Communitygithub.com

Akira-TL/akira-video-skills

Auditer les résultats de génération de réutilisations ou de plans (personnages, décors, etc.) assistés par IA, pour décider s'il faut les adopter, modifier le prompt, régénérer ou les laisser en post‑production. Utilisé lorsque des résultats reviennent dans un projet et nécessitent un contrôle d'identité, de structure, de continuité, d'action, de photographie ou d'authenticité produit.

Qu'est-ce que akira-video-skills ?

Cette skill permet à un agent IA spécialisé dans la production vidéo de déterminer si un résultat de génération (image, vidéo, son) est suffisamment qualitatif pour être intégré dans la chaîne de production en cours. Elle applique un processus structuré en cinq étapes : 1) inspection réelle du média (et non une extrapolation d'après le prompt), 2) vérification rigoureuse des sources (fiches personnages, SHOT.md, brief produit), 3) évaluation de multiples dimensions (identité, action, continuité, produit, son), 4) décision claire (adoption, post‑production, régénération, réécriture), 5) enregistrement de la décision dans la fiche du plan concerné. Elle s'appuie sur un script utilitaire (`scripts/media_review.py`) pour l'analyse rapide des métadonnées, l'échantillonnage et le découpage 2×2, mais rappelle que ces outils ne remplacent jamais une lecture complète. Le but est d'éviter de réduire la qualité des contraintes de production sous prétexte que le contenu a déjà été généré, et de garantir une traçabilité des choix pour les plans suivants.

Compatible avec~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/Akira-TL/akira-video-skills/tree/HEAD/skills/video/video-review

Demander à votre IA préférée

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

Documentation

Revue Vidéo

Cette Skill est chargée de déterminer si un résultat de génération mérite de continuer dans la chaîne de production actuelle. Elle n'abaisse pas les contraintes de production sous prétexte que le contenu a déjà été généré, et elle ne réécrit pas les faits amonts pour conserver un résultat existant.

1. Vérifier le résultat réel de la génération

La revue doit se baser sur les images, vidéos ou sons réellement retournés, et non sur une déduction basée sur le prompt, le nom de fichier ou « ce que le modèle est censé faire ».

Lorsque l'exécuteur actuel peut directement visualiser / lire l'artefact, il vérifie l'intégralité de celui‑ci ; s'il ne peut inspecter que des parties de trames, des captures d'écran ou n'entend pas le son, il précise explicitement les dimensions qui n'ont pas encore été validées, sans prétendre que ce qui n'a pas été observé est conforme.

Lorsqu'il faut rapidement lire les métadonnées média, le SHA‑256, échantillonner uniformément les trames problématiques ou découper mécaniquement une image 1:1 en quatre quadrants, on utilise en priorité le script utilitaire fourni par cette Skill dans scripts/media_review.py : probe pour lire les vraies propriétés du média, sample pour écrire uniquement les trames d'aide vidéo dans le dossier .tmp/review/ du projet courant, split-2x2 pour découper mécaniquement une image 1:1 en quatre quadrants, cleanup pour nettoyer le dossier d'aide à la revue. Les trames échantillonnées / les quadrants / le manifest ne remplacent jamais une lecture complète, une écoute, une vérification labiale ou la validation du contenu des personnages/décors. Un découpage 2×2 mécanique réussi ne signifie pas non plus que la validation sémantique stricte des quatre vues est acquise.

La revue vidéo ne peut pas se faire à partir d'une seule image fixe, même la plus belle ; elle doit au moins couvrir le début du plan, le déroulement principal de l'action et l'état final, et vérifier la continuité du mouvement et du son.

2. Références fixes pour la revue

Lire d'abord la source officielle correspondant à ce résultat :

  • Réutilisation d'élément : le prompt long correspondant, les définitions personnage/décor/produit et les faits amonts nécessaires ;
  • Résultat de génération d'un plan : SHOT.md, le prompt actuel, les réutilisations référencées et la continuité avec les plans adjacents ;
  • Produit publicitaire : charger en même temps les faits produit et les contraintes de marque de video-advertising ; si cette capacité est absente, ne pas déclarer la porte produit comme terminée, renvoyer d'abord à akira-video pour compléter le Package optionnel.

Un bundle de génération unique sert uniquement à localiser l'entrée courante, ce n'est pas une source de faits prioritaire.

Pour une revue détaillée de la qualité des résultats de génération / des réutilisations, lire references/TAKE-QA.md. En cas de retour de plusieurs candidats (images, sons, vidéos), lire ensuite references/CANDIDATE-SELECTION.md, éliminer d'abord les erreurs dures (identité, produit, espace, narration), puis comparer l'adéquation de production et l'esthétique. Si le résultat est manifestement un échec, identifier d'abord le type d'échec selon references/FAILURE-MODES.md, puis choisir la décision de réparation selon references/REPAIR-DECISIONS.md : adoption, post‑production, régénération ou réécriture amont ; avant une régénération, préciser la principale variable modifiée pour ce tour.

3. Dimensions de la revue

Ne vérifier que les dimensions applicables à l'objet courant :

  • Stabilité de l'identité, des vêtements, des matériaux, de la structure et de l'état ;
  • Validité de l'espace du décor et des positions clés ;
  • Mouvement, jeu d'acteur, photographie et chronologie remplissant l'objectif du plan ;
  • Continuité In / Out pouvant s'enchaîner avec les plans adjacents ;
  • Produit, logo, texte et structure industrielle conformes à la source factuelle ;
  • Dialogue, labialisation, son et ambiance sonore répondant aux exigences actuelles ;
  • Apparition d'une dérive perceptible qui s'amplifiera dans les plans suivants.

Ne pas remplacer une revue vidéo complète par une belle image fixe.

4. Conclusion

Donner en priorité un des traitements explicites suivants :

  • Adoption : le résultat peut entrer dans la fabrication en cours ;
  • Adoption et ajustement des plans suivants : écart non critique accepté, et le plan suivant partira de l'état visuel réel ;
  • Post‑production : le sujet principal est correct, le problème convient mieux à un montage, compositing, sous‑titrage, logo, volume ou autre traitement en post‑prod ;
  • Régénération : la définition du plan/de l'élément est correcte, mais l'exécution du résultat actuel a échoué ;
  • Réécriture de la définition ou du prompt : l'échec vient de SHOT.md, du matériau long ou du prompt lui‑même, pas de l'exécution aléatoire.

5. Enregistrement de la décision d'adoption

La décision d'adoption d'un plan doit rester concise, conformément à references/TAKE-DECISION.md : noter le résultat de génération courant, la sortie réelle, les écarts acceptables et les éléments restant à traiter en post‑prod, sans créer de base de données supplémentaire.

Quel résultat de génération est adopté pour un plan ? Il est préférable de maintenir dans le SHOT.md de ce plan un court champ « prise actuelle » ou un équivalent clair, sans dupliquer un final.mp4.

Les résultats de génération éliminés peuvent rester pour comparaison ; si le projet n'a pas besoin de conserver à long terme les sorties échouées, on peut les supprimer selon la politique de stockage de l'utilisateur, mais il ne faut jamais supprimer accidentellement le seul résultat de génération non encore archivé.

Critère d'achèvement

Chaque résultat examiné a une base claire et une orientation de traitement ; les résultats adoptés peuvent continuer vers le plan suivant ou la post‑production complète ; lors d'une régénération, on sait déjà ce qu'il faut principalement modifier la fois suivante.

Individual skills in this repo

This repo contains 12 individual skills — each has its own dedicated page.

Akira-TL/akira-video-skills

为 Runway 当前视频模型编译和检查生成提示词;当 video-generation 需要使用 Runway(当前主线 Gen-4.5)的 Text to Video 或 Image to Video,并需要 Runway 专用动作、摄影和时序表达时使用。

Akira-TL/akira-video-skills

为 ByteDance / BytePlus Seedance 当前视频模型编译和检查提示词;当 video-generation 需要使用 Seedance 2.5 的参考素材、时间线、同步声音、视频编辑、延长或多镜头能力时使用。

Akira-TL/akira-video-skills

为 Google Veo 视频生成编译和检查提示词;当 video-generation 需要使用 Veo 的 Text to Video、Image to Video、首尾帧、参考元素或同步声音能力时使用,并先核验具体 Google 使用入口与 model 的当前支持范围。

Akira-TL/akira-video-skills

进入并持续推进一个 AI 视频制作项目;读取或建立 VIDEO.md,根据当前视频脚本、复用素材、镜头、生成结果和整片后期状态,按需路由到 canonical 视频专业 Skill,而不是把所有制作规则塞进一个总提示词。

Akira-TL/akira-video-skills

为品牌短片、产品植入剧情、广告或比赛作品建立产品事实与广告边界;当视频需要准确表达某个具体产品的官方功能、参数、结构、使用方式、品牌素材或产品与剧情关系时使用。

Akira-TL/akira-video-skills

设计并维护 AI 视频中跨镜头复用的角色声音、音色参考、对白声音要求与整片声音关系;当同一角色需要跨镜头保持声音一致,或需要规划语音参考、环境声、音效、音乐与画面的职责边界时使用。

Akira-TL/akira-video-skills

设计 AI 视频中的角色与场景视觉方案;当脚本只说明“需要一个什么样的人/场景”,但还没有形成可稳定生成的外形、服装、材质、色彩、空间、光线和视觉识别系统时使用。

Akira-TL/akira-video-skills

组织整片级剪辑、合成、全片声音和最终成片;当多个已采用镜头需要进入 Premiere Pro、After Effects、DaVinci Resolve 等后期工程,或需要整片字幕、Logo、音乐、混音、比例版本和最终导出时使用。

Akira-TL/akira-video-skills

为 AI 图片或视频生成准备可直接使用的提示词与一次性生成包,并在用户把生成结果带回项目后归档;当需要从正式视频脚本、复用素材和 SHOT.md 编译生成内容、选择参考素材、约定返回文件名或清理临时包时使用。

Akira-TL/akira-video-skills

规划、创建、整理和维护多个镜头会重复使用的视频复用素材;当需要人物/场景/道具/产品提示词、参考图、官方素材、身份与状态参考或其他可重复引用内容时使用。

Akira-TL/akira-video-skills

把小说、章节、故事梗概、品牌 brief 或其他上游内容转换成当前视频自己的脚本层;当需要编写或修订 SCRIPT.md、视频人物表演定义、场景定义、对白或镜头总表时使用。

Akira-TL/akira-video-skills

把 SHOTS.md 中的镜头总览展开成可直接制作的单镜头定义;当需要创建或修改 video/shots/<shot-id>/SHOT.md、镜头连续性、摄影、动作、表演、声音或镜头专属生产约束时使用。

Skills associés