Communitygithub.com

aktsmm/Agent-Skills

Transformez tout contexte (URL d'article, texte collé, diff de PR, notes de réunion, notes de version, invite brute) en une vidéo mp4 commentée avec diapositives, sous-titres et éventuellement un avatar parlant. Utilise une pile locale gratuite (Pillow + edge-tts + ffmpeg) avec SadTalker en option pour l'avatar.

Qu'est-ce que Agent-Skills ?

Cette compétence permet à un agent IA de convertir automatiquement n'importe quel contenu textuel (URLs, notes, diffs, articles) en une vidéo mp4 éducative ou explicative. Elle génère un script via LLM, des diapositives avec Pillow, une narration avec edge-tts, et assemble le tout avec ffmpeg. Les sous-titres (SRT) sont synchronisés automatiquement. L'avatar parlant, optionnel, repose sur SadTalker (GPU recommandé). La sortie finale se trouve dans le dossier `output` du projet. Adapté pour les blogs, PRs, notes de réunion, ou tout texte brut. La pile est totalement gratuite et locale, avec une option de mise à niveau vers Azure Speech en production.

Compatible avec~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/aktsmm/Agent-Skills/tree/HEAD/context-to-video

Demander à votre IA préférée

Ouvre une nouvelle conversation avec cette compétence d'agent déjà préchargée.

Documentation

Contexte → Vidéo

Convertit n'importe quel contexte d'entrée en une vidéo mp4 avec narration + diapositives + sous-titres + (optionnel) un avatar.

Quand l'utiliser

  • 動画化, 解説動画作って, ブログを動画に, 記事を動画化, explainer video, context to video
  • Blog de sortie / explication de PR / notes de réunion / notes de conception / notes de version / contenu d'apprentissage transformé en courte vidéo
  • Produire en masse des supports pour YouTube / présentations internes / Teams / X
  • Pour une diffusion client, remplacez la TTS par la version officielle Azure Speech (par défaut, point de terminaison gratuit edge-tts)

Sources d'entrée (l'une d'elles fonctionne)

EntréeMéthode
URL d'article/blogweb_fetch pour récupérer le contenu
Texte colléRésumé direct
Diff de PR / commitgh pr view + gh pr diff
Notes de réunion / conceptionLecture du fichier
Notes de versionURL ou Markdown
Invite libreDemande de construction au LLM

→ Le traitement après acquisition de la source est commun (le LLM écrit notes/script.json).

Pile technique (tout gratuit, local)

RôleOutil
Génération du scriptLLM (appelant de cette compétence)
DiapositivesPillow (avec BIZ UDGothic, etc.)
Narrationedge-tts (voix Neural d'Edge – gratuite, non officielle)
Assemblage vidéoffmpeg (binaire inclus imageio-ffmpeg possible)
Sous-titresGénération automatique .srt
Avatar (optionnel)SadTalker (GPU recommandé) + masque elliptique ffmpeg

Workflow rapide (sans avatar)

pip install edge-tts imageio-ffmpeg pillow
# 1. Générer script.json à partir de l'entrée (LLM)
# 2. Générer la vidéo
python scripts\build_video.py --project D:\chemin\vers\projet
# → output\final.mp4 + final.srt

Détails : references/script-schema.md / references/setup.md

Mode Avatar (tête parlante dans un coin)

Si vous disposez d'un GPU (VRAM 8 Go+), SadTalker peut ajouter un avatar en bas à droite. La configuration initiale prend 30 à 40 minutes dans un venv séparé (Python 3.10) , ensuite +20 à 30 minutes par vidéo.

# Vidéo existante + 8 fichiers audio → composition de l'avatar
python scripts\add_avatar.py --project D:\chemin\vers\projet --face D:\chemin\vers\visage.jpg
# Créer la version avec masque elliptique
python scripts\ellipse_overlay.py --project D:\chemin\vers\projet
# → output\final_with_avatar.mp4 et final_with_avatar_ellipse.mp4

Configuration, pièges, choix des personnages : references/avatar.md

Structure de sortie

<projet>/
├── notes/script.json                  Script (écrit par le LLM)
├── slides/slide_XX.png               1920x1080
├── audio/audio_XX.mp3                Narration par diapositive
├── avatar/                            (optionnel)
│   ├── input/face.jpg                Photo source de l'avatar
│   ├── SadTalker/                    Dépôt + points de contrôle
│   ├── venv/                         Python 3.10 + torch cu121
│   └── clips/audio_XX.mp4            Vidéo d'avatar pour chaque narration
└── output/
    ├── final.mp4                     Version de base (diapos + narration)
    ├── final.srt                     Sous-titres
    ├── final_with_avatar.mp4         (optionnel) Avatar rectangulaire
    └── final_with_avatar_ellipse.mp4 (optionnel) Avatar circulaire

Valeurs par défaut

  • Résolution : 1920x1080, 30 ips (16:9)
  • Voix : ja-JP-NanamiNeural (féminine, posée). Pour une voix masculine, ja-JP-KeitaNeural
  • Nombre de diapositives : couverture + 5 à 7 diapositives principales (total 6 à 8)
  • Palette : slate-900 / sky-400 / BIZ UDGothic
  • 15 à 25 secondes par diapositive, total 2 à 4 minutes

Modification de la voix, palette, police, rapport d'aspect : references/customization.md

Utilisation en production

Le edge-tts gratuit est non officiel, sans SLA, zone grise commerciale. Pour une distribution client ou une utilisation continue :

  • Narration → remplacez par Azure Speech (Neural TTS)
  • Avatar commercial → Azure TTS Avatar (Lisa, etc. – officiel, $0.30/min et plus)

Détails : references/production-upgrade.md

Variantes courantes

  • Version courte 9:16 (X/Reels) : W,H = 1080, 1920, narration compressée à 60 secondes
  • Sous-titres incrustés : filtre ffmpeg subtitles=final.srt (ffmpeg-advanced-filters.md)
  • Ajout de BGM : mixez un autre mp3 à faible volume (ffmpeg-advanced-filters.md)
  • Chapitrage / cours (support d'apprentissage) : divisez script.json en chapitres, avec introduction/outro communs
  • Version multilingue : changez voice + traduisez le script
  • Génération de mascotte fixe pour une chaîne : créez un personnage avec SDXL et sauvegardez la seed (avatar-generation-sdxl.md)
  • VOICEVOX + sprite officiel du personnage : pour les chaînes « explications douces » comme Zundamon, synchronisation labiale réaliste avec calques PSD (voiced-mascot.md)
  • Wipe d'avatar circulaire : masque circulaire avec le filtre ffmpeg geq + anneau d'accent (ffmpeg-advanced-filters.md)
  • Publication automatique YouTube : planification publique + miniature via API (youtube-upload.md)
  • PoC → chaîne de diffusion régulière : refonte de la structure des répertoires (scale-up-production.md)

Critères de réussite

  • <out>/output/final.mp4 (ou version avec avatar) est lisible, audio et vidéo synchronisés
  • Texte des diapositives en 28pt minimum / titre en 56pt minimum, lisible
  • La narration reflète correctement le message principal de l'entrée
  • final.srt est synchronisé avec la narration
  • Les droits d'auteur de la source ne sont pas violés (résumé + citation, pas de lecture intégrale)
  • (Avec avatar) Pas de dépassement de mémoire GPU, synchronisation labiale acceptable

Individual skills in this repo

This repo contains 2 individual skills — each has its own dedicated page.

Skills associés