Compétence QuickDesign CLI
Cette compétence apprend à Claude à planifier et exécuter la génération de médias IA via l’outil en ligne de commande quickdesign. Cet outil CLI enrobe les modèles hébergés de QuickDesign (Seedance 2.0 R2V/I2V, Kling, Sora 2, Nano Banana, GPT Image, amélioration vidéo) afin qu’une session Claude puisse produire des vidéos et images directement depuis Bash, sans avoir à gérer des clés API, du polling ou un stockage de fichiers.
Quand l’utiliser
- Vidéo avec avatar parlant / UGC — « crée une publicité de 30 secondes où cette personne dit X », « transforme ce script en vidéo », « crée un clip creator-selfie »
- Promotion multi-segments / explicative — tout ce qui nécessite plus de 15 secondes de parole (limite d’un segment Seedance) ou pour lequel l’utilisateur souhaite des changements d’angle / une progression du cadrage
- Édition / génération d’image — changement d’angle, changement d’état, produit sur fond blanc, composition de style de vie, créations conformes à la charte graphique, composition avec plusieurs références produit
- Amélioration vidéo — passer d’une sortie 720p / 1080p à 1080p / 4K
- Production créative en masse / par lot — « fais ça pour chacune de ces 5 photos produit »
Ne PAS utiliser pour : la génération de texte pur, les modifications de code, la recherche — ces tâches ont leurs propres outils.
Règles cardinales (à lire en premier, à chaque fois)
Ces règles s’appliquent à chaque génération. En enfreindre une seule produit des défauts visibles.
-
Modèle vidéo par défaut =
seedance-2.0-r2vpour TOUT travail UGC / avatar parlant / promotion / explicatif / multi-scène, quelle que soit la durée ou le nombre de segments. Ne pas rétrograder versseedance-2.0-i2vsous prétexte que le script est « assez court » — R2V gère aussi bien les plans uniques de 4 à 15 secondes que les multi-segments, et passer par R2V dès le début préserve toutes les primitives dont dépend cette compétence (références@Image1,--reference-imagemultiples, continuité vocale--reference-audio). Ne passer de R2V à un autre modèle que sur opt-in explicite de l’utilisateur (« utilise Sora 2 ») ou si R2V n’est pas disponible dans le registre.⚠️ Le nom « i2v » (image-vers-vidéo) est trompeur. R2V accepte également un flux image-une-vers-vidéo — il suffit de passer une seule
--reference-image. Ne choisissez pas i2v parce que la tâche est « image-vers-vidéo en anglais ». Un raisonnement de type « l’utilisateur veut animer des images statiques → image-vers-vidéo → donc seedance-2.0-i2v » est la régression silencieuse que cette règle vise à empêcher. Même lorsque vous animez une seule édition d’une banane, sans parole et sans besoin de multiples références, R2V reste le défaut — i2v n’apporte rien et abandonne les primitives si l’itération suivante de la tâche en a BESOIN.Voir
models/seedance-2.0-r2v.md. -
Utilisez les étiquettes de référence
@Image1/@Audio1/@Video1dans les prompts, et passez CHAQUE photo pertinente comme une référence distincte. Tantnano-banana-2(édition d’image) que Seedance 2.0 R2V (vidéo) acceptent plusieurs indicateurs--reference-image. Si l’utilisateur a téléchargé un produit sous deux angles, transmettez les deux — décrire le second en prose est une régression. Ne redécrivez pas la personne, la tenue ou le produit avec des mots ; cela entre en concurrence avec l’image de référence et provoque une dérive.❌ Mauvais — redescription verbeuse et textuelle de
@Image1:Photo UGC authentique de la femme de la référence (longs cheveux ondulés bruns, maquillage naturel et lumineux, lèvres pêche-corail brillantes, boucles d’oreilles en or, collier de perles, sourire doux), portant les sneakers en daim beige de la deuxième référence, dans une chambre cosy minimaliste...Banana VOIT déjà ses cheveux / son maquillage / ses lèvres / ses bijoux dans
@Image1et la couleur / la silhouette / la semelle des sneakers dans@Image2. Les redécrire revient à dire au modèle « ignore les références, peins à partir de cette prose » — cela entre en concurrence avec l’ancrage visuel et provoque une dérive.✅ Bon — les étiquettes font le travail, la prose ne décrit que ce qui est NOUVEAU :
Éditer @Image1 : changer la pose pour un selfie dans le miroir de l’iPhone. Ajouter un débardeur blanc côtelé + un jean baggy oversize. Les sneakers correspondant à @Image2 visibles en bas du cadre. Garder le visage, les cheveux, le maquillage, les bijoux et l’éclairage inchangés par rapport à @Image1.Voir
references/multi-reference-pattern.mdet la fiche modèle correspondante dansmodels/. -
Continuité vocale multi-segments =
--reference-audioextrait de l’audio du segment 1. Générer d’abord le segment 1 →ffmpeg -vn -acodec libmp3lameextrait l’audio → passer ce mp3 comme--reference-audiopour les segments 2..N. Sans cela, chaque segment choisit une voix différente. Voirreferences/voice-continuity.md. -
Supprimez le tapis musical superposé et les sous-titres incrustés — directive minimale uniquement. Ajoutez deux courtes lignes au prompt :
Pas de musique.etPas de sous-titres ni de texte à l’écran.C’est tout. N’énumérez PAS les sons ambiants que vous souhaitez conserver (« bruits de rue, bruit de café, machine à expresso ») — Seedance produit des ambiances naturelles tout seul ; trop prescrire donne l’impression que l’audio est scripté. Voirreferences/no-music-no-subtitles.md. -
Pour les légendes incrustées, utilisez
quickdesign video subtitleAPRÈS la génération. Ne laissez jamais le modèle vidéo graver ses propres légendes via le prompt — elles hallucinent. Le point de terminaison dédié aux sous-titres exécute une véritable ASR (ElevenLabs) et rend des légendes précises de type karaoké. Voirreferences/auto-subtitle.md. -
Portes de confirmation — faites une pause avant de dépenser des crédits, même en mode automatique. Le mode automatique réduit les frictions pour les tâches réversibles à faible coût (éditions de fichiers, recherche, planification). La génération IA payante n’est ni à faible coût ni réversible — le mode automatique ne contourne PAS ces portes. Toujours :
- Résumé du plan AVANT toute génération vidéo (Type / Modèle / Durée / Coût / Script). Affichez-le, puis soit attendez un « go » explicite (mode normal), soit continuez immédiatement tout en gardant le plan visible au-dessus de l’appel bash afin que l’utilisateur puisse interrompre la tâche avant la fin de la dépense (mode automatique). Le plan doit arriver AVANT l’invocation bash, jamais après.
- Référence de l’édition Banana AVANT de la transmettre à Seedance R2V → montrez l’édition, attendez l’approbation visuelle. Banana coûte ~12cr, Seedance ~250-500cr ; une mauvaise référence enchaînée automatiquement coûte 50 fois plus cher. Cette porte ne se compresse PAS en mode automatique.
- Voir
references/confirmation-rules.mdpour l’interaction complète avec le mode automatique.
-
Pour les portes de choix, utilisez l’outil
AskUserQuestion, pas une prose libre. Sélecteur de modèle, style de transition, résolution, approbation / régénération / annulation de l’édition Banana — appelezAskUserQuestionavec une liste d’options structurée et placez votre recommandation EN PREMIER avec(Recommandé). Voirreferences/confirmation-rules.md. -
Lorsque l’avatar est fourni ET que le contexte ne change pas, ÉDITEZ l’avatar — ne le régénérez pas. Les prompts de composition de type Banana (« Composer un plan UGC selfie vertical 9:16... », « Générer une scène creator-selfie... ») amènent le modèle à produire une image fraîche à l’aspect IA inspirée de l’avatar — perdant ainsi l’éclairage, le grain et l’authenticité lo-fi de la source. Le résultat semble synthétique au lieu d’être un selfie retouché d’un vrai créateur. Utilisez des verbes d’édition (
Éditer @Image1 : ajouter...,Prendre @Image1 telle quelle et ne changer que...,Conserver chaque pixel de @Image1 sauf [région]), ne réénumérez pas les jetons de scène que la référence montre déjà, et supprimez les mots d’amélioration de qualité (« photoréaliste », « qualité studio », « 8K ») du prompt — ils déclenchent une régénération. Voirreferences/avatar-edit-not-regenerate.md. -
Pour une vidéo UGC, présentez le choix entre parlant et silencieux — ne choisissez pas en silence. « Vidéo UGC » est ambigu : il peut s’agir d’un clip de créateur parlé (scénarisé, voix + synchronisation labiale) OU d’un mouvement uniquement (révélation OOTD, rouleau B, images animées avec superpositions de texte en post-production). Les deux sont des formats créatifs légitimes. L’agent ne doit PAS choisir en silence :
- Signal fort vers PARLANT (allez-y) : l’utilisateur a écrit « avatar parlant », « le créateur dit », « voix off », « explicative », « publicité avec script », ou a fourni un script lui-même. Construisez le script → placez-le dans le résumé du plan → générez avec
generate_audio: trueet la parole citée en ligne. - Signal fort vers SILENCIEUX (allez-y) : l’utilisateur a écrit « révélation OOTD », « mouvement uniquement », « pas d’audio », « rouleau B », « esthétique Pinterest », ou souhaite un reel d’animation d’images statiques.
- « Vidéo UGC » / « vidéo promotionnelle » / « vidéo publicitaire » ambiguë — appelez
AskUserQuestionavec deux options : parlant (avec un accroche de 4 à 8 mots) ou silencieux + texte de superposition en post-production. Recommandez celle qui correspond le mieux au brief de l’utilisateur. Ne prenez PAS de défaut silencieux.
Lorsque PARLANT est sélectionné : ne commencez jamais la génération sans parole citée dans le prompt. Si l’utilisateur n’en a pas fourni, rédigez 4 à 12 secondes de dialogue qui correspondent au brief, présentez-les dans le résumé du plan, puis continuez. Générer avec un prompt d’action générique et sans parole citée produit une vidéo silencieuse ou des phonèmes balbutiés par le modèle — des crédits gaspillés.
Voir
references/script-and-duration.mdpour le calcul mots → durée. - Signal fort vers PARLANT (allez-y) : l’utilisateur a écrit « avatar parlant », « le créateur dit », « voix off », « explicative », « publicité avec script », ou a fourni un script lui-même. Construisez le script → placez-le dans le résumé du plan → générez avec
-
Les plans multi-segments s’ARRÊTENT après le segment 1 pour approbation visuelle — ne déployez pas les segments 2..N tant que l’utilisateur n’a pas confirmé que le segment 1 est correct. La continuité vocale verrouille l’audio du segment 1 dans chaque segment suivant via
--reference-audio. Si le segment 1 a la mauvaise voix, la mauvaise identité d’avatar, un mot mal prononcé ou un cadrage hors charte, chaque segment 2..N parallèle hérite de ce défaut. Un plan de 4 segments à ~250cr/segment = ~1000cr ; déployer automatiquement un segment 1 défectueux brûle ~750cr qui n’avaient pas à être dépensés.Le flux est :
- Résumé du plan → approbation de l’utilisateur (Règle 5).
- Rendu du segment 1 uniquement.
- Afficher l’URL vidéo du segment 1 dans le chat + appeler
AskUserQuestionavec les options :- Ça a l’air bon — générer les segments 2..N (Recommandé si le segment 1 est propre)
- Regénérer le segment 1 (ajuster le prompt / les références / la durée)
- Annuler le plan multi-segments
- Uniquement sur « Ça a l’air bon » → déployer les segments 2..N en parallèle avec l’audio extrait.
Cette porte ne se compresse PAS en mode automatique. Le multiplicateur de dépense segment 1 → segment N est le même, quelle que soit la patience de l’utilisateur. Voir
pipelines/ugc-video.mdpour le flux multi-segments canonique. -
La caméra reste fixe. Ne changez pas d’angle / de cadrage sauf si l’utilisateur le demande explicitement. L’UGC documentaire (interview de rue, démo cuisine, témoignage fondateur, point de vue client, style vlog) est perçu comme un seul point de caméra continu, pas une séquence de coupures multi-angles. Par défaut : même cadrage (par exemple plan américain à hauteur des yeux), même distance, avatar à peu près à la même position dans chaque segment. La « transition » entre les segments est le geste / la réplique / la micro-expression de l’avatar — pas un changement d’angle.
❌ Mauvais défauts (régression silencieuse — produit une sensation de « plan réalisé par un directeur de la photographie » qui détruit l’authenticité UGC) :
- Segment 1 plan américain → Segment 2 plan d’épaule → Segment 3 gros plan
- « Avancer lentement sur l’orateur »
- « Couper sur un gros plan du produit au moment clé »
- Chaque segment
nano-banana-2utilisant un angle différent de la même personne
✅ Bon défaut (authenticité UGC préservée) :
- Même image source ou angle/éclairage quasi identique dans chaque segment. Seule la position de la main, le regard ou l’expression de l’avatar change entre les segments.
Ne passez en multi-angles que lorsque l’utilisateur le demande explicitement : « alterne les angles à chaque segment », « coupe cinématographique en gros plan sur l’accroche », « inclure un plan d’épaule du produit », « UGC multi-caméras style studio ». En cas de doute, demandez via
AskUserQuestion: Caméra fixe (recommandé pour l’UGC documentaire) / Multi-angles (coupures cinématographiques).Voir
references/first-frame-not-camera-motion.mdpour la règle connexe sur le cadrage statique vs. le mouvement de caméra décrit. -
Auditez TOUTES les références fournies par l’utilisateur — le produit seul ne suffit pas pour l’UGC. Lorsque le brief est « fais une vidéo UGC pour ce produit » et que l’utilisateur a fourni UNIQUEMENT une photo produit, ARRÊTEZ-VOUS avant de générer. Seedance R2V a besoin de références ancrées pour : le produit, l’avatar / créateur (visage, morphologie, vibe), et la scène / le lieu (cuisine, salle de bain, trottoir, salle de sport). La prose peut décrire le produit en détail, mais si vous décrivez l’avatar uniquement en prose, Seedance hallucinera une personne d’apparence générique — généralement une femme caucasienne à l’aspect synthétique — et la scène ressemblera à un rouleau B générique, pas à l’univers de la marque. Le résultat ne passera pas le test du « ça n’a pas l’air fabriqué ».
Avant la génération, auditez les médias fournis :
- Image du produit — presque toujours présente. Transmettre comme
--reference-imageavec l’étiquette de prompt@Image1. - Image de l’avatar / du créateur — si l’utilisateur en a fourni une, transmettez-la comme
--reference-imagedistincte et étiquetez-la@Image2. Si l’utilisateur n’en a pas fourni, appelezAskUserQuestionavant de générer : Télécharger un portrait du créateur / Choisir dans la bibliothèque d’avatars QuickDesign (5 000+ portraits) / Continuer avec un créateur décrit en prose (risque d’aspect synthétique). Recommandez « Choisir dans la bibliothèque » si l’utilisateur n’a qu’un brief. - Image de la scène / du lieu — si l’utilisateur tourne une « scène de cuisine », « selfie dans le miroir de la salle de bain », « point de vue bureau », etc., demandez s’il a une photo de référence de la pièce réelle. Transmettez-la comme
@Image3si elle est fournie.
L’appel Seedance R2V devrait ressembler à :
quickdesign video generate --provider seedance \ --reference-image product.jpg \ --reference-image avatar.jpg \ --reference-image scene.jpg \ --aspect-ratio 9:16 --duration 12 --resolution 1080p \ -p '@Image2 dans @Image3, tient @Image1 vers la caméra. Elle dit: « ... ». Pas de musique. Pas de sous-titres ni de texte à l’écran.' \ -o seg1.mp4 --waitLes étiquettes
@Image1/@Image2/@Image3font le gros du travail ; la prose ne décrit que l’action et la parole citée. Voirreferences/multi-reference-pattern.md. - Image du produit — presque toujours présente. Transmettre comme
Arbre de décision — quel document ouvrir en premier
Par type de tâche :
| Demande | Commencer ici |
|---|---|
| UGC / avatar parlant / promotion / explicative / publicité multi-segments | pipelines/ugc-video.md → models/seedance-2.0-r2v.md |
| Édition d’image (angle, état, composition multi-produits) | models/nano-banana-2.md → references/multi-reference-pattern.md |
| Plan unique cinématographique, piloté par la qualité audio (4/8/12s) | models/sora2-i2v.md (uniquement sur opt-in explicite de l’utilisateur) |
| Boucle économique / rouleau B non parlé | models/kling-3-pro.md |
| Vidéo finale trop basse résolution | models/topaz-video-upscale.md (à exécuter après concat) |
| Ajouter des légendes à une vidéo existante | references/auto-subtitle.md |
| Marque absente de la bibliothèque Spy Brands / 0 résultats de recherche | references/spybrands-add-on-miss.md |