Reels (format carte)
Transforme un enregistrement vocal en une vidéo verticale où chaque idée prononcée apparaît sous forme de carte en haut de l'écran. La répartition du travail est la suivante :
- Les outils mesurent et coupent le son (outils de transcription/découpage du skill
yatay-kurgu), dessinent les cartes et les sous-titres, équilibrent le son, et mesurent le résultat. - Toi (Claude) lis la transcription, sélectionnes les passages à supprimer, définis quelle carte apparaît à quel MOT dans
senaryo.json, et vérifies les images de contrôle.
Tu n'écris pas de secondes : la carte est liée au mot prononcé ; le découpage peut changer, la carte reste en place.
Préparation
ffmpegdans le PATH, les dépendances Python s'installent aveckur.shà la racine du dépôt. Utilise.venv/bin/pythonpour les commandes Python (Windows :.venv\Scripts\python). PAS BESOIN de ffmpeg avec libass : les sous-titres sont dessinés avec Pillow.- Utilise les outils de deux skills du même dépôt, sans les modifier :
yatay-kurgu(transcription + découpage audio) etx-animasyon(synthèse de whoosh et bruit de clavier). - Le modèle Whisper est téléchargé à la première exécution (large-v3 ≈ 3 Go) ; préviens l'utilisateur avant le téléchargement.
- Les polices se trouvent uniquement dans
fontlar/à la racine du dépôt (OFL) : Inter, Newsreader, IBM Plex Mono. - Chaque travail est dans son propre dossier :
calisma/reels/<nom>/. L'enregistrement brut est en lecture seule.
Ci-dessous, R = .venv/bin/python .claude/skills/reels/araclar/reels.py, P = calisma/reels/<nom>.
Boucle
1. Transcription.
R dokum P --video kayit.mp4 [--bas 56 --sure 42] [--terimler "noms propres à la vidéo"]
Si l'enregistrement est long et que le Reels n'en est qu'une partie, donne la fenêtre avec --bas/--sure (l'extrait est sorti dans P/kaynak.mov, le fichier brut est inchangé). Objectif : une sortie de 35 à 45 secondes.
2. Lis la transcription, coupe. Lis P/dokum.md du début à la fin (les règles du SKILL.md de yatay-kurgu s'appliquent). Les pauses et les répétitions consécutives sont déjà supprimées ; toi tu écris dans P/atilacak.json ce qui suit, chaque ligne avec justification :
- redémarrage (on garde la dernière tentative), note de montage ("je vais couper ici"), nombre mal prononcé et corrigé ;
- mot incompréhensible : la partie restée ambiguë dans les deux passages n'est pas adaptée aux sous-titres, elle est coupée (avec
.venv/bin/python .claude/skills/yatay-kurgu/araclar/kurgu.py pencere P <sn>pour ré-écouter) ; - digression superflue pour le Reels : décision de contenu, demande à l'utilisateur.
C'est la VOIX qui donne le point de coupe : écris l'intervalle en limites de lignes du dokum.md, l'outil le place au silence le plus proche à ±0,2 s. Ensuite :
R kurgu P # reconstruit le plan
R kelimeler P # mots restant dans le montage, avec leur seconde de sortie (choisis les ancres ici)
3. Scénario : P/senaryo.json. Exemple : ornekler/reels/senaryo.ornek.json. Liste des champs et types de cartes : references/kartlar.md.
{"vurgu": ["effort"], "kuyruk": 2.0, "vuruslar": [
{"duzen": "yuz"},
{"kelime": "Avant", "kart": {"tur": "liste", "baslik": "Ordre", "isaret": "nombre",
"maddeler": [{"yazi": "Choisis le modèle", "kelime": "modèle"}, {"yazi": "Choisis l'effort", "kelime": "effort"}]}},
{"kelime": "j'ai lancé", "ofs": 0.5, "duzen": "graphique", "kart": {"tur": "question", "soru": "Lequel utilises-tu ?"}}
]}
- Vuruş (occurrence) = un état de l'écran. L'ancre
kelimeest le DÉBUT du mot ("effort" cherche "effort" même dans "effort du"), cherchée APRÈS l'occurrence précédente ; il peut y avoir plusieurs mots ("mode plan"),kac= n-ième occurrence,ofs= décalage en secondes. La première occurrence commence à 0. Chaque élément de la carte (item/ligne/message) peut aussi avoir son proprekelimed'entrée. - Disposition (duzen) :
bol(carte en haut, visage en bas ; défaut pour une occurrence avec carte),yuz(visage plein écran ; défaut pour une occurrence sans carte),graphique(carte plein écran, pas de visage). - Tempo : 1,5 à 4 secondes par occurrence ; pour un Reels de 40 s, 10 à 15 occurrences. L'accroche (1-2 premières secondes) commence avec le visage.
- Visage uniquement là où la personne regarde la caméra. Si la personne parle en regardant l'écran/le texte, l'occurrence est
graphique. - Pas d'invention : la carte montre uniquement ce qui a été réellement dit ou ce qui existe réellement. Pas de nombre non mesuré, de commande inexistante, de texte d'écran inventé. Les captures d'écran doivent être des fichiers réels de l'utilisateur (
gorsel). - Fermeture : la dernière occurrence est une carte
soru(question qui invite à commenter) ; une fois la conversation terminée,kuyruk(en secondes) laisse la carte à l'écran ; choisis donc la dispositiongraphique(l'image se fige pendant la queue). - Correction d'un mot mal entendu dans les sous-titres :
"altyazi_duzelt": {"je vais": "je vais à"}. Les mots de la listevurguapparaissent en italique et avec une couleur de surbrillance dans les sous-titres (la racine suffit : "effort" pour "effort").
Vérifie les temps résolus : R vuruslar P (début/fin de chaque occurrence, temps des éléments ; donne un AVERTISSEMENT si un élément change de carte sans être visible).
4. Cadrage.
R yuz P # estimation de la boîte du visage -> P/kadraj.json + P/kontrol/kadraj.jpg
Ouvre kontrol/kadraj.jpg avec Read : la boîte verte doit entourer le visage (du front au menton) ; la boîte bleue bol et orange yuz sont les recadrages. L'estimation est sans modèle (priorité à la couleur de peau + centre) ; un fond de couleur proche de la peau, deux personnes ou un éclairage coloré peuvent la tromper. Si elle est incorrecte, corrige kutu dans kadraj.json MANUELLEMENT en te basant sur les pixels source dans la règle, puis rafraîchis l'image avec R yuz P (n'écrase pas le kadraj.json existant). Si la personne bouge, écris des anahtarlar (boîtes temporelles).
5. Aperçu, puis rendu.
R kare P # une image par occurrence -> P/kontrol/kareler.jpg (REGARDE)
R kare P 2.3,31.4 # instants spécifiques (animation d'entrée, terminal tapé)
R render P # -> P/cikti/<nom>.mp4, la mesure se lance automatiquement à la fin
6. Mesure (tu ne peux pas regarder la vidéo, mesure pour vérifier). R olc P (s'exécute déjà à la fin du rendu) -> P/kontrol/olcum.md + P/kontrol/temas.jpg :
- Durée : image et son ont la même longueur, le nombre d'images est celui attendu.
- Zone de sécurité : toutes les 5 images, la boîte PIXEL du sous-titre, de la carte et du visage est mesurée. L'interface Instagram couvre y<220 en haut, 20% inférieur (y>1536) en bas, et la colonne des likes/commentaires à droite (x>940, y 1000-1536) ; le sous-titre et la carte n'entrent pas dans ces zones, le visage reste au-dessus des 20% inférieurs. S'il y a une ligne d'INFRACTION, corrige le scénario (contenu de la carte, disposition) ou
kadraj.json. - Son : le fichier final est à -14 LUFS, crête réelle <= -1 dBTP ; la piste d'effets est environ 15 dB sous la parole ; les pics du whoosh tombent-ils sur les coupes ?
- Page de contacts : la carte REMPLIE de chaque occurrence (juste avant le changement). OUVRE et regarde : texte qui dépasse, élément qui se chevauche, tête coupée, carte vide.
- Vérifications (optionnel) :
.venv/bin/python .claude/skills/yatay-kurgu/araclar/kurgu.py dogrula Présout à nouveau le son coupé, signale les mots coupés/fuyants (P/dogrula.md).
Après correction, seulement R render P (son et image depuis le début, sur M1 Pro une vidéo de 40 s prend ~35 s).
7. Livraison. Remets à l'utilisateur un résumé court et chiffré : chemin de sortie, durée (brut -> montage), nombre d'occurrences/de cartes, ce qui a été supprimé et pourquoi, résultat de la zone de sécurité, LUFS/crête, chemin de la page de contacts. Ce que tu ne peux pas mesurer (agrément du son, clarté de la carte), laisse-le explicitement à l'utilisateur.
Limitations connues
- La boîte du visage est estimée sans modèle ; il faut vérifier
kadraj.jpgsur chaque enregistrement. Il n'y a pas de suivi image par image : boîte fixe ou transition linéaire entre les images clés. - Le visage plein écran (
yuz) à partir d'un enregistrement horizontal est limité par la hauteur de la source : en 4K le visage reste grand, le sous-titre descend automatiquement sous le menton. En dispositionbol, la hauteur de la carte du visage est réduite en fonction de l'image restante sous le visage dans la source (pour que le menton ne descende pas dans les 20% inférieurs). - Pas de musique ; les effets sont synthétisés (whoosh, clavier, pop, grattement).
- Les types de cartes sont fixes (references/kartlar.md). Nouveau type : ajouter une fonction de dessin + son dans
araclar/kartlar.py, et l'enregistrer dans les dictionnairesCIZetOLAY. - Les zones d'interface (haut 220, bas 20%, colonne droite x>940) sont des valeurs approximatives et prudentes pour Instagram Reels (
araclar/cizim.pyen début de fichier) ; similaires pour Shorts/TikTok mais pas identiques.