Montage horizontal (Yatay kurgu)
Transforme un enregistrement brut de discussion en un montage quasi final. La répartition du travail est la suivante :
- Les outils mesurent le son : ils suppriment les silences, les répétitions consécutives et les blancs, en plaçant le point de coupe à l'image la plus silencieuse.
- Vous (Claude) lisez la transcription du début à la fin et supprimez ce que les outils ne voient pas : les redémarrages, les marques de montage (« je vais couper ici »), les nombres mal dits et corrigés, les digressions. Vous justifiez chaque coupe.
- La vérification ré‑encode la piste audio coupée et cherche des mots coupés ou des fuites dans chaque jonction.
La sortie est un fichier MP4 (pas un projet NLE). La colorimétrie, la musique, les sous‑titres et les graphiques ne relèvent pas de ce skill.
Quand l'utiliser
- Lorsque l'utilisateur fournit un enregistrement horizontal de discussion et demande « monte », « coupe », « supprime les blancs ».
- Quand la caméra et l'enregistrement d'écran sont dans des fichiers séparés et doivent être synchronisés.
- Pas pour les vidéos verticales (Reels/Shorts) – le format et le sous‑titrage y sont différents.
Préparation
ffmpegdoit se trouver dans le PATH. Les dépendances Python s'installent avec le scriptkur.shà la racine du dépôt. Dans les commandes, utilisez.venv/bin/python(sous Windows :.venv\Scripts\python).- Le modèle Whisper (large‑v3 ≈ 3 Go) est téléchargé au premier lancement. Prévenez l'utilisateur avant de lancer.
- Le temps est surtout consommé par Whisper. Performances (M1 Pro 8 cœurs CPU, large‑v3 int8, mode littéral, avec un autre rendu en arrière‑plan) : un enregistrement de 4 minutes est traité en 10 minutes (0,4× temps réel) ;
dogrulare‑décode la piste coupée à la même vitesse. La coupe, la synchronisation et le plan prennent quelques secondes, les exports quelques minutes. Pour un long enregistrement, indiquez le temps estimé dès le début. Pour un essai rapide, utilisez--model mediumousmall(moins précis ; les règles ont été calibrées avec large‑v3), mais relancez la vérification finale avec le modèle par défaut. Avec un GPU NVIDIA,--cihaz autosélectionne automatiquement CUDA. - Chaque projet a son propre dossier :
calisma/<projet>/. Ne déplacez, supprimez ou écrasez jamais les fichiers bruts de l'utilisateur ; les outils les lisent en lecture seule.
Dans ce qui suit, K = .venv/bin/python .claude/skills/yatay-kurgu/araclar/kurgu.py, P = calisma/<projet>.
Boucle
1. Transcription. Extrait le son, obtient une transcription littérale et crée un premier plan (sans liste de coupes).
K dokum P --video camera.mp4 [--ekran ecran.mp4] [--terimler "termes spécifiques à la vidéo"]
Donnez les noms propres (produit, personne, jeu) avec --terimler ; Whisper les retranscrira correctement.
2. Lisez P/dokum.md du début à la fin. En entier, par fragments, en utilisant Read. Ne survolez pas : les redémarrages et les notes de montage sont souvent cachés au milieu d'une phrase. Pendant la lecture, cherchez :
- Redémarrage : deuxième tentative de la même idée. Gardez la dernière tentative, supprimez les précédentes.
Les lignes
[ADAY]sont des indices, mais la décision vous appartient. - Note de montage et note personnelle : « je vais couper ici », « on reprend ça », « coupe », « pardon », « Encore. », « pas comme ça », « note pour … : mets ceci ici ». L'utilisateur peut donner des instructions de coupe vocalement ; c'est le signe le plus fiable.
- Nombre, nom ou unité mal dit(e) et corrigé(e) : la version erronée est supprimée.
- Paroles parasites (« Oui. Bon, alors… »), marmonnement incompréhensible, phrase inachevée.
- Digression, partie trop longue. C'est une décision de contenu : demandez à l'utilisateur avant de couper.
- Lignes
DÜŞTÜ: mots supprimés par la mesure audio. La plupart sont des inventions de Whisper ou des respirations ; si un mot important a été supprimé, utilisezzarfpour vérifier.
3. Écrivez P/atilacak.json. Avec la seconde source et une justification pour chaque ligne :
[
{"bas": 31.20, "son": 36.85, "gerekce": "redémarrage : première tentative de la phrase, la seconde est conservée"},
{"bas": 102.40, "son": 104.10, "gerekce": "note de montage : il a dit 'je vais couper ici'"}
]
- Prenez les limites dans les marges
[début–fin]de la transcription ; l'outil place la coupe au point le plus silencieux dans un rayon de ±0,2 s, pas besoin de précision absolue. Un mot dont le centre tombe dans l'intervalle est coupé : terminezsonlégèrement AVANT le timbre du premier mot conservé, sans déborder. - Si seule une partie d'une ligne doit disparaître, utilisez
K zarf P 100 106pour examiner les timbres des mots et le son. - Si une répétition volontairement expressive (« pas à pas », « info info info ») ne doit pas être automatiquement supprimée, écrivez son intervalle dans
P/korunacak.jsonsous le même format. - Les répétitions par contraste ou anaphore ne sont pas des répétitions à supprimer : « Ici il y a quelque chose. Ici il y a autre chose. » – les deux sont conservés.
4. Blocs image (optionnel) : P/bloklar.json. S'il n'existe pas, tout l'enregistrement est un seul bloc caméra.
[
{"etiket": "intro", "bas": 0, "son": 95.5, "goruntu": "kamera"},
{"etiket": "demo", "bas": 95.5, "son": 400, "goruntu": "ecran"},
{"etiket": "test en cours", "bas": 400, "son": 520, "goruntu": "ecran-hizli"}
]
kamera: plein écran de l'enregistrement principal ; entre les coupes, un zoom 1,00 / 1,06 alterne.ecran: plein écran de l'enregistrement d'écran, avec une petite caméra arrondie dans le coin. Dans les blocs où vous ne voulez pas de caméra en incrustation, mettez"kose": false.ecran-hizli: les silences ne sont pas supprimés ; les passages sans parole de plus de 2,4 s sont accélérés 2× (4× si >6 s), avec un badge « 2× » en haut à gauche. À utiliser pour montrer quelque chose en cours d'exécution.- Placez la limite de bloc entre deux phrases. Si la personne ne regarde pas la caméra (elle parle en regardant l'écran), cette partie doit être
ecran; montrez son visage uniquement lorsqu'il regarde l'objectif. En cas de doute, extrayez quelques images des deux sources (ffmpeg -ss <sec> -i camera.mp4 -frames:v 1 image.jpg).
5. Re‑générez le plan et relisez.
K kurgu P
Le fichier dokum.md est réécrit. Vérifiez que les lignes ATILDI ont bien pris la bonne phrase et que le texte restant se lit de manière fluide. Répétez les étapes 3-5 si nécessaire ; cette étape ne prend que quelques secondes.
6. Synchronisation (si enregistrement d'écran présent).
K senkron P # ecran_t = camera_t + offset + pente·camera_t → P/senkron.json
Le r des fenêtres doit être supérieur à 0,5 et les offsets cohérents à quelques ms près. Si l'enregistrement d'écran n'a pas de micro, spécifiez l'offset manuellement : K senkron P --ofset 2.5.
7. Export. D'abord un petit test, puis l'export complet (les fragments restent en cache, le second export est rapide) :
K cek P --bas 0 --bit 15 # les 16 premiers fragments → P/cikti/kurgu-0-15.mp4
K cek P [--boyut 2560x1440] # tout → P/cikti/kurgu.mp4
K temas P # une image par bloc → P/kontrol/temas.jpg (regardez avec Read)
Regardez absolument temas.jpg. Si le visage de la caméra en incrustation est trop petit ou trop décentré, ajustez le recadrage avec --kose-kirp 0.52,0.45,0.5 (centre x, centre y, côté/hauteur). Si l'enregistrement d'écran a des bandes noires ou une barre de navigateur sur les bords, recadrez avec --ekran-kirp 2468:1388:46:47 (largeur:hauteur:x:y, en pixels source) ; conservez le format 16:9.
8. Vérifiez et corrigez.
K dogrula P # re‑décode la piste coupée → P/dogrula.md
K pencere P 104.10 212.75 # ±3 s autour des jonctions suspectes (secondes source)
Dans dogrula.md, pour chaque suspect :
- EKSİK (mot attendu non audible) : commencez par
pencerepour lui faire écouter. Les mots courts (et, de, le) sont souvent sautés par Whisper lors du second passage ; la plupart sont de fausses alarmes. Si un mot a vraiment été coupé, élargissez ou réduisez les limites deatilacakcorrespondantes, ou retirez la coupe. - SIZAN (un mot qui devait être coupé est encore audible) : agrandissez l'intervalle de la coupe pour qu'il inclue ce mot.
- Avant d'affirmer qu'une coupe est erronée, écoutez avec
zarf; ne vous fiez pas aux timbres.
Après correction, relancez kurgu → cek → dogrula. Les parties non modifiées ne sont pas regénérées.
9. Rapport à l'utilisateur. Court et chiffré :
- durée : brut → monté (ex. 4:00 → 2:48, soit 30 % de moins), nombre de fragments et de blocs ;
- vos coupes manuelles, une par une avec justification (temps + une ligne) ;
- nombre de répétitions supprimées automatiquement, intervalles accélérés ;
- vérification : nombre de jonctions, nombre de suspects, lesquelles ont été corrigées, lesquelles étaient de fausses alarmes ;
- niveau sonore (LUFS) et chemin du fichier de sortie. Signalez séparément les coupes de contenu (digressions trop longues) ; si l'utilisateur veut les rétablir, une simple suppression de ligne suffit.
Règles apprises (résumé)
- Le son décide. Un intervalle sans mot ne signifie pas silence : Whisper peut avaler des répétitions. Le point de coupe est trouvé dans l'enveloppe sonore ; les mots ne font qu'indiquer ce qui doit être conservé.
- Le timbre Whisper dérive d'environ 0,5 s (souvent en avance). Ne coupez pas sur le timbre, coupez sur le son.
- Ne coupez pas au milieu d'un mot. Les limites de région se placent là où le son se termine, avec une marge de respiration : 0,28 s après une phrase, 0,12 s à l'intérieur d'une phrase ; commencez 0,06 s avant.
- Dans un long contexte, Whisper avale les bégaiements ; c'est pourquoi la transcription est découpée en fragments indépendants de ≤10 s.
- Le son et l'image sont sur la même grille temporelle (30 ips, un fragment = une image entière, son = image × 1600 échantillons).
- Ne rédigez pas un second passage « raccourcir les blancs » ; cela a été testé et a avalé des mots (détails dans kurallar.md).
Règles complètes avec mesures : references/kurallar.md. Formats de fichiers et options des commandes : references/dosyalar.md.
Limitations connues
- Un seul enregistrement principal (son + caméra). Si plusieurs fragments, concaténez‑les d'abord avec ffmpeg ou faites un projet par fragment.
- Le son provient toujours de l'enregistrement principal ; le son de l'enregistrement d'écran n'est utilisé que pour la synchronisation.
- Le recadrage de la caméra en incrustation est fixe ; pas de suivi de visage.
- Pas d'effet de transition dans les blocs caméra ; les jump cuts sont adoucis par un zoom.
[ADAY]est bruité (environ 17 lignes pour 4 minutes) ; la plupart sont des répétitions naturelles comme « il faut … il faut ». C'est en lisant la transcription que vous trouverez les vrais redémarrages ; la liste des candidats n'est qu'un indice.- Les notes de montage (« mets un son de cloche ici », « fait apparaître une barre ici ») sont supprimées mais pas exécutées : les graphiques et effets ne font pas partie de ce skill. Listez‑les séparément dans le rapport.