zhangtaoran2010/baocut-subtitles-intel

Montage narratif (解说混剪)

Le montage narratif est une forme, pas un genre. La voix off parle tandis que des images réelles défilent constamment (interviews, conférences de presse, captures d'écran, images d'actualité, photos). Les paroles des protagonistes sont restituées telles quelles ; les tweets, citations, dates et chiffres sont superposés à l'image. Une actualité, une rumeur, l'histoire d'un produit, le parcours d'une personne, ou un tour d'horizon des tendances peuvent être traités de cette manière. On peut aussi insérer un tel segment dans une vidéo explicative ou un talking-head.

La qualité de ce type de vidéo dépend presque exclusivement d'une chose : le spectateur a-t-il quelque chose à regarder ? Une carte fixe à l'écran pendant plusieurs secondes pendant que la voix off parle, c'est un diaporama. Remplacez cette carte par le visage du protagoniste, la scène du jour, le tweet qui apparaît puis disparaît : c'est une vidéo. Cette compétence fournit des jugements, des techniques et des outils, pas un modèle de workflow. L'ordre ci-dessous est logique ; adaptez chaque étape si elle ne correspond pas au sujet.

1. Identifier si le sujet relève bien de cette forme, et s'aligner avec l'utilisateur (sections 1 et 2).
2. Lire le texte de base, lister les personnages, événements et questions (section 3).
3. Rechercher des images et écrire le script en parallèle, en les nourrissant mutuellement (section 4, détails dans references/sourcing.md).
4. Images : chaque temps fort doit avoir quelque chose en mouvement (section 5).
5. Script, structure, paroles originales et son (section 6, techniques optionnelles dans references/structure.md).
6. Assembler dans BaoCut (section 7, détails dans references/assembly.md).
7. Vérifier une fois, visionner une fois, livrer (section 8).

1. Est-ce bien cette forme ?

• Un test rapide : écrivez les trois phrases les plus importantes de la voix off, et demandez-vous quelle image accompagne chacune. Si la réponse est « la personne qui dit cela », « la scène de ce jour-là », « ce tweet », ou « la démonstration de ce produit », c'est cette forme. Si la réponse est « un modèle animé » ou « une image qui se construit au fil de la voix », c'est une vidéo explicative (explainer-video). Si la réponse est « l'utilisateur parlant lui-même à la caméra », c'est un talking-head (talking-head-cut).
• Lorsque l'utilisateur dit « fais une vidéo sur cette actualité / cette histoire / cette rumeur », « transforme cet article en vidéo », « comment X est devenu ce qu'il est », « cherche des images et assemble-les », « documentaire », « tour d'horizon », considérez par défaut qu'il s'agit de cette forme. Si vous hésitez, précisez à l'utilisateur avant de montrer le script ce que vous avez choisi et pourquoi.
• Insérer un segment dans une autre vidéo : une vidéo explicative qui montre une conférence de presse réelle, un talking-head qui insère une citation originale, ou une courte vidéo qui cherche à capter l'attention dès les trois premières secondes : tout cela relève de cette forme. Ne faites que ce segment-là (sections 4, 5, 7), pas besoin de changer toute la vidéo de forme.

2. S'aligner d'abord avec l'utilisateur

Demandez ce qui manque, ne reposez pas ce qui a déjà été dit :

• Quel est le texte de base (lien, fichier, quelques phrases) ? Langue de la vidéo finale, format horizontal ou vertical.
• Durée : si non spécifiée, déterminez-la par le volume d'information. Une actualité ou une rumeur : 2–5 minutes. L'histoire d'un produit ou d'une personne : 8–20 minutes. Calculez à partir du nombre de mots du script et du débit de parole mesuré (narration section 1). N'arrondissez pas à une durée ronde.
• D'où viennent les images : bibliothèque vidéo de l'utilisateur, web, ou fichiers fournis par l'utilisateur. Si les trois sont possibles, cherchez partout. Avant de télécharger des vidéos du web, demandez l'accord de l'utilisateur (section 4).
• Notez les indications de style et les interdits (par exemple « rythmé et suspensif », « pas de diaporama », « pas de musique ») et gardez-les tout au long du processus.

3. Lire le texte de base, dresser des listes

Lisez entièrement le texte de base. Dressez trois listes et enregistrez-les dans le répertoire de travail :

• Liste des personnages : chaque personne nommée, son identité, son rôle clé dans l'histoire, les citations originales du texte (conservez la langue d'origine pour faciliter la recherche dans les transcriptions).
• Liste des événements : par ordre chronologique, date de chaque événement, endroits où des images pourraient exister (chaîne officielle, conférence de presse, actualités, captures d'écran).
• Questions : une question centrale à laquelle la vidéo doit répondre, et des sous-questions pour chaque segment ; un segment sans question risque de n'être qu'une simple restitution.
• Vérifiez chaque fait, date et citation jusqu'à la source. Signalez dans le script les incertitudes. Les images générées et les reconstitutions ne sont que des illustrations et doivent être clairement étiquetées comme telles. Ne jamais synthétiser la voix ou l'image d'une personne réelle.

4. Rechercher des images et écrire le script en parallèle

Les deux tâches s'alimentent mutuellement : si vous trouvez une déclaration originale d'un protagoniste, remplacez ce passage par ses paroles ; si aucun visuel n'existe pour un événement, réécrivez ce passage ou changez d'angle. La méthode est détaillée dans references/sourcing.md. Points clés :

• Trois sources dans l'ordre : bibliothèque vidéo de l'utilisateur (recherche transversale par sens, ne cherchez pas sur le web si c'est déjà dans la bibliothèque) ; web (recherche et téléchargement via BaoCut, les vidéos doivent être transcrites pour couper les paroles originales) ; fichiers et captures d'écran fournis par l'utilisateur.
• Les droits des vidéos web sont souvent flous : avant de télécharger, listez à l'utilisateur les vidéos que vous voulez utiliser (titre, chaîne, lien) et laissez-le décider. Notez la source de chaque extrait utilisé et fournissez une liste à la livraison. X (Twitter) en lecture seule : cherchez, parcourez, lisez, ne likez pas, ne retweetez pas, ne postez pas.
• Les points d'entrée et de sortie des paroles originales sont définis au dixième de seconde près dans la transcription, puis vérifiez visuellement que la personne parlante est bien dans le cadre.
• Si les images sont nombreuses, déléguez la recherche de personnages et d'événements à des sous-agents ; enregistrez les résultats dans des fichiers, pas dans des réponses.

5. Images : chaque temps fort doit avoir quelque chose en mouvement

Cette section est la plus importante de toute la compétence.

• La cause unique d'un effet diaporama : une carte (titre, citation, point clé, tableau comparatif) reste fixe à l'écran pendant plusieurs secondes sans rien d'autre en mouvement. Un fond animé ou des particules ne suffisent pas ; il faut des images réelles en dessous.
• La couche de fond est toujours en mouvement : pour chaque temps fort de la voix off, il y a en dessous une vidéo réelle, une capture d'écran ou une photo (les photos doivent être lentement zoomées ou déplacées, 3–6 secondes dans une direction). Ne laissez pas de fond uni. Si aucune image n'existe pour quelques secondes, faites un noir intentionnel (quelques lignes de texte « à méditer », un curseur qui clignote) plutôt que de laisser une carte prendre toute la place.
• Les cartes sont superposées aux images, elles ne les remplacent pas : dates, bandeaux inférieurs (nom, fonction), citations, tweets, nombres, termes techniques, titres de chapitres sont des couches superposées. L'image de fond est légèrement assombrie mais continue de bouger. Une carte = une information, elle reste à l'écran juste assez pour être lue deux fois (en chinois, comptez 5–6 caractères par seconde). En général, les cartes occupent 20–30 % de l'écran ; si c'est plus de la moitié, c'est probablement un diaporama.
• Les cartes doivent ressembler à ce qu'elles représentent : un tweet a l'apparence d'un tweet (avatar, nom, date, texte original et traduction), une citation a l'apparence d'une citation (qui l'a dite, dans quel contexte), un terminal a l'apparence d'un terminal (curseur qui clignote, texte qui s'affiche), une conversation a l'apparence d'une conversation. Ne les mettez pas tous dans le même cadre « titre + texte ». Suivez la méthode de motion-graphics.
• Les plans changent toutes les 3–6 secondes, sur les mots : au moment où la voix off prononce un nom ou un événement, l'image doit montrer exactement cela (utilisez les horodatages de la voix off alignée). Si un même plan dure plus de dix secondes, soit il se raconte tout seul (paroles originales), soit changez d'angle ou faites un zoom.
• Ne pas répéter les images : une même séquence ne peut être utilisée que deux fois au maximum, et la deuxième fois doit avoir un sens nouveau (« revoir pour mieux comprendre »). Si le spectateur reconnaît une image répétée, la vidéo donne l'impression de manquer de matière.
• Les images réelles racontent des faits réels : les images générées et les reconstitutions animées ne sont que des illustrations, clairement étiquetées. Assombrir, désaturer, ralentir sont des techniques courantes pour exprimer une émotion, mais ne modifient pas le sens. Indiquez la source dans un coin, et fournissez une liste complète en fin de vidéo.
• Pour ce qu'on ne peut pas filmer, utilisez une ou deux séquences de code (processus, échelles, timelines, comparaisons), également en superposition transparente, sans prendre tout l'écran ni prendre le relais de tout un segment.
• Un personnage qui apparaît pour la première fois est accompagné d'un bandeau inférieur ; un événement qui apparaît pour la première fois est accompagné d'une date ; une seule carte d'information à la fois ; pendant les paroles originales, n'ajoutez pas d'autre carte.

6. Script, structure, paroles originales et son

• Le script : un temps fort par phrase. Sous chaque phrase, écrivez une nouvelle ligne décrivant ce que l'on doit voir (intention visuelle) et où placer les paroles originales. Ainsi, avant l'enregistrement de la voix off, vous savez ce qui se passe sous chaque phrase. Les lignes d'intention commencent par @ et sont ignorées lors de l'enregistrement. Le débit, le nombre de caractères, le timbre et la ré-enregistrement suivent narration.
• Les paroles originales sont prononcées par les protagonistes eux-mêmes : les phrases les plus cruciales et les plus émotionnelles (une déclaration décisive, un aveu, une prédiction) ne sont pas reformulées. La voix off présente, les paroles originales prennent le relais, puis la voix off continue sur ce qui a été dit, sans répéter le contenu. Chaque segment dure 5–20 secondes, avec sous-titres bilingues et bandeau inférieur.
• La structure dépend du sujet : pour une brève, allez droit au but. Pour une histoire, utilisez une ouverture froide, un teaser, des accroches de chapitre, des transitions « réflexion » et des ancres temporelles. Ces techniques et la rédaction du script sont détaillées dans references/structure.md, ce sont des options, pas des étapes obligatoires.
• Son : musique basse et clairsemée en fond, qui monte et descend selon les chapitres, baissée pendant les paroles originales. Les transitions et l'apparition des cartes sont marquées par de légers effets sonores, tous identiques tout au long de la vidéo. Le ton de la voix off est calme, avec une légère note de suspense, et le timbre reste constant.

7. Assembler dans BaoCut

Les détails sont dans references/assembly.md. Points clés :

• Les pistes, du bas vers le haut : les images réelles (photos, captures d'écran, vidéos) sont placées sur la piste visuelle la plus basse comme fond ; les cartes sont créées sous forme de paquets de code transparents placés au-dessus ; au-dessus encore, le filigrane ; la voix off sur une piste audio, les paroles originales suivent les extraits vidéo (utilisez leur audio intégré), la voix off fait une pause à ces endroits ; une piste pour la musique.
• La voix off est enregistrée en premier, alignée pour obtenir les horodatages ; l'image est ensuite coupée en fonction de ces horodatages. Pour modifier un segment, réenregistrez et réassemblez uniquement ce segment.
• Fonctionne également sans environnement en ligne de commande : tout se fait via les outils (téléchargement, transcription, importation, edits_apply, importation de paquets de code, pistes de sous-titres, exportation). Avec un environnement en ligne de commande, les mêmes tâches s'effectuent via le CLI baocut, le pipeline est à votre discrétion. Cette compétence n'impose pas de forme de pipeline.

8. Vérifier une fois, visionner une fois, livrer

• Vérifiez une fois la timeline (utilisez skills_read pour lire production-scripts, et son coverage.mjs) : quel est le pourcentage de temps d'écran pour les images réelles, les séquences de code et les vides ? Quel est le nombre de plans et leur durée médiane ? Quelle est la plus longue séquence sans image réelle ? Y a-t-il des images répétées ? Combien de segments contiennent des paroles originales ? En général, une vidéo de cette forme a 80–90 % d'images réelles, 20–30 % de cartes, une durée médiane des plans de 3–6 secondes, et aucun segment de plus de 20 secondes sans images réelles. Si les chiffres s'écartent beaucoup, c'est probablement que les cartes ont pris la place du fond : retournez à la section 5 pour ajouter des images. Cet outil ne fait que rapporter les chiffres, il ne juge pas de ce qui est correct ou non.
• Regardez la vidéo sans le son : l'image raconte-t-elle toute seule l'histoire ? Écoutez la vidéo sans l'image : les transitions entre paroles originales et voix off sont-elles fluides ? La musique couvre-t-elle la voix humaine ?
• Vérifiez que chaque carte correspond au script (dates, chiffres, citations). Chaque sous-titre de paroles originales est bien la citation exacte.
• Livraison : la vidéo finale (ou un lien de visionnage), la durée et les chapitres, la liste des sources de chaque segment de paroles originales et de chaque image utilisée (source, lien, auteur, point d'entrée et de sortie, crédits), ce qui est une illustration, les problèmes connus. Si un texte de publication est demandé, suivez titles-and-description.

Fichiers de référence

Fichier	Quand le lire
references/sourcing.md	Avant de chercher des images, de définir les points d'entrée/sortie des paroles originales, d'enregistrer les sources
references/structure.md	Avant d'écrire le script ; lorsque vous utilisez des techniques comme l'ouverture froide, le teaser, les accroches de chapitre
references/assembly.md	Avant d'assembler les pistes dans BaoCut, de placer les paroles originales, de créer les cartes et les sous-titres

Scripts

Cette compétence n'inclut pas de script. Si vous disposez d'un environnement en ligne de commande et que la voix off est enregistrée par segments, utilisez skills_read pour lire production-scripts : il contient des scripts prêts à l'emploi pour l'enregistrement, l'alignement, la construction de la timeline, le découpage des images réelles et le calcul des proportions d'écran. C'est un gain de temps ; si la forme ne correspond pas, suivez la section 7 et assemblez manuellement avec les outils de BaoCut.