Communitygithub.com

assafkip/claude-video-editor

Créez et itérez des vidéos verticales courtes (9:16) dans Hyperframes — style TikTok/Reels/Shorts. À utiliser lorsque Nate mentionne « vidéo courte », « vidéo verticale », « TikTok/Reels/Shorts », « faire un court », « tête parlante + graphismes animés », ou lorsque la cible est une composition 1080x1920 avec vidéo de visage + superpositions de scènes synchronisées + sous-titres karaoké. Intègre l'intégralité du playbook May Shorts 19 : chorégraphie du mode visage, synchronisation des scènes avec l'audio, sous-titres karaoké et la checklist qualité en 10 règles.

Qu'est-ce que claude-video-editor ?

Cette compétence pour agent IA est conçue pour la création et l'itération de vidéos verticales courtes (format 9:16) dans Hyperframes, ciblant les plateformes comme TikTok, Instagram Reels et YouTube Shorts. Elle se concentre sur les vidéos avec une tête parlante, des superpositions graphiques animées et des sous-titres de type karaoké synchronisés. Le processus est basé sur le playbook May Shorts 19, qui inclut une chorégraphie de mode visage (face-mode choreography), un timing des scènes synchronisé avec l'audio, des sous-titres karaoké, et une checklist qualité de 10 règles pour garantir la qualité. La compétence repose sur l'outil `/hyperframes` pour la structure de base (compositions, attributs `data-*`, etc.), mais ajoute des directives spécifiques pour le montage audio (source de vérité), la transcription, la création de scènes, et une vérification rigoureuse par extraction d'images aux timings exacts des mots. Elle insiste sur des transitions fluides, une réactivité audio, l'absence de trames vides, et l'utilisation d'un arrière-plan ambiant riche (dégradé, bruit, particules) pour éviter un rendu plat. Idéale pour les développeurs et créateurs de contenu cherchant à produire des vidéos sociales engageantes et professionnelles.

Compatible avec✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/assafkip/claude-video-editor/tree/HEAD/skills/short-form-video

Demander à votre IA préférée

Ouvre une nouvelle conversation avec cette compétence d'agent déjà préchargée.

Documentation

Vidéo Verticale Courte (Hyperframes)

Format court = 1080x1920 vertical, 10–30 s, tête parlante + superpositions de scènes graphiques animées + sous-titres karaoké. Tout ce qui se trouve dans cette compétence est tiré de l'autopsie d'itération May Shorts 19 (v1 → v4) et doit être appliqué à chaque nouveau court.

Invoquez toujours /hyperframes en premier. Cette compétence se superpose à lui — elle ne remplace pas les règles du framework (attributs data-*, window.__timelines, structure de composition). Ceux-ci sont non négociables quel que soit le format.

Quand cette compétence se déclenche

  • « Faire une vidéo courte », « publication TikTok », « Reels », « Shorts », « vidéo verticale »
  • Toute création à partir d'un enregistrement de tête parlante + script/transcription destiné aux réseaux sociaux
  • Réajustement, recoupage ou resynchronisation d'un court existant
  • Ajout de sous-titres karaoké synchronisés avec une voix off

Le playbook (haut niveau)

  1. L'audio est la source de vérité. Montez l'audio EN PREMIER (supprimez les reprises, les pauses). Enregistrez sous <nom>-edit.mp4. Mesurez la durée exacte avec ffprobe — c'est la data-duration de la composition.
  2. Transcrivez l'audio monté avec npx hyperframes transcribe <edit>.mp4 --model small.en --json, ou si vous réajustez une construction existante avec une fonction shift() dans les sous-titres, conservez les sous-titres existants et décalez simplement les débuts de scène.
  3. Définissez les limites des scènes dans le temps monté — NE mélangez JAMAIS les ancres de temps original et de temps monté dans le même fichier. Voir « Protocole de synchronisation audio » ci-dessous.
  4. Construisez l'échafaudage de la composition (4 couches : fond ambiant, traitement de jointure, sous-titres, visage) — voir « Échafaudage de composition » ci-dessous.
  5. Créez les scènes avec des décalages LOCAUX par rapport au data-start de chaque scène. Chaque scène est sa propre sous-composition sous compositions/scene<N>-<label>.html.
  6. Lint → rendu brouillon → vérification image par image au mot exact → rendu final. C'est la porte de vérification. Ne sautez jamais l'étape 3 (vérification des images).

Échafaudage de composition (les 4 couches toujours actives)

Chaque vidéo verticale courte a ces quatre sous-compositions sous compositions/, chargées sur des pistes partagées :

index.html (racine, 1080x1920, data-composition-id="main")
├── ambient-bg.html        track-index="3" — dégradé radial + grille dérivante + particules + vignette
├── face-wrapper + <video> track-index="0" — tête parlante (voir chorégraphie du mode visage)
├── seam-treatment.html    track-index="5" — plume à y=960 (scènes moitié inférieure uniquement)
├── scene1-<label>.html    track-index="1" — superpositions de scènes (dos à dos, sans trous)
├── scene2-<label>.html    track-index="1"
├── …
└── captions.html          track-index="2" — sous-titres karaoké, synchronisés mot par mot
  • data-duration est identique pour la racine, ambient-bg, seam-treatment, face-video, face-audio, captions. Seules les superpositions de scènes changent avec le temps.
  • <audio> pour le visage est un élément SÉPARÉ (le mélangeur en a besoin), n'utilisez jamais la piste audio de la vidéo elle-même.
  • class="clip" va sur les divs minutés — JAMAIS sur <video> ou <audio>.

Chorégraphie du mode visage (le geste signature du format court)

Le visage se trouve dans un div wrapper dimensionné au paysage natif de la source (1920x1080). GSAP anime le WRAPPER (jamais l'élément vidéo — animer les dimensions de <video> fige les images).

Deux modes :

const BOTTOM     = { x: 0,       y: 1136, scale: 0.5625 }; // moitié inférieure, paysage complet visible
const FULLSCREEN = { x: -1166.5, y: 0,    scale: 1.7778 }; // recadrage couvrant, remplit 1080x1920
const MODE_DUR = 0.32;

BOTTOM rend la source 1920x1080 à 1080x607.5 centrée dans les 960px inférieurs. FULLSCREEN recadre horizontalement pour remplir le cadre portrait.

Transition 0.15s AVANT que le contenu de la nouvelle scène n'arrive, en utilisant ease: "expo.inOut" :

[
  { t: <début-scène-4>, mode: FULLSCREEN },
  { t: <début-scène-5>, mode: BOTTOM },
  …
].forEach(({ t, mode }) => {
  mainTl.to("#face-wrapper", { ...mode, duration: MODE_DUR, ease: "expo.inOut" }, t - 0.15);
});

Un visage qui change de mode instantanément est la seule image la plus discordante dans une vidéo verticale. Interpolez toujours.

Gradation du visage (tous les courts, sans exception)

#face-video {
  filter: contrast(1.08) saturate(1.08) brightness(0.97);
}

Plus un zoom Ken Burns subtil de 1,00 à 1,025 sur toute la durée (ease: "none") et un pseudo-élément ::after de vignette latérale pour que le visage s'enfonce dans le bleu marine environnant au lieu de buter contre un bord net.

Traitement de jointure (obligatoire pour les scènes moitié inférieure)

Une bande de dégradé marine→transparent (60–100px) à y=960 plus une ligne de balayage d'accent de 2px avec une lueur douce. Dessinez-la APRÈS le visage pour qu'elle se trouve au-dessus ; les scènes plein écran la couvriront lorsqu'elles prendront le relais. Les coupes nettes à y=960 sont le signe n°2 du contenu monté par IA (après la platitude de l'arrière-plan).

Protocole de synchronisation audio (NE PAS sauter)

Problème : si l'audio est monté (reprises/pauses supprimées), les horodatages dans la transcription source ne correspondent plus à la vidéo montée. Les débuts de scène créés dans le temps original se déclencheront en retard.

La règle : TOUT le timing vit dans le temps monté. Ne mélangez jamais.

Procédure de vérification pour tout réajustement de format court :

  1. Mesurez les deux fichiers audio :
    ffprobe -v error -show_entries format=duration -of csv=p=0 assets/original.mp4
    ffprobe -v error -show_entries format=duration -of csv=p=0 assets/<nom>-edit.mp4
    
    La différence = temps total coupé.
  2. Si vous utilisez une fonction shift() dans captions.html pour mapper les mots de la transcription, traitez-la comme la source de vérité. La carte shift(tempsOriginal) = tempsMonté s'applique à TOUT data-start de scène également.
  3. Les décalages internes de scène (dans compositions/sceneN.html) sont LOCAUX par rapport au data-start de la scène. Si le data-start parent d'une scène est correct dans le temps monté, les décalages internes restent corrects SANS modification — SAUF si une scène chevauche une coupe, auquel cas la durée parent ET les décalages internes changent.
  4. Les temps du tableau de transition du mode visage DOIVENT utiliser le temps monté. Ils ne sont PAS automatiquement décalés.

Format de plan pour les réajustements (utilisez cette structure de tableau à chaque fois) :

ScèneDébut actuelDurée actuelleNouveau débutNouvelle duréeJustification
..................

Puis le tableau du mode visage, puis tout changement de décalage interne, puis la liste de vérification des images.

Création de scène

Une scène = un fichier de sous-composition. Les scènes se situent sur le même data-track-index dos à dos (sans trous). À l'intérieur de chaque scène :

  • data-duration correspond exactement à l'emplacement parent
  • Toutes les ancres GSAP sont LOCALES (basées sur 0 à partir du début de la scène)
  • Utilisez tl.set({}, {}, <data-duration>) pour compléter la timeline afin que tl.duration() de GSAP corresponde à data-duration

Règles de rythme des scènes (tirées des 10 principes)

  • Pas d'images mortes. Chaque 100 ms a ≥1 élément en animation. Décalez la première entrée de 0,1 à 0,3 s, pas à t=0.
  • Temps de révélation ≥ 1 s. La « grande révélation » de la scène (tampon, verrouillage numérique, punchline) doit avoir ≥1 s à l'écran, idéalement 1,5 s. Budgetisez les scènes par temps de révélation, pas par temps total.
  • Mouvement sur toute la durée. Si les animations d'entrée atterrissent toutes au bout de 2 s locales sur une scène de 4 s, ajoutez un mouvement secondaire : balayages de soulignement, pops de coche, dérive ambiante sur les cartes, petites lueurs oscillantes sur les pilules. Un rythme mort = swipe vers le haut.
  • Variez les easings. Au moins 3 easings différents par scène à travers les entrées.
  • Un effet bluffant toutes les 5 s de durée. Slam typographique, révélation glitch/chromatique, whip-pan, slam audio-synchrone. Sans cela, la vidéo se lit comme « tête parlante étiquetée » — correct mais oubliable.

Sous-titres (style karaoké)

  • Montserrat 900, 46–58px (pour une largeur 1080), base blanche 100 %
  • Mot actif : pop scale-1.08 + changement de couleur vers l'accent (#37bdf8 pour AIS, adaptez à la marque)
  • Contour via text-shadow en couches, JAMAIS -webkit-text-stroke (rendu incohérent dans le rendu Chromium)
  • Supprimez la pastille d'arrière-plan rgba — laissez le contour assurer la lisibilité. Les sous-titres doivent ressembler à du graffiti sur l'image, pas à une piste de sous-titres.
  • Pour les réajustements, utilisez une fonction shift() dans captions.html pour mapper les horodatages des mots de la transcription → temps monté. Cela laisse le JSON de transcription intact et rend les réajustements mécaniques.

Voir references/captions.md sous /hyperframes pour l'implémentation complète du karaoké. En résumé : éléments <span> par mot avec data-word-start, tweens GSAP limités à chaque span, durées de pop serrées de 0,08–0,12 s.

Fond ambiant (ne jamais livrer un bleu marine plat)

Pile de fond minimale viable :

  1. Base de dégradé radial (centre plus clair que les bords de 15–20 %)
  2. Superposition de bruit/grain animé à 8–12 % d'opacité
  3. 4–8 points de particules dérivants ou traces de grille
  4. Vignette subtile

background: #07121c seul est un placeholder, pas un design. Pour une esthétique technique/salle de contrôle, utilisez la pile 6 couches de feedback_techy_background_layers.md (grille HUD masquée à la vignette + traces de circuit + nœuds d'impulsion + faisceau de balayage + téléscripteur télémétrique + étiquettes mono de coin).

Réactivité audio

  • Les titres pulsent de 3 à 6 % sur le rythme. Les fonds peuvent aller de 10 à 30 % sur la basse.
  • La réactivité du texte reste subtile (3–6 %) pour que les sous-titres restent lisibles ; les fonds peuvent pousser plus fort.
  • Utilisez un analyseur HORS LIGNE avec GRAINE (pré-calculez la piste de caractéristiques audio) pour que les rendus soient déterministes. N'utilisez PAS AnalyserNode dans le chemin de rendu — Math.random() et les nœuds audio en temps réel cassent le déterminisme.

Transitions

  • Variez les types. Pas deux transitions consécutives du même type. Six coupes franches à la suite est le signe n°1 du montage IA.
  • Les transitions du mode visage (BOTTOM ↔ FULLSCREEN) servent également de transitions de scène lorsque le mode change entre les scènes.
  • Pour les transitions de superposition pure de scène à scène, installez depuis le registre : push-up, flash-through-white, sdf-iris, ou le pack complet de shader-transitions. npx hyperframes catalog --type block pour parcourir.

La porte de vérification (OBLIGATOIRE — ne livrez PAS sans)

Lint réussi ≠ design fonctionnel. Ne signalez jamais un rendu de format court terminé avant d'avoir extrait des images à des horodatages de mots exacts et LU chaque PNG.

Étape 1 — rendu brouillon

cd video-projects/<slug>
npx hyperframes lint
npx hyperframes render --quality draft --output renders/<slug>-vN-draft.mp4

Étape 2 — extraction d'images à des horodatages de mots exacts

Choisissez 8–15 horodatages qui correspondent chacun à un MOT PRONONCÉ où un visuel spécifique doit être à l'écran. Pas de nombres ronds. Pas de milieu de scène. Le mot exact.

mkdir -p renders/frames-vN
for pair in "<t>:<label>" "<t>:<label>" ...; do
  t="${pair%%:*}"; label="${pair##*:}"
  ffmpeg -y -ss "$t" -i renders/<slug>-vN-draft.mp4 \
    -frames:v 1 -q:v 2 "renders/frames-vN/t${t}-${label}.png"
done

Étape 3 — Lire chaque PNG

Appelez Read sur chaque PNG pour que l'image se charge dans le contexte. Ne listez PAS seulement les noms de fichiers. Pour chaque image, confirmez :

  • Le visuel attendu est à l'écran au moment attendu (pas 1 s en retard, pas en avance)
  • Le visage de l'orateur n'est pas recadré dans aucune scène moitié inférieure
  • Le mode visage plein écran vs moitié inférieure est correct pour cette scène
  • Les sous-titres sont conformes à la marque, lisibles, ne débordent pas
  • Pas d'images vides, pas de chevauchement involontaire, pas de texte hors écran

Étape 4 — si quelque chose échoue, corrigez + revérifiez. Ne livrez jamais défectueux.

Étape 5 — rendu final

npx hyperframes render --quality standard --output renders/<slug>-vN.mp4

Vérifiez ponctuellement 3–4 images du rendu final (mêmes horodatages, dossier différent frames-vN-final/) pour confirmer que l'encodage en qualité standard n'a rien changé.

Les 10 règles (checklist qualité — exécutez AVANT le premier brouillon)

Toute création de format court. Parcourez cette liste pendant la création, pas après.

  1. Pas d'images mortes. Chaque 100 ms a un élément en animation.
  2. Temps de révélation de scène ≥ 1 s. Budgetisez par temps de révélation, pas par temps total.
  3. Le visage est un personnage. Gradation + Ken Burns + vignette latérale.
  4. Pas de jointures dures. Plumez à y=960 avec dégradé + ligne de balayage.
  5. Un effet bluffant toutes les 5 s. Slam typographique, glitch, whip-pan, slam audio.
  6. Réactivité audio non négociable. 3–6 % texte, 10–30 % fond.
  7. Variez les types de transition. Pas deux consécutives identiques.
  8. Les sous-titres claquent, ne se contentent pas d'étiqueter poliment. Contour pas pastille. Échelle + couleur sur le mot actif.
  9. Mouvement sur toute la durée de la scène. Mouvement secondaire si les entrées atterrissent tôt.
  10. Le fond est une couche, pas une couleur. Dégradé + bruit + particules + vignette minimum.
  11. Les superpositions de slam/tampon atterrissent APRÈS que le texte cible est complètement visible. Logique de révélation > synchronisation des mots. Le t du tampon ≥ t de visibilité cible + 0,10–0,25 s. Sinon, la punchline arrive avant la mise en place.

Structure du projet (toute création de format court)

video-projects/<slug>/
├── hyperframes.json
├── meta.json                    (id, name, dimensions 1080x1920, fps 30)
├── index.html                   (composition racine, l'échafaudage 4 couches)
├── compositions/
│   ├── ambient-bg.html
│   ├── seam-treatment.html
│   ├── captions.html            (avec fonction shift() si réajustement)
│   ├── scene1-<label>.html
│   ├── scene2-<label>.html
│   └── ...
├── assets/
│   ├── <nom>.mp4               (enregistrement original)
│   ├── <nom>-edit.mp4          (monté — coupes supprimées — c'est ce qu'utilise la comp)
│   ├── transcript.json          (sortie whisper)
│   └── actifs de marque (logo, brand-tokens.css, musique de fond)
└── renders/
    ├── <slug>-v1-draft.mp4
    ├── frames-v1/
    ├── <slug>-v1.mp4
    └── ...

Protocole de réajustement (quand l'audio est ré-monté ou que les horodatages dérivent)

  1. Mesurez les durées audio montées anciennes et nouvelles avec ffprobe. Delta = temps total coupé.
  2. Identifiez la ou les fenêtres de coupe : quelles secondes ont été supprimées, d'où.
  3. Écrivez le tableau du Plan : chaque data-start de scène, data-duration, chaque transition de mode visage t, toute scène dont les décalages internes chevauchent une coupe.
  4. Pour chaque scène dont les décalages internes traversent une coupe, ajustez les deux : durée parent (pour tenir compte des secondes supprimées) ET décalages internes (pour que les animations ne sautent pas soudainement). Pour les scènes entièrement dans une fenêtre non coupée, aucun changement n'est nécessaire.
  5. Copiez captions.html depuis la version précédente et ajoutez une fonction shift() qui mappe les horodatages de la transcription originale vers le nouveau temps monté. La transcription JSON (de la version originale) n'est pas modifiée.
  6. Mettez à jour le tableau du mode visage avec les nouveaux temps calculés.
  7. Exécutez la porte de vérification (étapes 1 à 5 ci-dessus) avec une attention particulière aux scènes modifiées.

Attribution et licence

Forked from et s'appuie sur /hyperframes (licence MIT). Le playbook est dérivé de la recherche d'itération May Shorts 19 par Nate et l'équipe (non publiée, usage interne). Tous les actifs et livrables créés par cette compétence appartiennent à l'utilisateur final.

Individual skills in this repo

This repo contains 9 individual skills — each has its own dedicated page.

assafkip/claude-video-editor

Build videos from stills when there is nothing to cut — narration first (ElevenLabs v3 with audio tags), then still keyframes from ANY source (AI image tools, screenshots, photos, HyperFrames-rendered HTML), animated deterministically with the animate-stills recipe (HyperFrames camera moves + GSAP atmosphere). Use when the user wants an explainer, documentary-style video, or any video built from generated or collected visuals instead of recorded footage.

assafkip/claude-video-editor

GSAP animation reference for HyperFrames. Covers gsap.to(), from(), fromTo(), easing, stagger, defaults, timelines (gsap.timeline(), position parameter, labels, nesting, playback), and performance (transforms, will-change, quickTo). Use when writing GSAP animations in HyperFrames compositions.

assafkip/claude-video-editor

HyperFrames CLI tool — hyperframes init, lint, preview, render, transcribe, tts, doctor, browser, info, upgrade, compositions, docs, benchmark. Use when scaffolding a project, linting or validating compositions, previewing in the studio, rendering to video, transcribing audio, generating TTS, or troubleshooting the HyperFrames environment.

assafkip/claude-video-editor

Install and wire registry blocks and components into HyperFrames compositions. Use when running hyperframes add, installing a block or component, wiring an installed item into index.html, or working with hyperframes.json. Covers the add command, install locations, block sub-composition wiring, component snippet merging, and registry discovery.

assafkip/claude-video-editor

Create video compositions, animations, title cards, overlays, captions, voiceovers, audio-reactive visuals, and scene transitions in HyperFrames HTML. Use when asked to build any HTML-based video content, add captions or subtitles synced to audio, generate text-to-speech narration, create audio-reactive animation (beat sync, glow, pulse driven by music), add animated text highlighting (marker sweeps, hand-drawn circles, burst lines, scribble, sketchout), or add transitions between scenes (crossfades, wipes, reveals, shader transitions). Covers composition authoring, timing, media, and the full video production workflow. For CLI commands (init, lint, preview, render, transcribe, tts) see the hyperframes-cli skill.

assafkip/claude-video-editor

Beginner-friendly end-to-end video creator for HyperFrames. Use when the user says "make a video", "create a video", "new video", "build a video", "video from scratch", "I want to make a video", "help me create a video", or when someone who's never used HyperFrames before arrives with a concept, script, or rough idea and wants a finished MP4. Interviews the user in one pass, then builds the full video with mandatory preview and visual-verification gates.

assafkip/claude-video-editor

Edit any video by conversation — the orchestrator for the bundled video pipeline. Use when the user wants to edit, cut, caption, grade, or add motion graphics to footage; drops a folder of clips and says "edit this"; or asks to make a promo/teaser/tutorial/short. Routes to video-use (the cut engine) and HyperFrames (motion-graphics overlays), with a motion-craft library for taste.

assafkip/claude-video-editor

Production pipeline for mathematical and technical animations using Manim Community Edition. Creates 3Blue1Brown-style explainer videos, algorithm visualizations, equation derivations, architecture diagrams, and data stories. Use when users request: animated explanations, math animations, concept visualizations, algorithm walkthroughs, technical explainers, 3Blue1Brown style videos, or any programmatic animation with geometric/mathematical content.

assafkip/claude-video-editor

Capture a website and create a HyperFrames video from it. Use when: (1) a user provides a URL and wants a video, (2) someone says "capture this site", "turn this into a video", "make a promo from my site", (3) the user wants a social ad, product tour, or any video based on an existing website, (4) the user shares a link and asks for any kind of video content. Even if the user just pastes a URL — this is the skill to use.

Skills associés