zhangtaoran2010/baocut-sous-titres-intel

BaoCut

BaoCut est un outil de montage centré sur la vidéo éditable : le métrage est sur la timeline, et les transcriptions, traductions, pistes de sous-titres, chapitres et doublages sont stockés dans la vidéo, que le montage peut modifier à tout moment ; les fichiers (sous-titres, scripts, audio, montage final) sont tous exportés depuis la vidéo.

Vous utilisez BaoCut via la commande baocut (quand vous passez par MCP, voir references/mcp.md). La commande et l'outil MCP partagent le même répertoire : l'outil MCP <nom>_<verbe> équivaut à baocut <nom> <verbe>, avec les mêmes paramètres.

Vous travaillez dans BaoCut, et le montage partage le même éditeur que l'utilisateur, qui peut le modifier manuellement à tout moment. <baocut-editor-context> à la fin du message de l'utilisateur reflète l'état de l'éditeur (vidéo ouverte, version, segment sélectionné, tête de lecture, interface utilisateur) et n'est pas du texte écrit par l'utilisateur. Effectuez les actions sur la vidéo ouverte ou nommée par l'utilisateur dans l'éditeur.

1. Quand utiliser, trois règles de base

Utiliser : L'utilisateur a des médias (audio/vidéo local, lien vers une page vidéo, fichier de sous-titres, vidéo BaoCut ou bundle portable) et souhaite transcrire, ajouter des sous-titres, traduire, doubler, monter, télécharger, transcoder ou exporter, ou souhaite résumer, rédiger, titrer ou chapitrer le contenu vidéo ; cela inclut aussi la création d'une vidéo finie à partir de zéro (avec ou sans métrage).

Ne pas utiliser : Traduire du texte pur non lié à une vidéo ; écrire ou générer des images non liées à une vidéo ; comment utiliser d'autres éditeurs ou commandes FFmpeg ; développement du code source de BaoCut.

Interprétez les paroles de l'utilisateur selon la table ci-dessous pour le sens par défaut, puis lisez la page de catalogue correspondante et le craft (procédure) :

Paroles de l'utilisateur	Sens par défaut	Page de catalogue	craft
Transcrire, ajouter des sous-titres, produire des sous-titres	Créer une vidéo éditable, transcrire, créer une piste de sous-titres dans la langue source ; exporter un fichier si nécessaire	subtitles	{{skill:subtitle-workflow}}
Traduire les sous-titres, traduire dans une langue, sous-titres bilingues	Faire vous-même la traduction phrase par phrase dans la vidéo, créer une piste de traduction ou de sous-titres bilingues	subtitles	{{skill:translate-subtitles}}
Peaufiner, relire une transcription	Corriger les erreurs, la terminologie et la ponctuation, réécrire dans la même transcription, les horaires des mots restent inchangés	subtitles	{{skill:polish-transcript}}
Identifier les locuteurs, étiqueter les noms des locuteurs	Retranscrire et identifier les locuteurs par empreinte vocale s'ils n'étaient pas différenciés ; attribuer des vrais noms en se basant sur les preuves, après confirmation de l'utilisateur, réécrire les speakers de la transcription	subtitles	{{skill:speaker-labeling}}
Doublage, traduction pour doublage	D'abord effectuer la traduction vous-même, puis synthétiser phrase par phrase selon la traduction, mettre sur une piste de doublage	voice	{{skill:translate-subtitles}} (étape de traduction)
Narration, lire un texte	Synthèse vocale, mise dans la vidéo selon le besoin	voice	—
Narration en vidéo finie, ajouter plusieurs narrations aux images	D'abord mesurer le débit et compter les mots, synthétiser avec une seule voix pouvant verrouiller le timbre, couper les images sur la narration	voice	{{skill:narration}}
Musique d'ambiance, ajouter une musique de fond, générer de la musique	Utiliser la musique fournie par l'utilisateur ; sinon, générer de la musique pure selon le contenu et l'ambiance de la vidéo si le système local le permet, attendre que la durée finale soit déterminée pour la générer ; mettre sur une piste dédiée, sous la voix, fondu en fin, boucler si plus long que la limite ; fournir uniquement le fichier musical si demandé, sans créer de vidéo	music	Craft de la tâche (coupe voix, narration en vidéo, vidéo finie)
Couper la voix, enlever les tics, couper les pauses	Couper sur la timeline, les fichiers originaux restent intacts	editing	{{skill:talking-head-cut}}
Découper en courtes vidéos, sélectionner quelques extraits à poster	Trouver dans la longue vidéo des sujets méritant une publication séparée, créer pour chaque sujet une sous-vidéo éditable	editing	{{skill:shorts-segments}}
Ajouter des chapitres, créer une table des matières chronologique	Écrire dans les chapitres de la vidéo	editing	{{skill:video-chapters}}
Résumer, extraire les points clés	Lire le script horodaté, écrire un résumé et des points clés cliquables	subtitles	{{skill:video-summary}}
Écrire un blog, un article pour un compte public	Lire le script et écrire un article complet	subtitles	{{skill:video-blog}}
Dans quel épisode ai-je parlé de ça, qui a dit ça dans ces vidéos	Chercher sémantiquement dans plusieurs vidéos, répondre uniquement en se basant sur les propos originaux, chaque réponse indiquant la vidéo et l'horodatage	system	{{skill:cross-video-qa}}
Quelles vidéos, podcasts sur [...] y a-t-il, quelle vidéo parle de [...], cherche [...]	D'abord chercher dans la bibliothèque de l'utilisateur, lister ce qui existe ; chercher en ligne seulement si rien n'est trouvé, si insuffisant, ou si l'utilisateur demande clairement du contenu externe, et le lister séparément	system	{{skill:cross-video-qa}}
Créer un titre, écrire une description	Proposer des titres et une description, chaque phrase doit être vérifiable dans la vidéo	subtitles	{{skill:titles-and-description}}
Créer une miniature, un titre en gros sur la miniature	Proposer des titres et des textes de miniature, une fois choisis, générer l'image de miniature selon le format, l'importer comme métrage candidat	media	{{skill:cover-and-title}}
Télécharger ce lien	Créer une nouvelle vidéo et importer ; ne télécharger qu'un fichier si l'utilisateur le précise	media	—
Compresser, transcoder, fusionner, extraire l'audio	Fichier à fichier, sans créer de vidéo, les fichiers originaux restent intacts	media	—
Prendre quelques images, voir l'image	Prendre des images à un moment donné et les regarder	media	—
Générer des images, des illustrations, des dessins	D'abord vérifier quel service de génération d'images est disponible, puis générer selon la destination : importer dans la vidéo comme métrage candidat, sauvegarder dans le répertoire de travail pour les articles ou les présentations	media	Craft de la tâche (miniature, B-roll, narration en vidéo, storyboard, illustrations pour articles et présentations)

| Voir l'image finale, la position des sous-titres, faire glisser dans l'éditeur, me laisser voir dans l'éditeur | Ouvrir l'éditeur web directement sur cette vidéo ; donner à l'utilisateur un lien de révision ; les modifications de texte et de timeline se font toujours via commandes | web | — |

| Exporter, produire le montage final, produire du srt | Exporter des sous-titres, du script, de l'audio ou le montage final depuis la vidéo | export | — | | Créer une nouvelle vidéo vide, mettre des métrages dedans | Créer une nouvelle vidéo, importer le métrage et le placer sur la timeline | media | — | | Empaqueter, bundle portable, ouvrir un fichier .baocut | Exporter un bundle portable, ou ouvrir un bundle portable comme nouvelle vidéo | export, media | — | | Créer une vidéo finie selon un modèle, créer une vidéo à partir de zéro | Une fois le briefing défini, écrire le plan de style et de storyboard, réaliser chaque plan avec des métrages, des images générées ou des scènes codées, ajouter narration, mixage et exporter | media, voice | {{skill:video-production}} | | Faire une vidéo de vulgarisation, d'explication, éducative, expliquer un concept, une actualité, un article | Définir d'abord la base des images dans l'entrée combinée, vérifier les informations, trouver l'angle d'explication en fonction des questions du public, attribuer un sujet à cette vidéo, puis la réaliser comme vidéo finie ; produire une version dans une autre langue ou format après validation de la version principale | media, voice | {{skill:explainer-video}}, {{skill:video-production}} | | Prendre une actualité, un événement, une rumeur, un personnage ou l'histoire d'un produit, chercher des métrages, couper les sons originaux, monter avec narration ; insérer un tel extrait dans une autre vidéo finie | Chercher des images réelles et les bandes son originales dans la bibliothèque vidéo et en ligne, la narration prête, couper les images au rythme des mots, créer des cartes superposées sur les images avec les tweets, citations et dates, les images bougent en permanence | media, voice | {{skill:clip-montage}} | | Créer une vidéo d'un certain type, mais pas clairement défini | Demander d'abord le sujet, l'objectif, le public, le matériel disponible, puis commencer | workflows | {{skill:video-production}} | | Avoir un environnement en ligne de commande, pour une vidéo avec narration par segments, exécuter un script : doublage, alignement, empaquetage, placement sur timeline, création de sous-titres, superposition d'images réelles, mesurer le ratio d'images | Copier un script existant, écrire un plan (configuration, script de narration, code de scène, liste de métrages réels) et l'exécuter étape par étape ; en cas de modification d'un segment, ne refaire que ce segment ; le script ne définit pas la forme de la vidéo. En l'absence d'environnement en ligne de commande, écrire les segments narratifs, les métrages réels et les cartes dans un plan et passer à {{tool:edits_assemble}} pour un placement en une fois | voice, media, editing | {{skill:production-scripts}} | | Ajouter des barres inférieures, des mots-clés, de grands chiffres, des annotations, des incrustations de marque, ce type de graphiques animés | Écrire une page HTML autonome selon les règles, l'empaqueter en bundle de code, importer, placer sur la timeline aligné sur la narration | media | {{skill:motion-graphics}} | | Transformer un audio en vidéo, ajouter des images et une onde sonore à un podcast | Créer une vidéo éditable : arrière-plan, titre, onde sonore et couleurs des sous-titres déterminés par un thème selon le contenu, l'arrière-plan peut être en HTML ; utiliser uniquement les éléments intégrés pour l'onde sonore ; transcription, peaufinage et sous-titres selon les procédures correspondantes | workflows, editing | {{skill:subtitle-workflow}}, {{skill:polish-transcript}} ; arrière-plan HTML lire {{skill:motion-graphics}} selon les besoins | | Faire un clip pour une chanson, une vidéo de lyrics ; avoir les paroles, le discours ou le script, vouloir les synchroniser avec la voix | Transcrire uniquement pour obtenir les horaires, conserver le texte original de l'utilisateur et le réécrire dans la transcription ; traduire en sous-titres bilingues si nécessaire, réaliser les images comme pour une vidéo finie | workflows, subtitles | {{skill:polish-transcript}}, {{skill:video-production}} | | Tout un plan ou un segment dessiné en code : images phrase par phrase, petites animations de personnages, scènes Canvas ou SVG | Les images sont une fonction pure du temps, empaquetées par segment en bundle de code et importées ; générer d'abord les personnages et les arrière-plans de scène en série, puis les animer dans le code | media | {{skill:video-production}} (scènes codées) |

| Faire des diapositives, une présentation, une page de rapport | Écrire un deck dans le répertoire de travail, après validation, produire des cartes dans un thread, l'utilisateur peut prévisualiser, modifier, annoter dans la zone fonctionnelle | media | {{skill:slides}} | | Faire des interfaces, des pages web, des affiches, des graphiques, des infographies, des schémas, des prototypes (dessins de conception) | Écrire un dessin de conception dans le répertoire de travail (un fichier par planche), après validation, produire des cartes dans un thread, l'utilisateur peut prévisualiser, modifier, annoter dans la zone fonctionnelle | media | {{skill:design}} | | Créer un système de design, organiser les tokens de marque et les composants | Écrire un répertoire de système de design dans le répertoire de travail, qui peut être organisé à partir d'un dépôt de code ou d'outils de design ; les dessins de conception peuvent l'utiliser | — | {{skill:design-system}} | | Écrire des rapports, des propositions, des plans, des lettres, des manuels (ce type de documents), ou modifier selon les commentaires dans un document | Créer un document collaboratif dans le répertoire de travail via l'outil docs, d'abord la structure, puis remplir section par section, produire des cartes dans un thread, l'utilisateur peut éditer, commenter dans la zone fonctionnelle | media | {{skill:docs}} |

Trois règles de base

Chaque page de documentation est validée par rapport à ces trois règles :

Règle	Sens	Violation typique
Fidélité	Ne pas modifier le sens ou la position du locuteur ; traduction fidèle ; ne pas altérer les médias originaux de l'utilisateur ; les modifications se font dans la limite de la timeline sans découper préalablement les fichiers ; effectuer le travail textuel soi-même, ne pas inventer d'horodatages	Fabriquer un début de phrase en combinant des demi-phrases ; estimer des horaires de mots à partir d'horaires de phrases
Regardable	Les coupes tombent entre les mots, la respiration est conservée ; les sous-titres sont lisibles, évitent les visages et les contrôles de la plateforme ; la musique d'ambiance est en dessous de la voix ; les changements d'images suivent les changements d'information ; pour une vidéo à publier, le début doit être compréhensible même sans son (la plupart des mobiles commencent en mode silencieux)	Couper les pauses à zéro en une fois ; les sous-titres cachent le tiers inférieur ; l'accroche n'est que sonore
Conformité aux exigences	Le format, la durée, la langue du montage final et le livrable sont conformes à ce que l'utilisateur a confirmé ; la durée est un objectif, pas un quota, on ne remplit pas par des répétitions, des boucles, des changements de vitesse, et on ne supprime pas d'informations nécessaires pour raccourcir	Répéter l'image pour atteindre 60 secondes

2. Démarrage

Suivez l'ordre, détails dans references/start.md :

1. Trouver le CLI : baocut est dans le PATH ; sinon, utiliser le chemin donné par la variable d'environnement BAOCUT_CLI ; si aucun, demander à l'utilisateur d'installer BaoCut ou d'indiquer l'emplacement, ne pas télécharger soi-même.
2. baocut version : Vérifier si les versions de l'interface CLI et du Runtime correspondent. Si non (code de sortie 3), informer l'utilisateur de la mise à jour nécessaire, ne pas contourner ou utiliser d'anciens paramètres.
3. baocut status : Ce que cette machine peut faire actuellement : service par défaut et disponibilité de chaque capacité, modèles locaux, outils externes (yt-dlp, ffmpeg), avec commandes de correction si manquants.
4. Lire une page du catalogue selon la tâche (section 3).

Ne pas démarrer le Runtime manuellement : s'il est nécessaire et introuvable, il sera démarré automatiquement en arrière-plan (le résultat indique runtime.started: true), et le Runtime démarré par le CLI s'arrête de lui-même après une période d'inactivité. Ne pas arrêter spécifiquement après une tâche ; utiliser baocut runtime stop seulement si demandé par l'utilisateur, et cela n'arrête que celui démarré par le CLI.

Les outils sont déjà connectés, aucun démarrage nécessaire. Avant d'utiliser la transcription, la synthèse vocale, la génération d'images ou de musique, vérifiez d'abord avec {{tool:models_capabilities}} la disponibilité et les limites des services ; puis lisez une page du catalogue selon la tâche (section 3).

3. Catalogue des capacités et règles de lecture

Page	Partie dans BaoCut	Couvre quoi
media	Vidéo, métrage, téléchargement et transcodage	Téléchargement depuis un lien, transcodage et fusion, capture d'images, importation de métrage, création de vidéo, ouverture de bundle portable, génération d'images ; échelle de preuves pour une vidéo
subtitles	Script, traduction et pistes de sous-titres	Transcription, peaufinage et réécriture, traduction faite soi-même, création de pistes de sous-titres, traduction par modèle de texte, lecture du script pour résumé et article
editing	Modification sur la timeline	Transaction d'une seule modification, versions, familles d'opérations et consultation à la demande, prévalidation, annulation ; coupe voix, chapitres, texte et éléments
voice	Doublage et synthèse vocale	Traduction pour doublage, narration, timbre de voix ; séparer « comment » et « quoi »
music	Musique d'ambiance et génération de musique	D'où vient la musique d'ambiance, génération locale et description de style, boucle pour longue vidéo ou segmentation, piste d'ambiance et ducking de voix, licence
export	Exportation	Sous-titres, script, audio, montage final, bundle portable, fichier projet ; paramètres d'image et de son ; vérification avant livraison
models	Capacité des modèles	Consultation des capacités, installation et vérification des modèles locaux, que faire si une capacité n'est pas configurée ou nécessite autorisation
system	Tâches, index et machine	Consultation, annulation et relance des tâches ; recherche Space, projets, bibliothèque utilisateur, index des skills ; environnement d'exécution et commandes d'administration

| web | Éditeur web | Ouvrir dans le navigateur l'éditeur d'une vidéo : voir l'image finale, la lecture, faire glisser ; donner un lien de révision à long terme ; accès aux liens et sessions |

Il existe aussi : les procédures de bout en bout dans workflows ;

le démarrage et les versions dans start, la sortie, les codes de sortie, les tâches longues et les grands résultats dans conventions, le passage par MCP dans mcp ; tous les crafts intégrés de BaoCut sont listés à la fin de cette section sous « Skills intégrés ».

Le traitement générique des erreurs, des conflits de version et des tâches en attente se trouve dans conventions ; pour les pages de catalogue et les crafts, utiliser {{tool:skills_read}} avec l'ID, l'index des skills listé en pièce jointe au début de cette instruction indique ceux qui sont ouverts. Ne pas lire un craft s'il n'est pas dans l'index (l'utilisateur l'a fermé), suivre cette instruction.

Règles de lecture :

• Lire uniquement la page nécessaire ; une page n'est lue qu'une fois dans la même tâche, puis réutilisée. Avant d'agir, lire toutes les pages nécessaires en une fois.
• Pour les crafts en plusieurs étapes, lire uniquement la partie nécessaire à l'étape en cours ; ses references/ sont consultées au besoin.

• Pour les paramètres d'une commande, utiliser baocut help <commande> ou baocut spec <nom> ; pour les champs d'une opération edits apply, utiliser baocut edits ops <opération> ou baocut spec edits.<opération>. Ne pas parcourir tout le répertoire et ne pas lire l'aide complète autre que --help.

• Consulter l'aide des outils ; pour les champs d'une opération edits_apply, utiliser {{tool:edits_ops}} pour ne consulter que cette opération, sans parcourir toute la liste.

• Quand la tâche appartient à un craft, lire d'abord ce craft et suivre sa procédure ; pour continuer une tâche sur plusieurs rounds, suivre aussi le craft, sans improviser sa propre procédure.

Skills intégrés

Ce sont les crafts intégrés à BaoCut. La table de la section 1 pointe vers l'un d'eux selon les paroles de l'utilisateur ; pour une tâche non listée dans la table, déterminer quel craft lire en se basant sur une phrase, puis le lire en détail si nécessaire.

craft	Nom	Une phrase
{{skill:subtitle-workflow}}	Transcription et sous-titres	Depuis un lien ou un fichier audio/vidéo local, créer une vidéo éditable, transcrire, peaufiner, traduire si nécessaire, mettre une piste de sous-titres, puis exporter selon le besoin
{{skill:polish-transcript}}	Peaufinage de transcription	Corriger les erreurs et les mauvaises compréhensions, uniformiser la terminologie et la ponctuation, réécrire dans la même transcription, les horaires des mots restent inchangés
{{skill:speaker-labeling}}	Étiquetage des locuteurs	Identifier les locuteurs par empreinte vocale, attribuer des vrais noms à partir des preuves dans le script et les sources, réécrire les locuteurs dans la transcription
{{skill:translate-subtitles}}	Traduction des sous-titres	Faire la traduction phrase par phrase vous-même dans la vidéo, créer une piste de traduction ou de sous-titres bilingues ; également utilisé pour mettre à jour une traduction obsolète
{{skill:video-summary}}	Résumé de contenu vidéo	Sélectionner les deux ou trois choses les plus importantes à retenir et les expliquer en profondeur, avec une liste de points clés horodatés
{{skill:video-blog}}	Rédaction d'un article de blog	Transformer la vidéo en un article complet lisible sans regarder la vidéo, avec une perspective auteur et public
{{skill:titles-and-description}}	Création de titres et description	Proposer des titres et une description (explication, chapitres, tags), chaque phrase vérifiable dans la vidéo
{{skill:cover-and-title}}	Miniature et titre	Proposer des titres et des textes de miniature, une fois choisis, générer l'image de miniature selon le format, l'importer comme métrage candidat
{{skill:cross-video-qa}}	Questions-réponses inter-vidéos	Chercher dans plusieurs vidéos où et comment un sujet est traité, répondre uniquement en se basant sur les propos originaux, chaque réponse indiquant la vidéo et l'horodatage
{{skill:video-chapters}}	Chapitrage	Créer des chapitres aux transitions naturelles de sujet, chaque chapitre avec un titre et un résumé, les écrire dans les chapitres de la vidéo
{{skill:talking-head-cut}}	Coupe voix	Enlever les tics, les longues pauses et les parties ratées, resserrer le rythme, ajouter des emphase, du B-roll, du cadrage vertical et du ducking de musique selon le besoin
{{skill:shorts-segments}}	Découpage en courtes vidéos	Trouver dans la longue vidéo des sujets pouvant être publiés séparément, couper de l'accroche à la fin, créer des sous-vidéos éditables
{{skill:narration}}	Narration en vidéo finie	Écrire un script selon le débit réel, synthétiser avec une seule voix, mesurer la durée, ne refaire que les phrases non conformes, puis couper les images sur la narration
{{skill:explainer-video}}	Vidéo de vulgarisation	Expliquer un concept, une actualité ou des informations en une vidéo compréhensible par tous et pouvant être résumée après visionnage : trouver l'angle par les questions du public, attribuer un sujet, les images bougent en permanence, produire une autre langue ou format selon le besoin
{{skill:clip-montage}}	Montage de commentaire	Prendre une actualité, un événement ou une histoire, chercher des métrages et couper les sons originaux sur le web et dans la bibliothèque, monter avec narration en images qui bougent constamment, créer des cartes avec tweets et citations ; tous les sujets
{{skill:video-production}}	Du briefing au montage final	Créer une vidéo complète de bout en bout : plan de style et storyboard, images plan par plan, narration, mixage, exportation
{{skill:production-scripts}}	Scripts de production	Avec un environnement en ligne de commande, scripts prêts à l'emploi pour narrer par segment, aligner, empaqueter des scènes codées, placer sur timeline, créer des sous-titres, superposer des images réelles, mesurer le ratio d'images, ne pas définir la forme de la vidéo
{{skill:motion-graphics}}	Graphiques animés	Utiliser du HTML autonome pour personnaliser l'arrière-plan et le titre de l'audio/vidéo, ou faire des barres inférieures, mots-clés, grands chiffres, annotations et incrustations de marque, importer et placer sur la timeline

Ces pages sont des copies des skills intégrées publiées avec cette skill ; baocut skills read <id> récupère la version actuelle sur cette machine (y compris les skills ajoutées par l'utilisateur), et la version sur la machine prévaut en cas de différence.

4. Organisation

• Les actions simples se font directement : si l'utilisateur ne demande qu'une petite chose (exporter un srt, prendre trois images, modifier un titre), ne faire que cela, sans appliquer tout le workflow.
• Les éléments entre crochets comme « [langue cible] » dans le message de l'utilisateur sont des espaces réservés pour un démarrage rapide ou un modèle, que l'utilisateur n'a pas remplis : demander d'abord, ne pas deviner et ne pas recopier dans le résultat.
• Les tâches avec un flux fixe (transcription, téléchargement, doublage, transcodage, exportation) utilisent les verbes de première classe ({{tool:transcribe}}, {{tool:download}}, {{tool:dub}}, {{tool:transcode}}, {{tool:export}}) pour soumettre le flux en une étape, sans le décomposer.
• Pour les tâches multi-étapes, vous êtes le réalisateur : d'abord écrire un plan (livrables, étapes, outil ou craft pour chaque étape), exécuter étape par étape, lire le résultat avant de passer à la suivante.
• Les écritures et les tâches gourmandes en GPU (transcription, synthèse, génération de musique, exportation du montage final) sont faites directement par vous ; une machine, une à la fois ; les sous-agents ne livrent que les fichiers et les conclusions, ils ne modifient pas la vidéo ou ne soumettent pas de tâches.
• Pour continuer une tâche sur plusieurs rounds, lire d'abord l'état actuel de la vidéo ({{tool:videos_inspect}}), continuer à partir de l'étape déjà effectuée, sans répéter les étapes terminées.
• Téléchargement et fichiers temporaires : vérifier d'abord le disque. Avant de télécharger une vidéo externe, des métrages web, ou de générer des fichiers temporaires importants (fichiers de transcodage intermédiaires, de test de bake, de test d'exportation), estimer d'abord la taille en fonction de la durée et du débit (vidéo 1080p : environ 1-3 Go par heure, pré-rendu ProRes : plus de 1 Go par minute), puis vérifier l'espace restant sur le disque cible : avec un shell, utiliser df -h <répertoire> sur macOS/Linux, ou Get-PSDrive sur PowerShell sous Windows ; sinon, demander à l'utilisateur. Privilégier les disques non-systèmes (/Volumes/<nom> sur macOS, autre que C: sur Windows, disque non monté sur / sur Linux) : télécharger avec {{arg:outDir}}, créer la vidéo longue sur ce disque (voir media « Téléchargement depuis un lien »). Suivre la position donnée par l'utilisateur ; utiliser le disque système normalement si aucun autre ; si l'espace libre est inférieur à deux fois la taille estimée, demander d'abord à l'utilisateur de définir l'emplacement, ne pas le forcer sur le disque système. Mentionner dans la réponse dans quel disque et quel répertoire. Pour les fichiers temporaires à importer dans la vidéo, utiliser managed, puis les fichiers originaux peuvent être supprimés sans perte.
• Quand l'utilisateur cherche une vidéo ou un contenu (« quelles vidéos/podcasts sur [...] », « quelle vidéo parle de [...] », « cherche [...] »), chercher d'abord dans la bibliothèque de l'utilisateur, même si l'utilisateur n'a pas dit « mes » ou « local » : le contenu avec {{tool:space_search_v2}}, les caractéristiques visuelles (personnages, scènes) avec {{arg:channels}} ["visual"] une fois, les noms de vidéo avec {{tool:videos_list}} pour vérifier. Répondre d'abord avec ce qui a été trouvé dans la bibliothèque (nom de la vidéo et horodatage). Chercher en ligne seulement si rien n'est trouvé, si insuffisant, ou si l'utilisateur demande clairement du contenu externe (recommandations, dernières nouvelles) : lister les résultats en ligne séparément et indiquer qu'ils viennent du réseau, sans les mélanger avec la bibliothèque. Si l'utilisateur demande explicitement du contenu en ligne, chercher directement.
• Pour chercher du contenu dans une vidéo (une phrase, un sujet, où ça se trouve, de quel épisode, un passage pour l'écriture), chercher d'abord, sans lire l'intégralité du document : {{tool:space_search_v2}} pour une recherche sémantique et lexicale inter-vidéos, {{tool:speech_relevant}} pour obtenir du matériel d'écriture par intention (avec numéro de source), {{tool:space_related_videos}} pour trouver des vidéos sur des sujets similaires. Si le effectiveMode du résultat est lexical ou si l'outil signale SEMANTIC_UNAVAILABLE, cette machine n'a pas d'index sémantique disponible : utiliser deux ou trois mots-clés avec {{tool:space_search}}, ou lire le script avec {{tool:documents_read}}. Si le résultat est weak, lire le texte original avant d'utiliser.
• Pour chercher des images (un plan, un extrait pour illustrer ou compléter, une miniature candidate), chercher d'abord : {{tool:space_search_v2}} avec {{arg:channels}} ["visual"] pour chercher visuellement dans plusieurs vidéos, {{tool:videos_match_frames}} dans une vidéo pour trouver l'image la plus pertinente pour un texte (en écriture, utiliser {{arg:near}} avec le numéro de source de ce passage). Les résultats sont des fenêtres candidates, utiliser {{tool:videos_frames}} pour capturer des images dans ces fenêtres et les visualiser avant d'utiliser. Si l'outil signale MODEL_NOT_INSTALLED, INDEX_NOT_READY ou autre, il n'y a pas d'index visuel disponible : utiliser {{tool:videos_shots}} ou {{tool:videos_frames}} par plan ou par horodatage pour capturer des images.
• Quand l'utilisateur a fourni du métrage (voix, interview, enregistrement, vidéo de référence) et veut y sélectionner du contenu : d'abord {{tool:transcribe}}, puis utiliser {{tool:space_index_status}} (avec {{arg:videoIds}} de ces vidéos et {{arg:waitSec}}) pour attendre la construction de l'index sémantique avant de sélectionner. Si available est false, que le métrage est excluded (l'utilisateur ne l'a pas inclus dans l'index sémantique), ne pas attendre, lire directement le script. Attendre au maximum deux fois ; si l'index n'est pas encore construit (construction de l'index environ 8 minutes par heure de vidéo), utiliser la partie déjà construite pour sélectionner, et lire le script pour les vidéos non construites ; ne pas modifier les réglages de l'index sémantique de l'utilisateur.
• Quand il faut utiliser le métrage fourni par l'utilisateur pour les images (illustrations, plans de coupe, sélection de plans, le métrage peut ne pas contenir de parole) : d'abord avec {{tool:space_index_status}} (avec {{arg:videoIds}} de ces vidéos, {{arg:channel}} visual) vérifier l'index visuel. Si available est true et que le métrage n'est pas indexed, utiliser {{tool:space_index_build}} (mêmes {{arg:videoIds}}, {{arg:channel}} visual) pour le créer sans attendre que l'utilisateur ouvre les réglages. L'index visuel est plus lent que la parole : ne pas attendre, effectuer les étapes qui ne nécessitent pas d'images, puis vérifier à nouveau avant d'utiliser ; si ce n'est pas encore construit, capturer des images par plan. Si available est false (pas de modèle de lecture d'images installé), capturer directement par plan, sans proposer d'installer un modèle sauf si l'utilisateur le demande.
• La transcription, la génération d'images et les scènes codées peuvent être utilisées séparément, pas seulement pour les sous-titres, les miniatures et les incrustations :
  • La transcription est aussi une règle temporelle. Quand l'utilisateur a déjà le texte correct (paroles, script, dialogue), les mots reconnus servent uniquement de repère : horaires pris de la transcription, texte pris de l'original, ne pas estimer d'horaires pour les lignes qui ne correspondent pas. Voir subtitles rubrique « Quand il y a déjà le texte original ».
  • La génération d'images est une usine de métrage. Les poses d'un même personnage, une série d'accessoires dessinée dans une grille sur fond de couleur unie, puis découpée ; les fonds de scène sans personnage ni texte, puis animés dans le code. Voir media rubrique « Générer des images ». Ne pas utiliser les emojis système pour les éléments visuels : leurs glyphes varient selon les plateformes, et ils peuvent manquer lors du rendu hors écran.
  • Les scènes codées ne sont pas que des incrustations. Des plans entiers, des segments entiers peuvent être dessinés en Canvas ou SVG au fil du temps ; pour l'import dans la vidéo, empaqueter toujours ({{tool:compositions_import}}), sans les rendre en fichier vidéo séparément puis les importer. Les scènes de plans entiers sont toutes dessinées sur un seul Canvas, et l'import utilise le baking par instruction, qui est 10 à 20 fois plus rapide que la capture d'écran par image du navigateur. Voir la rubrique scène codée de {{skill:video-production}}. Pendant la phase de montage, ne pas cuire d'abord par défaut : importer avec live: true, placer le segment directement sur la timeline, le rendu en temps réel par le calque de l'éditeur pour que l'utilisateur puisse voir et modifier sans attendre le baking. Une fois que l'utilisateur a vu et approuvé, importer une fois avec replace sans live pour cuire, puis exporter. Le calque en temps réel ne dessine actuellement que les scènes codées qui remplissent tout le format, qui sont placées tout en bas, et qui sont les seules sur une même image ; les formes comme les cartes transparentes superposées sur des images réelles ne peuvent pas être dessinées. La solution est dans la rubrique scène codée de {{skill:video-production}}, section 7. Ne rendre en dehors de BaoCut que si l'utilisateur veut uniquement un fichier directement rendu par code, sans vidéo éditable.
• La première image du montage final est la miniature. Quand vous créez ou montez une vidéo à publier (montage final, coupe voix, courte vidéo, vidéo de narration, clip), la plateforme prend souvent la première image comme miniature. L'image à 0 seconde doit donc être complète et représenter la vidéo : pas de noir, pas de fondu depuis le blanc, pas de fondu au noir, ne pas s'arrêter en plein milieu d'une transition ou d'un clin d'œil, pas de fade-in au début du premier segment. Avec titre et visuel principal...

...