Super Video Maker

Que fait Super Video Maker ?

Ce que fait cette compétence

Transforme une idée vidéo, un script, un flux produit, un enregistrement d'écran, un brief d'avatar ou une vidéo longue existante en actifs vidéo soignés. La compétence peut produire :

• Explications avec avatar (avatar-explainer) : vidéos d'explication avec un présentateur synthétique, enregistrements d'écran/preuves sources, micro-histoires UI, sous-titres et appels à l'action,
• Publicités UGC IA (ugc-ai-ad) : publicités pour les réseaux sociaux payants avec un créateur IA fictif, cohérence des personnages basée sur une image de référence, clips Seedance 2.5, cohérence vocale ElevenLabs, variantes d'accroche, sous-titres et CTA de réponse directe,
• Explications par collage animé (motion-collage-explainer) : courts métrages d'explication sans visage basés sur une seule idée, construits à partir d'une image de collage découpé audacieuse (gpt-image-2) animée en un collage vivant avec Seedance 2.5, narrée d'une voix calme de documentaire « In a Nutshell » (voir MOTION_COLLAGE_STYLE.md),
• vidéos avec avatar HeyGen,
• B-roll IA avec Seedance 2.5 via fal.ai,
• images générées ou éditées avec les modèles d'image OpenAI,
• enregistrements d'écran avec curseur/journaux d'événements,
• graphiques animés dans Remotion ou HyperFrames,
• sous-titres, légendes, musique et exportations FFmpeg finales.

Lire ces fichiers lorsque nécessaire

• VIDEO_COPY_PLAYBOOK.md pour la couche de contenu de CHAQUE recette : la colonne vertébrale en quatre lignes (un spectateur, une promesse, un mécanisme, une prochaine étape), la règle des deux pistes (la voix porte l'argument, l'écran porte les preuves, ni l'une ni l'autre ne se répète), l'art du texte à l'écran (titres cinétiques, badges de données, titres fantômes, offre finale, la frappe typographique), les arcs format par format, les règles de crédibilité et la porte de validation du contenu à exécuter avant le premier appel de génération payant. Lisez-le AVANT d'écrire un script, une accroche, un titre ou un CTA, et lisez sa section 11 EN PREMIER : une voix off de référence transcrite dans le REGISTRE CLAIR approuvé par le propriétaire (zéro figure de style en 70 secondes) plus un tableau avant/après du contenu que le propriétaire a rejeté comme « trop poétique, trop conceptuel, déchet IA ». Le test de pointage s'y trouve : si le spectateur ne peut pas pointer le nom que vous venez de dire, réécrivez-le. Fonctionne en tandem avec la compétence copywriting-skill, qui possède les règles générales de voix et de rythme.
• SPOKEN_VO_HUMANIZER.md pour savoir comment une ligne parlée doit SONNER (12 règles pour les scripts courts + la liste des expressions interdites de la voix IA).
• HOOK_PLAYBOOK_ARTICLE_SPRINT.md pour les familles d'accroches, la règle de l'angle avant le contenu et la comptabilité des boucles.
• recipes/README.md et tools/video_recipes.py pour les recettes vidéo lisibles par machine (liste, correspondance, planification, validation).
• REFERENCE.md pour les capacités des fournisseurs et les décisions d'acheminement.
• FFMPEG_PLAYBOOK.md pour les recettes FFmpeg exactes.
• WORKFLOW_EXAMPLES.md pour des exemples de production complets.
• REMOTION_VIDEO_GUIDE.md pour les règles de conception de mouvement Remotion.
• TABLETOP_EXPLAINER_PLAYBOOK.md + workflows/tabletop-levels-explainer/ pour la construction de bobines d'explication « niveaux de X » à plusieurs niveaux (présentateur fictif + b-roll artisanal premier/dernier plan + assemblage verrouillé sur le rythme).
• LIVING_CANVAS_PLAYBOOK.md + workflows/living-canvas-explainer/ pour des vidéos d'explication/lancement SaaS sur une seule toile de qualité boutique : rythme élément par élément sur une toile continue (0-3 coupes franches), chorégraphie de caméra verrouillée sur les mots de la voix off sur des cartes UI persistantes, physique causale + réorganisation de la mise en page + chaînes de transformation, ouvertures à froid avec voix off émotionnelle et timing comique, musique à trois bandes et un bus SFX verrouillé sur le rythme. Lisez-le avant toute demande « fais-le comme un studio de motion design de haut niveau » — chaque durée, facteur de zoom et constante de ressort est spécifié.
• HYPERREALISTIC_IMAGE_SOP.md pour le cadre en 12 parties qui transforme une image de référence en un prompt de créateur UGC photoréaliste et non IA. Lisez-le avant de générer une image de créateur ou un personnage hyperréaliste.
• MOTION_COLLAGE_STYLE.md pour la recette motion-collage-explainer : comment construire une image de collage découpé audacieuse avec gpt-image-2, l'animer en un collage vivant avec Seedance 2.5 et la narrer d'une voix calme de documentaire « In a Nutshell ». Lisez-le avant de réaliser une courte vidéo d'explication sans visage/collage/idiome/concept.
• REVIEW_VIDEO_PLAYBOOK.md + commands/review-video.md pour la recette review-conquest-compilation (/review-video) : un montage sans visage avec voix off de VRAIS avis vérifiés sur les concurrents ciblant le mot-clé « avis [concurrent] », qui nomme les plaintes récurrentes, positionne l'entreprise de l'utilisateur comme alternative, puis ajoute le témoignage de l'utilisateur. Lisez-le avant de réaliser une vidéo de comparaison/de conquête sur les concurrents. L'entreprise à la fin est une variable — ne codez jamais en dur une entreprise spécifique.

Règles de fonctionnement

1. Exécutez un pipeline par étapes, pas des appels d'outils aléatoires. Utilisez : réception -> script/plan de prises -> actifs -> assemblage -> finition FFmpeg -> QC -> exports. 1a. Le contenu est une porte de production, pas une garniture. Avant le premier appel TTS, la génération de clip ou la construction de la timeline, écrivez la colonne vertébrale en quatre lignes de VIDEO_COPY_PLAYBOOK.md (un spectateur, une promesse, un mécanisme, une prochaine étape), choisissez l'angle et exécutez sa liste de contrôle de contenu. La voix et l'écran ne doivent jamais porter la même phrase : coupez le son et l'histoire doit toujours se suivre, videz l'écran et l'argument doit toujours être clair. Cet ordre n'est pas stylistique. Dans les formats verrouillés sur la voix off, le script EST la timeline, donc un changement de script après la construction re-verrouille chaque numéro d'image.
2. Confirmez la génération payante avant le premier appel payant. Montrez les fournisseurs prévus, le nombre de clips/images, la durée, la résolution et les facteurs de coût probables.
3. Privilégiez les outils locaux à la compétence. Utilisez les fichiers dans tools/ avant d'utiliser des scripts à la racine du projet.
4. Chaque outil doit émettre RESULT: {...}. Analysez ce JSON comme source de vérité.
5. Conservez l'état du travail. Placez chaque exécution dans tmp/video_jobs/<job_id>/ avec job_state.json, les entrées, les intermédiaires et les exports finaux.
6. Ne supprimez pas les actifs intermédiaires tant que le QC n'est pas réussi. Les travaux vidéo échoués sont plus faciles à corriger lorsque les clips bruts existent toujours.
7. Ne commettez jamais de secrets ou de sessions utilisateur. Ne publiez pas .env, cookies, enregistrements générés, avatars privés ou vidéos téléchargées par l'utilisateur.
8. Rendez les erreurs conviviales. Cachez les traces de pile brutes aux utilisateurs finaux, mais enregistrez les journaux détaillés pour le débogage.
9. Par défaut, créez des vidéos basées sur des histoires. Ne faites pas de simples diaporamas d'actualités. Utilisez : accroche -> introduction avatar transparente -> rythme d'actualité -> histoire concrète/exemple -> preuve source -> étape d'action. 9a. Utilisez avatar-explainer comme nom de recette par défaut pour le format combinant narration d'avatar HeyGen, enregistrements d'écran/preuves sources, micro-histoires UI, b-roll, sous-titres et appels à l'action.
10. Divulguez les présentateurs synthétiques via la propre voix de l'avatar. Intégrez la ligne « Petite note, ceci est l'avatar numérique de » dans le script juste après l'accroche. N'ajoutez PAS de carte de divulgation statique. Si la divulgation manque dans l'audio, repliez-vous sur un petit badge PNG transparent en forme de pilule arrondie dans le coin supérieur gauche pendant les ~4 premières secondes (rendu avec Pillow : remplissage bleu marine foncé #0A1228 à 96% d'alpha, contour orange de marque #FF6B2C de 2px, point d'accentuation de 16px, texte blanc sans-serif « Avatar numérique de », rayon de coin de 22px, à 50px de chaque bord). N'utilisez jamais un drawbox lourd dans la bande inférieure — cela entre en conflit avec les sous-titres centrés. Incluez toujours une ligne de pied de page permanente sur la carte de fin : « Avatar numérique de . ».
11. Associez délibérément l'avatar et la voix HeyGen. L'avatar et la voix sont des identifiants distincts. Si aucune voix n'est explicitement fournie, essayez d'abord de faire correspondre le nom de la voix au nom de l'avatar sélectionné avant de recourir à une solution de repli.
12. Les enregistrements d'écran doivent ressembler à une enquête, pas à un fond d'écran défilant. La preuve navigateur doit montrer l'agent vérifiant l'affirmation : ouvrir la source, aller au titre, surligner la phrase exacte, utiliser la recherche sur la page pour le nom de la fonctionnalité, faire défiler jusqu'au paragraphe pertinent, changer d'onglet pour une couverture corroborante et zoomer sur la preuve. Évitez les pages statiques, les errances aléatoires, les recadrages répétés du héros, les publicités, les CAPTCHA, les modales de cookies et les défilements lents qui ne révèlent pas de nouvelles informations.
13. Utilisez le b-roll comme explication visuelle, pas comme décoration. Pour chaque phrase, demandez : « Quelle surface change à cause de cette idée ? » Ne faites pas correspondre les noms avec des images génériques (« fondateur » -> personne sur un ordinateur portable). Montrez l'environnement où le changement se produit : un Google Doc, un calendrier, une SERP, un tableau de bord analytique, un fil Slack, un éditeur CMS, un onglet de navigateur ou une UI produit avec des états avant/action/après. Évitez de copier le style d'une chaîne YouTube existante ; utilisez un motion design éditorial moderne et original, des micro-histoires UI, des preuves sources et des annotations propres.
14. Verrouillez chaque visuel sur le rythme de la narration. Transcrivez toujours l'audio de l'avatar avec Whisper (horodatages au niveau du mot) et épinglez chaque changement d'écran, coupe de b-roll, sous-titre et bandeau inférieur aux secondes réelles où les mots apparaissent. Ne superposez jamais de visuels sur un timing supposé.
15. Détectez la duplication du script HeyGen. Certains rendus HeyGen répètent le script de manière inattendue. Après le téléchargement, comparez les segments Whisper et coupez le maître à la première passe unique avant de composer.
16. Construisez une hiérarchie visuelle avec des zones non conflictuelles et un PiP sans bordure. Avatar en plein écran pour le temps de l'accroche. Avatar en incrustation (PiP) pour tous les autres temps : sans bordure, coins arrondis de 24px, ombre portée douce — jamais de cadre dur coloré. Implémentation : Pillow génère pip_mask.png (masque alpha rectangulaire arrondi) et pip_shadow.png (forme sombre floutée) une fois par travail ; FFmpeg utilise chromakey -> scale -> alphamerge pour arrondir les coins de l'avatar, puis compose l'ombre décalée de +4, +16 en dessous. Taille par défaut 492x276 sur un maître 1920x1080. Le coin du PiP s'adapte à l'alignement des sous-titres : si les sous-titres sont centrés en bas (par défaut), placez le PiP en haut à droite à x=W-pip_w-50, y=50. Ne placez jamais le PiP dans la même bande que les sous-titres et masquez le PiP entièrement pendant la queue du CTA de fin pour que la carte de récapitulation possède le cadre. Sautez la carte titre statique ; ouvrez directement sur l'avatar en plein écran. Conservez une carte de récapitulation finale avec les étapes d'action et un pied de page de divulgation permanent.
17. Gravez les sous-titres karaoké centrés en bas. Arial Black gras en majuscules ~64px, groupes de 2-3 mots avec le mot actif surligné en jaune, ombre portée blanche + contour de 5px. Style ASS : Alignment=2 (bas-centre), MarginL=MarginR=80 égal, MarginV=90. Générez à partir du JSON de mots Whisper avec le décalage maître appliqué. Ne passez PAS par défaut en bas à gauche — les sous-titres alignés à gauche semblent amateurs et entrent en conflit avec les superpositions de divulgation.
18. Normalisez le volume du maître audio à I=-16:TP=-1.5:LRA=11 pour que le téléchargement soit sûr pour la diffusion sur YouTube, LinkedIn, X et les podcasts.
19. Utilisez fal.ai pour Seedance 2.5 par défaut. tools/fal_seedance_video.py cible 2.5 sauf si vous passez --seedance-version 2.0 ou définissez SEEDANCE_VERSION=2.0. 2.5 est autorisé sur ce compte et vérifié fonctionnel (2026-08-09), donc traitez un clip 2.5 comme un résultat normal, pas comme un espoir. Trois règles permanentes : (i) fal_client doit être installé dans l'interpréteur exécutant les outils (python3 -m pip install fal-client), sinon chaque appel Seedance échoue sur ModuleNotFoundError avant d'atteindre fal ; (ii) ne retirez jamais la protection de l'outil, car fal répond à une demande 2.5 non autorisée avec un HTTP 200 et son clip d'exemple standard plutôt qu'une erreur, et la solution de repli automatique 2.0 est la seule chose qui empêche les séquences libres de droits de se retrouver dans une vidéo finie ; (iii) vérifiez toujours fell_back dans la charge utile RESULT avant de prétendre qu'un clip provient de 2.5 — true signifie désormais que l'accès a expiré et mérite d'être signalé plutôt que de passer inaperçu. 2.5 est la version la plus chère (~0,4730 $/s en 720p contre 0,3024 $/s sur 2.0 standard et 0,2419 $/s sur 2.0 rapide), donc utilisez-la pour les plans qui portent la vidéo et utilisez --fast pour les plans de remplissage. --fast et --mini fixent un appel à 2.0, qui est la seule version avec des niveaux distillés. Lorsque fal Seedance est limité ou à court de crédit, repliez-vous dans cet ordre : (a) Replicate Seedance uniquement si REPLICATE_API_TOKEN est configuré et que fal est indisponible ; (b) captures d'écran réelles de la source, maquettes UI, séquences libres de droits ou cartes typographiques qui expliquent directement le temps ; (c) images fixes gpt-image-2 d'OpenAI à quality=high, natif 16:9 (2048x1152) + effet Ken Burns FFmpeg avec scale-to-fill/crop ; (d) local_explainer_broll.py uniquement lorsqu'il peut rendre un changement d'UI/événement/état réel. Ne vous repliez jamais sur des images abstraites cosmiques sombres, lumineuses, flottantes ou symboliques « IA ».
20. Récupérez les travaux HeyGen longs par video_id au lieu de les régénérer. Si la sonde locale expire, interrogez le travail HeyGen existant et téléchargez-le une fois terminé pour éviter les doubles frais de crédit.
21. Ne bouclez jamais le b-roll à l'intérieur d'un long temps. Si un temps aligné sur Whisper est plus long que le clip, soit (a) générez un b-roll complémentaire pour la seconde moitié, (b) maintenez la dernière image avec tpad=stop_mode=clone:stop_duration=N pour les débordements jusqu'à ~2 secondes, ou (c) coupez en alternance avec une image fixe Ken Burns. Un snap de boucle visible est plus désorientant qu'une courte image maintenue.
22. Choisissez le b-roll par objectif du temps, pas par créativité du prompt. Préférez le réel au généré, toujours. Le b-roll est décidé par ce que la narration fait à ce moment-là, pas par ce qui est « cool à générer ». Utilisez cet acheminement :
    • Temps d'actualité (« voici ce qui a changé ») : capture d'écran réelle de l'annonce (blog officiel, page produit, article de sortie) -> Ken Burns. Bat tout rendu généré.
    • Preuve source : séquence navigateur opérée par l'agent ou capture d'écran réelle de la page de preuve. Ne remplacez jamais cela par un b-roll généré.
    • Histoire/exemple (« un fondateur faisant X ») : séquence libre de droits réelle d'une vraie personne faisant la chose (Pexels/Pixabay) > photo éditoriale + Ken Burns > généré uniquement en dernier recours.
    • Concept/métaphore : préférez une carte « citation en exergue » typographique ou une seule photo d'objet réel à un rendu symbolique abstrait.
    • Agrégat/élan (« tout le monde en parle ») : capture d'écran de Techmeme/Trends/HN avec Ken Burns, ou photo de titres de journaux sur un bureau, pas un rendu « constellation de données ».
    • Étape d'action : capture d'écran UI réelle avec …

…

[tronqué pour la traduction]