunk=24" \