Communitygithub.com

Coupe : le montage serré

Coupe les rushes bruts de tête parlante en un montage serré et fluide. Trouve la meilleure prise complète de chaque phrase, supprime chaque milliseconde de silence, ne coupe jamais la fin d’un mot ni ne sectionne une respiration, et vérifie chaque jonction pour les sauts d’image, les pertes micro et le niveau vocal. À utiliser en premier, sur l’enregistrement brut.

Qu'est-ce que Coupe : le montage serré ?

Ce skill est conçu pour les monteurs vidéo travaillant avec des images de type « talking head » (tête parlante). Il automatise le processus de montage serré, en supprimant tout le silence superflu tout en préservant l’intégrité sonore et visuelle. Il identifie et ne retient que les meilleures prises de chaque phrase, en s’appuyant sur des indices vocaux du locuteur ou sur une sélection manuelle, et vérifie chaque transition pour les défauts d’image ou de son. Outre le découpage précis, il gère la détection et la réparation des pertes micro (dropouts), le repiquage de prises multiples, et l’égalisation du niveau vocal entre prises. Le skill fonctionne localement avec ffmpeg, faster-whisper et des scripts Python dédiés, et produit un manifeste image par image (cut.json) qui sert de base aux étapes ultérieures (sous-titres, graphismes, mix). L’accent est mis sur la fiabilité : chaque décision est justifiée, des vérifications automatiques et une écoute humaine sont requises, et aucun fichier n’est envoyé sur un service externe.

Compatible avec✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/Liamrjohnston/ai-video-editor/tree/main/.claude/skills/cut

Demander à votre IA préférée

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

Documentation

Que fait Coupe : le montage serré ?

La coupe est la base. Les graphismes, les sous-titres et le son sont synchronisés sur elle, donc elle doit être correcte avant toute autre chose. La norme : la première version est coupée super serrée, sans aucun silence superflu, et sans aucun chevauchement. Serré ne signifie jamais écourté. Un mot qui perd sa dernière consonne, ou une respiration coupée en deux, sonne plus mal qu’une pause.

Ce dont vous avez besoin

  • La vidéo originale de la caméra. Jamais le fichier proxy basse résolution que certaines caméras écrivent à côté (un .LRF de DJI, par exemple) : coupez à partir du MP4 pleine qualité.
  • Le script, s’il y en a un.
  • ffmpeg, et un transcripteur local (faster-whisper). Transcrivez localement ; n’envoyez jamais les images de quelqu’un vers un service externe.

Étape 1 : inventaire

Sondez la source : résolution, cadence exacte (29.97 est 30000/1001, pas 30), durée, canaux audio. Enregistrez-la. Chaque numéro d’image dans ce skill est une image native de la source. N’adoptez jamais la cadence d’une autre vidéo.

Étape 2 : transcription avec horodatage des mots

.venv/bin/python .claude/skills/cut/scripts/transcribe.py raw.mp4 --out words.json

La reconnaissance vocale trouve les mots. Elle ne peut pas juger de la qualité de la prestation, entendre un murmure ou certifier une consonne propre.

Étape 3 : recherche des pertes micro avant le montage

Les micros sans fil perdent parfois 20 à 50 ms et la comblent avec une fausse décroissance lisse. Cela ressemble à un problème sur un mot, et les gens accusent le montage.

.venv/bin/python .claude/skills/cut/scripts/find_dropouts.py raw.mp4 --json dropouts.json

Exécutez-le sur l’audio source, jamais sur un mixage final où la musique le cache. Réparez chaque perte réelle, puis coupez à partir de l’audio réparé :

.venv/bin/python .claude/skills/cut/scripts/repair_dropout.py raw.mp4 --start 32.722 --end 32.762 --out audio_repaired.wav --json repair.json

La réparation supprime le masquage, fait un fondu enchaîné des deux moitiés réelles, et comble le temps avec un bruit d’ambiance provenant de la pause la plus proche, de sorte que le synchronisme labial soit conservé. Pas de synthèse, de filtrage ou de gain. Quand quelqu’un dit « il y a un défaut », vérifiez le son et l’image séparément.

Étape 4 : choisir les prises

  • Écoutez les indices parlés. Les intervenants disent souvent « utilise celle-ci », « c’est la bonne » ou « utilise celle-là » après une bonne prise. L’indice marque la prise terminée juste avant. En l’absence d’indice, la dernière prise propre complète avant qu’ils ne passent à autre chose. Un indice parlé ultérieur l’emporte.
  • Ne choisissez jamais la dernière prise par défaut. C’est souvent celle de la fatigue.
  • Rejetez les marmonnements, les faux départs, les pensées inachevées, les mots coupés, les répétitions silencieuses et les erreurs de lecture. Ne sauvez jamais une prise faible avec du gain.
  • Pour toute phrase suspecte, parcourez tout l’enregistrement à la recherche de toutes les prises complètes de cette phrase, pas seulement la plus proche. Comparez-les dans un petit tableau : prise, temps source, indice, verdict, raison.
  • Quand ce n’est pas clair quelle prise sonne le mieux, demandez. Donnez à l’utilisateur toutes les prises complètes de cette phrase à écouter, avec la prise indiquée présélectionnée si elle existe, et montez selon son choix. Ne devinez pas la prestation.
  • S’il n’existe aucune prise complète propre d’une phrase, dites-le clairement. N’inventez jamais un remplacement ou une transition à partir d’un fragment de mot.
  • Comparez le script avec les mots réellement prononcés, ligne par ligne. Les graphismes et les sous-titres suivent ce qui a été dit, non ce qui a été écrit.
  • Accroches multiples : si plusieurs accroches d’ouverture ont été enregistrées, coupez le corps une fois et chaque accroche séparément, puis vérifiez chaque jonction accroche-corps individuellement.

Étape 5 : couper serré

.venv/bin/python .claude/skills/cut/scripts/find_gaps.py audio_repaired.wav --words words.json --json gaps.json

Ceci propose des candidats ; cela ne coupe jamais. Ensuite, parcourez chaque frontière :

  • Supprimez tout le silence discrétionnaire : entre les prises, entre les phrases, entre les mots, fins maintenues. Raccordez directement à la parole significative suivante.
  • Ne conservez que les images dont un son a réellement besoin : les fricatives faibles (s, f, th), les aspirées (h), les fermetures et relâchements de consonnes (t, k, p), et la décroissance complète de la fin d’un mot. Pour chaque GARDER, nommez le son protégé. « Rythme naturel » n’est pas une raison.
  • Queues de respiration. Là où le niveau descend vers le bruit d’ambiance puis remonte sans mot, cette remontée est une respiration. Terminez le morceau 20 ms après le dernier son du mot. Couper dans la respiration laisse un étrange demi-bruit. Une fin de mot qui décroît reste intacte.
  • Gardez au moins 2 images avant un mot qui commence après une pause supprimée.
  • N’accélérez jamais la voix, ne chevauchez jamais deux morceaux de parole, ne faites jamais de fondu enchaîné de deux voix l’une sur l’autre. Ne supprimez jamais de la parole réelle pour atteindre une durée.
  • Un détecteur de silence propose des candidats ; il ne certifie jamais rien. Les petits écarts en dessous du minimum du détecteur sont toujours examinés.

Écrivez un manifeste image par image (cut.json) : pour chaque morceau, la ligne à laquelle il appartient, les images d’entrée et de sortie sources, l’image de début de sortie, et la raison de chaque frontière. Tout ce qui suit (sous-titres, graphismes, son) est remappé à partir de ce fichier après chaque modification.

Étape 6 : sauts d’image aux jonctions

Couper une courte pause tandis que les mains ou la tête bougent donne l’impression d’images sautées. Après le passage serré, générez le montage et mesurez chaque jonction au milieu d’une phrase :

.venv/bin/python .claude/skills/cut/scripts/join_jumps.py cut.mp4 --cut cut.json --modes modes.json --json jumps.json

Le saut est la différence d’image à travers la jonction divisée par le mouvement normal autour d’elle. À 3x ou plus, remettez le moins de vraies images de pause possible pour le ramener à 2x ou moins, en choisissant les images à supprimer pour que les deux côtés correspondent. Pas de fondus. Les coupes entre prises aux sauts de phrase sont des sauts normaux. Les jonctions cachées sous un graphique plein écran ne se voient pas. Sur une ligne où les mains bougent vite, ne coupez aucune image à l’intérieur.

Étape 7 : voix uniforme

Égalisez le niveau de chaque prise et reprise par phrase avant de montrer quoi que ce soit, de sorte que cela ressemble à un seul enregistrement. Vérifiez la tonalité sur une courbe de type téléphone, et la hauteur : des prises espacées de 1,5 demi-tons sonnent encore faux à une jonction. Un réenregistrement vaut mieux qu’un changement de hauteur. Deux moitiés d’une même accroche enregistrée à quelques secondes d’intervalle peuvent encore différer ; choisissez la paire qui correspond le mieux, et si l’image saute à cette jonction, couvrez-la par un insert.

Étape 8 : audit avant que quiconque ne voie la vidéo

Transcrivez le montage exporté indépendamment et comparez les mots dans l’ordre avec les phrases prévues. Vérifiez les débuts dupliqués (« maintenant vous pouvez, maintenant vous pouvez consulter ») avec de courtes fenêtres de chevauchement autour de chaque jonction, car la reconnaissance vocale sur l’ensemble du fichier lisse les répétitions. Si quelqu’un signale une répétition, elle est réelle jusqu’à preuve du contraire.

Conservez un reçu pour chaque version :

  • Couverture : combien de morceaux, débuts, fins, jonctions et silences ont été examinés. Les nombres attendus et examinés doivent correspondre.
  • Registre des prises : mots prévus, chaque prise candidate pour les lignes suspectes, le choix et pourquoi.
  • Registre de coupe : les images de chaque frontière, les images supprimées ou conservées et le son spécifique protégé.
  • Silences résiduels : relancez sur le montage encodé ; listez tout ce qui reste et pourquoi cela reste.
  • Écoute : une vérification automatique n’est pas une écoute. Marquez l’écoute EN ATTENTE jusqu’à ce qu’une personne l’ait entendue à vitesse normale. Ne prétendez jamais que ça sonne propre parce que les chiffres sont bons.

Quand des retours arrivent

  • Un marmonnement rejeté ou une note « ce montage est lâche » signifie ré-auditer toute la vidéo, pas seulement cette référence temporelle.
  • Chaque correction est une nouvelle version. Ne remplacez jamais une coupe acceptée.

Règles

  • Serré dès la version un. Pas d’espace vide, rien ne se chevauche, pas de sons écourtés.
  • Prises guidées par les indices. Jamais la dernière prise par défaut. Demandez quand la prestation n’est pas claire.
  • Les queues de respiration se terminent 20 ms après le dernier mot.
  • Les jonctions à 3x de mouvement ou plus récupèrent des images pour atteindre 2x ou moins. Pas de fondus.
  • Analysez et réparez les pertes micro sur la source avant de couper.
  • N’accélérez jamais et ne synthétisez pas la voix. N’envoyez jamais les images.

Individual skills in this repo

This repo contains 1 individual skill — each has its own dedicated page.

Skills associés