script-to-video · Document → Vidéo verticale de vulgarisation
Trois principes directeurs, toutes les décisions y reviennent :
- Timeline déterministe : L'animation est une fonction pure
setTime(t)– au même instant, le même rendu est toujours produit. Cela permet un audit par saut de frame arbitraire, des captures d'écran segmentées en parallèle, une preuve de cycle, et la modification d'une seule constante pour accélérer ou ralentir toute la vidéo. - La durée mesurée de la voix-off pilote la timeline : Enregistrer la voix-off d'abord, mesurer la durée de chaque phrase, puis placer les limites des scènes – la synchronisation audio/visuelle est naturelle, aucun alignement ASR n'est nécessaire.
- L'œil de l'utilisateur ne doit pas être le premier contrôle qualité : L'audit programmatique (dépassement/chevauchement) doit être à zéro avant la capture d'écran, et l'inspection visuelle des keyframes est la dernière barrière pour l'esthétique.
Pipeline (Neuf étapes, retour à l'étape précédente si une étape échoue)
Document ─▶ ① Constitution des données ─▶ ② Découpage du script et des sous-titres ─▶ ③ Voix-off (durée mesurée)
─▶ ④ Synchronisation de la timeline ─▶ ⑤ Animation anim.html ─▶ ⑥ Double audit à zéro + inspection visuelle des keyframes
─▶ ⑦ Musique + mixage + mastering ─▶ ⑧ Capture frame par frame → encodage → assemblage ─▶ ⑨ Sept vérifications → Livraison
① Constitution des données
Lire l'intégralité du document, figer tous les chiffres/faits/noms qui doivent apparaître dans la vidéo sous forme d'une liste unique (écrite dans shots/facts.md).
Par la suite, toute image, tout texte, tout sous-titre ne peut que référencer cette liste, aucune improvisation n'est autorisée.
- Les chiffres vérifiables sont mis en avant, les détails non vérifiables sont laissés de côté (mieux vaut peu d'informations que des informations fausses).
- Chaque chiffre n'est mentionné qu'une seule fois, placé au pic émotionnel.
- Les chiffres doivent apparaître de manière « événementielle » : avec une construction dessinée, un comptage synchrone, une chute.
② Découpage du script et des sous-titres
Écrire le script de voix-off (shots/vo_lines.json) : une phrase par ligne, chaque phrase dure 4 à 12 secondes, le film total fait 8 à 16 phrases.
- Les 5 premières secondes décident du visionnage complet : choisir parmi argent/conflit/suspense et le placer dans la première phrase (ex. « Si on vous donnait X pour construire une route – l'accepteriez-vous ? »).
- Structure de référence : Accroche → Problème → Rejet → Solution → Vérification → Conclusion → Personnage → Fermeture (peut être adaptée).
- Pour chaque phrase, spécifier manuellement le découpage des sous-titres (
"cues": [...], chaque bloc ≤ 18 caractères), plus fiable qu'une coupure mécanique basée sur la ponctuation.
③ Voix-off
python templates/vo_tts.py (par défaut edge-tts, gratuit ; si un GPU local est disponible, un modèle de clonage vocal peut être utilisé, voir references/audio.md). Chaque phrase produit un fichier wav + la durée mesurée dans audio/vo/vo_dur.json.
- Les années et nombres en chiffres chinois sont transcrits lettre par lettre (2022 → 二零二二) ; le point décimal devient « 点 ».
- Réponse vide occasionnelle du TTS : le script doit réessayer et pouvoir reprendre là où il s'est arrêté.
④ Synchronisation de la timeline
python templates/sync.py : durée de la scène = avance de 0,25 s + durée de la phrase + respiration finale (0,5–1,9 s). Écrit automatiquement TL (timeline) et CUES (sous-titres) dans anim.html, et génère shots/timeline.json pour le mixage.
Après un changement de voix-off, relancer impérativement cette étape, et mettre à l'échelle les moments d'action synchronisés avec la voix-off dans la scène selon le ratio des anciennes et nouvelles durées.
⑤ Animation
Copier templates/anim.html et modifier les scènes. La structure comprend déjà : système de design style plan bleu, fonctions utilitaires, auditeur, transition par ligne de balayage, calque de sous-titres, 3 scènes d'exemple. Mode de cœur :
- Chaque scène
defscene(id, cam=>{...; return (t,d)=>{...}}), le render est une fonction pure. - Deux couches de mouvement : action principale (tracer une ligne, chute) + couche continue (ligne pointillée qui avance, flottement, pulsation).
- La caméra a toujours un zoom avant de 1,4 % à 3 % – l'image n'est pas une image fixe.
- « Sortie d'abord, puis entrée » : les anciens éléments sortent complètement avant que les nouveaux n'entrent, pas de superposition croisée.
- Directives visuelles et langage des animations : lire references/design-system.md et references/motion.md.
⑥ Audit + Inspection visuelle (Porte qualité, non optionnelle)
Exécuter dans le navigateur auditText() (texte en dehors des limites) et auditOverlap() (chevauchements d'éléments), doit être à zéro avant de capturer.
L'auditeur ne détecte pas le « laid » : capturer des keyframes au pic de contenu de chaque scène et les inspecter visuellement (texte coupé, composition vide, dérive de couleur, forme du graphique), corriger immédiatement les défauts. Pour les chevauchements intentionnels du design, ajouter data-okov="1" à l'élément pour l'exempter.
⑦ Son
python templates/music.py pour générer une musique de fond légère par programme (aucun risque de droit d'auteur) ; ou utiliser un morceau personnel (attention aux droits d'auteur).
python templates/mix.py : Normalisation RMS de la voix-off → Ducking de la musique (réduction du volume près de la voix) → Effets sonores uniquement pour les accents (≤2 thuds par scène, pas de whoosh en fond – les effets sont des signes de ponctuation, pas du fond) → Limiteur d'enveloppe de crête personnalisé → ffmpeg loudnorm deux passes jusqu'à -14 LUFS / TP -1,5.
⑧ Rendu
python templates/shoot.py 0 <dur> a --html anim.html # ×N segments en parallèle
python templates/render.py # Encodage → Vérification de la dernière frame → Assemblage → Composition
Capture d'écran frame par frame avec Playwright (device_scale_factor=2, JPEG q93) → Encodage segmenté x264 crf19 → Vérification de la dernière frame de chaque segment vs. image source (RMS<8, détection des segments défectueux sans erreur) → Concat → Composition audio/vidéo (pan copie explicite en stéréo, +faststart).
⑨ Sept vérifications
python templates/check.py : Boucle sans couture (RMS<5 entre la première et la dernière frame) · Piste audio présente · Visibilité des sous-titres · Ordre des couleurs du style (vérifier que B>G>R pour chaque frame pour éviter la dérive de couleur) · Frames vides · Taille/Durée · faststart. Livré seulement si tout est PASS.
Livrables : MP4 final + sous-titres SRT + légende de publication (titre ≤15 caractères / résumé en une phrase / hashtags).
Environnement
python 3.10+, pip install playwright numpy soundfile pillow edge-tts
playwright install chromium
ffmpeg (disponible dans le PATH)
Conventions de répertoire (par projet)
<project>/
├── shots/vo_lines.json # Script + découpage des sous-titres (source unique de contenu)
├── shots/facts.md # Constitution des données
├── shots/timeline.json # Généré par sync.py, pour le mixage
├── tools/web/anim.html # Animation (copier et modifier depuis templates/anim.html)
├── audio/vo|music|mix/ # Audio
└── out/ # Frames, segments, fichier final
Lignes rouges
- Ne pas inventer : les données, les noms, les événements doivent avoir une source ;
[à vérifier]ne pas entrer en voix-off tant que ce n'est pas résolu. - Le rouge ne doit exprimer que le sens du « jugement » (élimination/certification), jamais comme décoration.
- Citer des musiques externes nécessite d'abord une confirmation des droits ; par défaut, utiliser la musique générée par programme.
- Pour les noms de personnes réelles, les suffixes d'entreprise et les chiffres, vérifier chaque élément par rapport à la constitution des données avant livraison.
Références
| Fichier | Contenu |
|---|---|
| references/design-system.md | Système visuel : discipline des couleurs, trois niveaux de taille de police, légendes, grammaire de dessin |
| references/motion.md | Liste du langage des animations : quand utiliser quel type d'animation, paramètres |
| references/audio.md | Pipeline audio : sélection du TTS, formules de mixage, objectifs du mastering |
| references/pitfalls.md | Liste des pièges (classés par coût, à consulter en premier en cas de problème) |
| templates/ | Squelettes et scripts de pipeline directement exécutables |