Que fait Collage B-roll Explainers ?

Compressez une ligne de voix off d'environ 5 secondes en une idée visuelle nette, puis transformez-la en une animation d'assemblage de collage papier éditorial de haute qualité.

Pipeline par défaut :

Concevez la métaphore visuelle uniquement, puis attendez la confirmation de l'utilisateur
Générez l'image fixe finale uniquement, puis attendez la confirmation de l'utilisateur
Générez automatiquement la vidéo avec des références de première/dernière image et exécutez l'AQ
Générez éventuellement une voix off adaptée et intégrez-la

Les deux étapes de confirmation font partie du flux de travail, pas de la surcharge. Elles permettent à l'utilisateur de concentrer son attention sur l'esthétique et la direction, et évitent qu'une métaphore erronée ou une image incorrecte ne brûle le coût de génération vidéo.

Prérequis d'exécution

Serveur MCP MaxFusion connecté et authentifié (https://mcp.maxfusion.ai/mcp). Toute génération d'image, vidéo et parole passe par lui. S'il n'est pas connecté, arrêtez-vous et guidez l'utilisateur pour la connexion avant de faire quoi que ce soit d'autre.
Accès aux fichiers locaux et ffmpeg (par ex. Claude Code) : la préparation des images, l'AQ vidéo, la livraison silencieuse et l'adaptation de la voix off téléchargent les ressources et les traitent localement. Un agent en sandbox (sans téléchargements locaux) peut toujours exécuter les trois étapes et afficher les résultats dans le widget MaxFusion, mais doit informer l'utilisateur que la préparation des images se limite à une correspondance de couleurs basée sur le texte seul et que l'auto-AQ image par image, le retrait audio et l'adaptation de la voix off ont été ignorés — l'utilisateur doit juger le clip visuellement et le couper dans son éditeur.

Protocole d'approbation obligatoire

Étape 1 : Confirmation de la métaphore

Lorsque vous recevez la ou les lignes de script, proposez d'abord des métaphores visuelles. Ne générez aucune image, ne générez aucune vidéo, n'appelez aucun outil de génération.

Pour chaque ligne, fournissez :

Sens principal
Émotion
Proposition visuelle en une phrase
3 à 6 objets clés
Couleur d'arrière-plan suggérée et couleurs d'accent locales
Ordre d'assemblage prévu

Arrêtez-vous ensuite explicitement et attendez que l'utilisateur réponde "approuvé", "tout approuvé", ou donne des notes de révision par élément.

Si l'utilisateur n'approuve que certains des éléments numérotés, seuls les éléments approuvés passent à l'Étape 2 ; continuez à itérer sur les métaphores pour les autres.

Étape 2 : Confirmation de l'image fixe

Ce n'est qu'après la confirmation de la métaphore que vous rédigez le cahier des charges visuel et le prompt d'image, et générez l'image fixe finale avec maxfusion_generate_image.

Enregistrez les originaux dans le répertoire du projet, construisez un planche contact numérotée des images fixes, affichez chaque image à l'utilisateur (maxfusion_display_generation, un appel par image, plus la correspondance numérotée), et arrêtez-vous à nouveau. À ce stade, vous ne générez toujours pas de vidéo.

Si l'utilisateur n'approuve que certaines images, seules les images approuvées passent à l'Étape 3 ; régénérez d'abord les images rejetées et reconfirmez-les.

Étape 3 : Génération vidéo

Une fois les images confirmées, générez immédiatement. Le modèle vidéo est verrouillé :

video_model: gemini-omni-flash

Aucun autre modèle vidéo n'est jamais utilisé. Ne proposez pas de choix de modèle, ne demandez pas à l'utilisateur quel modèle utiliser, ne retombez pas sur autre chose en cas d'échec — appliquez le playbook de réparation et relancez sur gemini-omni-flash.

Critères de succès

Une ligne exprime exactement une métaphore claire
Un lot partage un langage de conception unique, mais n'est pas contraint à un seul arrière-plan bleu
L'arrière-plan est un champ de couleur fort, plat et uniforme, varié selon le sens
Les sujets sont construits à partir de découpages photographiques en noir et blanc demi-teintes
Les cartes clés, boutons, bandes de film, livrets de règles, etc. peuvent utiliser du carton de couleur rouge, jaune, sarcelle, orange, violet ou crème
Chaque pièce en papier a des bords de coupe nets, une ligne clé crème, une ombre douce à faible opacité et un grain de papier
Le mouvement est un assemblage à partir du vide — pas de dérive douce, d'oscillation ou de zoom lent
Pas de sous-titres, pas de texte de script complet, pas de logos, pas de filigrane, pas d'interface utilisateur
Livraison par défaut : 9:16, 5 secondes, 720p, MP4 silencieux (piste audio retirée) — ou version avec voix lorsque l'utilisateur le souhaite

Quand NE PAS utiliser cette compétence

Un contrôle précis des calques, de l'occlusion, des survols de caméra ou d'une timeline modifiable est nécessaire : utilisez plutôt un outil d'animation par calques (par ex. une approche vidéo par calques rendue en HTML)
L'utilisateur ne veut qu'un prompt vidéo, pas un clip fini : écrivez simplement le prompt, ignorez ce flux
L'utilisateur a besoin d'une publicité produit avec une personne réelle ou d'un présentateur à l'écran : n'utilisez pas ce flux de collage
L'utilisateur a explicitement besoin d'actifs transparents modifiables par calque : cette compétence ne fournit pas de calques transparents séparés

Répertoire de projet par défaut

Dossier de travail local, nommé avec la date locale de l'utilisateur :

~/collage-broll-projects/YYYY-MM-DD-<titre>/

Structure recommandée pour les projets par lots :

<projet>/
├── brief.md
├── visual-spec.json
├── imagegen-prompts.md
├── omni-jobs.json
├── gate2-qa.md
├── gate3-qa.md
├── still-contact-sheet.jpg
├── omni-contact-sheet-all.jpg
├── video-first-frame-all.jpg
├── end-frame-comparison-all.jpg
├── 01-<nom-concept>/
│   ├── omni-prompt.txt
│   ├── voiceover-raw.mp3            (étape facultative de voix off)
│   ├── voiceover-trim.mp3
│   ├── frames/
│   │   ├── last-frame-original.png
│   │   ├── first-frame.png
│   │   └── last-frame.png
│   └── omni/run-v01/
│       ├── final-5s.mp4
│       ├── final-5s-noaudio.mp4
│       ├── final-5s-voiced.mp4      (étape facultative de voix off)
│       ├── contact-sheet.jpg
│       ├── video-last-frame.jpg
│       └── end-frame-comparison.jpg
└── 02-<nom-concept>/...

Créez également un projet MaxFusion via maxfusion_create_project (même nom) et transmettez son id comme project_id / project_group_id sur chaque génération du lot, afin que tous les actifs restent regroupés dans l'espace de travail. Suivez par élément : le texte de la métaphore confirmée, l'id du job image + l'id de l'image de l'image fixe confirmée, les file_id de la première/dernière image téléchargées, l'id du job vidéo + l'id de la vidéo, et le verdict d'AQ — et signalez ces identifiants à l'utilisateur à chaque étape afin que n'importe quel élément puisse être référencé ou relancé individuellement.

Phase 1 : Concevoir la métaphore visuelle

Compressez d'abord la ligne de script en une seule proposition visuelle.

Extrayez :

Sens principal : ce que le spectateur doit finalement comprendre
Émotion : calme, surprise, urgence, clarté soudaine, absurdité, ironie
Verbes d'action : ouvrir, connecter, fuir, lier, archiver, allumer, compresser, bifurquer, assembler
Candidats métaphores visuelles : machine, horloge, bande de film, classeur, console, livret de règles, entonnoir, voie ferrée, pièce d'échecs

Ne mettez pas le texte du script textuellement dans l'image. Par défaut, une métaphore par ligne, limitée à 3–6 objets clés ; trop d'éléments dilue le sens et rend l'assemblage Omni instable.

Préférez les métaphores qu'un spectateur reconnaît de la vie quotidienne (une bouilloire, une boule de neige, une cabine photo) plutôt que des métaphores abstraites — la ligne parlée fait le pont vers le sujet réel de l'utilisateur, donc les visuels peuvent rester sauvages sans être obscurs.

Pour les lots, préférez les métaphores qui forment un récit avant/après — par exemple, d'abord le travail manuel et l'expérience qui s'échappe, puis le processus codifié et la division du travail homme-machine.

Exemple de sortie de l'étape 1

1. Sens principal : l'expertise est consommée à partir de zéro à chaque fois
   Métaphore visuelle : un monteur expérimenté encercle une horloge géante en bande de film, coupant image par image ; l'horloge fait un tour complet mais ne produit qu'une courte bande de film fini
   Objets clés : horloge en bande de film, figure du monteur, ciseaux, courte bande de sortie
   Couleurs : champ orange brûlé, accents crème et sarcelle clair
   Ordre d'assemblage : horloge → figure avec ciseaux → bande de film → courte sortie finale

Produisez ceci et arrêtez-vous ; attendez la confirmation.

Phase 2 : Générer les visuels de collage en couleur

Une fois la métaphore confirmée, écrivez d'abord un visual-spec.json autonome, puis le prompt d'image.

Cahier des charges visuel

{
  "script_meaning": "",
  "visual_metaphor": "",
  "style_signature": "champ de couleur plat et audacieux, découpages mixtes noir et blanc demi-teintes et accents en carton de couleur, bords de coupe nets, lignes clés crème, ombres papier douces, collage papier éditorial",
  "aspect_ratio": "9:16",
  "color_field": {
    "background_hex": "",
    "accent_colors": [],
    "paper_grain": "fibre de papier fin non couché"
  },
  "elements": [
    {
      "what": "",
      "role": "",
      "motion": "",
      "placement": ""
    }
  ],
  "composition": {
    "layout": "",
    "negative_space": "",
    "final_frame": ""
  },
  "motion_plan": "structure d'abord, sujet ou cartes ensuite, action et résultat en dernier",
  "avoid": "typographie, lettres lisibles, chiffres, logos, filigrane, interface utilisateur, sous-titres, 3D brillant, environnement photoréaliste"
}

Règles de couleur

Ne traitez pas le bleu cobalt comme la valeur par défaut. Choisissez un champ de couleur fort à partir du sens, et dans un lot, gardez "même langage de conception, différentes couleurs de champ" :

Orange brûlé / rouge : consommation de temps, travail, urgence
Jaune moutarde : outils, avertissement, expérience qui s'échappe
Vert encre : cognition, goût, réinitialisation du système
Violet profond : règles, codification, mémoire à long terme
Sarcelle : jugement, collaboration, exécution autonome

Les sujets restent principalement en noir et blanc demi-teintes, mais chaque accent en carton de couleur doit servir la hiérarchie de l'information — jamais de couleur pour la couleur elle-même.

Modèle de prompt d'image

Générez avec maxfusion_generate_image (modèle par défaut, aspect_ratio: "9_16", quality: "high") :

Use case: ads-marketing
Asset type: image fixe finale pour un clip B-roll image-vers-vidéo 9:16
Demande principale : Créez une image de collage papier éditorial finie exprimant [proposition visuelle en une phrase].
Scène/arrière-plan : champ de papier [nom de couleur] parfaitement plat [hex] avec une fibre de papier non couché subtile.
Style/médium : collage papier stop-motion éditorial haut de gamme ; découpages photographiques noir et blanc demi-teintes mélangés avec du carton de couleur [couleurs d'accent] sélectif.
Composition/cadrage : affiche verticale verrouillée 9:16 ; sujet central dans les 70 pour cent du milieu ; espace négatif généreux de champ de couleur propre ; 3 à 6 grands groupes de papier séparables pour l'animation d'assemblage à partir du vide ultérieure.
Matériaux/textures : points de trame visibles, bords de coupe nets à la machine, fines lignes clés papier crème chaud, ombres portées douces à faible opacité.
Contraintes : [la seule relation que cette métaphore doit communiquer au premier coup d'œil].
Évitez : pas de typographie, pas de lettres lisibles, pas de chiffres, pas de logos, pas de filigrane, pas d'interface utilisateur, pas de sous-titres, pas de 3D brillant, pas d'environnement photoréaliste, pas de désordre.

Si la scène contient un cadran, un cadran d'horloge, un indicateur ou un compteur, ajoutez une contrainte explicite que chaque marque est une simple ligne de graduation — jamais de chiffres romains ou de chiffres. Si la scène contient une figure endormie, interdisez explicitement les marques "Zzz". Les modèles vidéo adorent les introduire subrepticement.

Interrogez le travail avec maxfusion_get_job (wait: 60) ; téléchargez chaque image fixe depuis son URL d'actif vers <item>/frames/last-frame-original.png et enregistrez l'id du job image + l'id de l'image.

AQ des images fixes

La métaphore est-elle lisible au premier coup d'œil
Le sujet est-il concentré
Y a-t-il de faux lettrages, logos, filigranes ou interface utilisateur
Assez de champ de couleur pure laissé pour assembler à partir d'une image vide
3 à 6 grands groupes clairs, pas un écran plein de confettis
Dans tout le lot : texture unifiée, couleurs de champ variées

Copiez les originaux qui réussissent dans le répertoire du projet, construisez une planche contact numérotée des images fixes, montrez-la à l'utilisateur (plus maxfusion_display_generation par image), et arrêtez-vous pour la confirmation de l'Étape 2. Écrivez les verdicts d'AQ des images fixes dans <projet>/gate2-qa.md.

Si l'utilisateur demande de régénérer certaines images fixes, régénérez uniquement celles-ci et produisez still-contact-sheet-v2.jpg (v3, v4… lors des tours suivants), en conservant les anciennes planches contact pour comparaison — ne les remplacez jamais et ne réutilisez jamais une image fixe rejetée en aval.

Phase 3 : Générer la vidéo avec Omni

1. Préparer la première et la dernière image

Conservez l'original de la génération d'image, puis normalisez la dernière image :

ffmpeg -y -i <item>/frames/last-frame-original.png \
  -vf "scale=1080:1920:force_original_aspect_ratio=increase,crop=1080:1920" \
  <item>/frames/last-frame.png

La première image est par défaut un champ de papier vide pur dans la même couleur d'arrière-plan que la dernière image :

ffmpeg -y -f lavfi -i color=c=0x<HEX>:s=1080x1920 \
  -frames:v 1 <item>/frames/first-frame.png

(<HEX> est le background_hex du cahier des charges visuel — le même hex écrit dans le prompt d'image, ce qui garantit que les deux images sont sur la même couleur.)

Ce n'est que si l'utilisateur demande explicitement de ne pas partir d'un champ vide que la première image peut conserver un objet structurel de base.

Téléchargez les deux images sur MaxFusion avec maxfusion_upload_asset (purpose: "image_reference", content_type: "image/png", size_bytes exact, filename) : l'outil retourne une session de téléchargement — POSTez un formulaire multipart vers upload.url avec chaque clé/valeur de upload.fields exactement comme donnée plus les octets du fichier comme dernière partie nommée file (tout 2xx = succès), puis utilisez chaque file_id retourné. Enregistrez les deux file_id par élément.

2. Écrire le prompt d'animation Omni

Ordre d'action par défaut :

structure de base → figure ou cartes clés → connecteurs → action → résultat final

Modèle de prompt (enregistrez par élément comme <item>/omni-prompt.txt) :

Assemblage papier-collage en stop-motion, utilisant l'Image 1 comme première image vide exacte et l'Image 2 comme dernière image complétée exacte. Dans un plan vertical continu verrouillé, ouvrez sur le champ de papier [couleur] plat vide.

Assemblez la scène pièce par pièce avec un timing stop-motion net et physique : [décrivez, dans l'ordre, comment les 3 à 6 éléments glissent, se mettent en place, se connectent et complètent l'action]. Terminez en maintenant la composition complétée fournie.

Préservez le cadre exact 9:16, le champ de couleur [hex], les accents en carton de couleur, le grain de papier non couché, les points de trame, les lignes clés crème, les bords de coupe nets et les ombres douces. Uniquement un artisanat papier 2D tactile et retenu.

Pas de coupure de scène, pas de mouvement de caméra, pas de zoom, pas de morphing, pas de nouveaux objets, pas de texte, pas de lettres, pas de chiffres, pas de logos, pas de filigrane, pas d'interface utilisateur, pas de son.

Chaque prompt doit indiquer que l'Image 1 est la première image vide et l'Image 2 la dernière image complétée confirmée. La composition finale doit atterrir sur l'Image 2 — ne laissez pas le modèle redessiner ou dériver.

3. Générer la vidéo et effectuer l'AQ

Appelez maxfusion_generate_video avec :

model: gemini-omni-flash
aspect_ratio: "9_16"
first_frame_image_id: <file_id de first-frame.png>
last_frame_image_id: <file_id de last-frame.png>
animation_prompt: <contenu de omni-prompt.txt>

Ne définissez pas duration_seconds — par défaut, le modèle produit ~5 secondes. Si l'utilisateur demande explicitement une durée différente, appliquez-la. Ne définissez pas de seed.

Interrogez avec maxfusion_get_job (wait: 60). Si l'appel échoue, appliquez le playbook de réparation, ne changez pas de modèle.

Playbook de réparation Omni

Essayez ces correctifs dans l'ordre si le travail Omni échoue, en relançant après chaque correctif :

Supprimez l'ordre d'assemblage verbeux du prompt — remplacez-le par "assemble [objets] sans ordre spécifique"
Supprimez les contraintes de style et de texture du prompt — ajoutez "privilégiez la composition générale et les couleurs"
Réduisez le nombre d'objets dans le prompt — listez-en un de moins
Régénérez uniquement la nouvelle first-frame.png en définissant une couleur de champ hexadécimale légèrement différente, et réessayez
Régénérez last-frame.png à une résolution légèrement différente (par ex. 1080:1920 → coupez à 1075:1915 puis redimensionnez à 1080:1920)
Si les cinq correctifs échouent, signalez-le à l'utilisateur comme une panne réelle du modèle — n'utilisez pas de modèle de secours.

AQ vidéo (uniquement si ffmpeg est disponible et que les images ont été préparées localement)

# Capturer la dernière image de la vidéo Omni
ffmpeg -sseof -1 -i "<item>/omni/run-v01/final-5s.mp4" \
  -update 1 -q:v 1 "<item>/omni/run-v01/video-last-frame.jpg"

# Comparer avec l'image de référence
# (évaluez visuellement ou avec un outil de comparaison d'images)

Critères d'AQ :

La vidéo commence-t-elle par un champ de couleur vide (ou presque vide) et se termine-t-elle sur la composition confirmée ?
Tout le texte, lettres, chiffres, logos, filigranes ou interface utilisateur présents ? (rejetez si oui)
Mouvement trop rapide, trop lent ou saccadé ?
Objets flous, manquants ou déformés par rapport à l'image fixe ?
La vidéo dure-t-elle 5 secondes ou la durée demandée ?

Si un ou plusieurs éléments échouent, ne régénérez pas automatiquement — résumez les problèmes à l'utilisateur et demandez-lui s'il souhaite régénérer. S'il approuve, réappliquez un prompt raccourci ou un autre correctif du playbook, ne modifiez pas le modèle.

Nettoyez la piste audio de la vidéo Omni :

ffmpeg -y -i "<item>/omni/run-v01/final-5s.mp4" \
  -c:v copy -an \
  "<item>/omni/run-v01/final-5s-noaudio.mp4"

Nommez le fichier avec le concept et le numéro de version et présentez-le à l'utilisateur (maxfusion_display_generation), en citant la métaphore, les identifiants Omni, et le verdict d'AQ. Écrivez les verdicts d'AQ dans <projet>/gate3-qa.md.

Phase 4 (facultative) : Adapter la voix off générée

Si l'utilisateur le demande, faites un accord sur le ton — par défaut "conversationnel", "clair", "rythme modéré", "anglais américain neutre". Générez avec maxfusion_generate_speech en utilisant la ligne de script comme texte. Lisez la ligne de script exacte dans le champ du prompt — n'autorisez pas la modification.

Téléchargez le MP3 brut dans <item>/voiceover-raw.mp3. Découpez le silence de tête/queue :

ffmpeg -y -i "<item>/voiceover-raw.mp3" \
  -af "silenceremove=start_periods=1:start_silence=0.2:start_threshold=-30dB,\
        silenceremove=stop_periods=1:stop_silence=0.2:stop_threshold=-30dB" \
  "<item>/voiceover-trim.mp3"

Muxez sur la vidéo silencieuse :

ffmpeg -y -i "<item>/omni/run-v01/final-5s-noaudio.mp4" \
  -i "<item>/voiceover-trim.mp3" \
  -c:v copy -c:a aac -shortest \
  "<item>/omni/run-v01/final-5s-voiced.mp4"

Affichez-la à l'utilisateur avec maxfusion_display_generation.

S'il y a un décalage notable entre l'audio et la vidéo, n'ajustez pas automatiquement — dites à l'utilisateur que la voix off et la vidéo ont été livrées séparément et qu'il peut les aligner dans son monteur.

Intégration et retour d'information

Enregistrez les décisions à chaque étape

{
  "gate1_metaphor_approved": "",
  "gate2_still_approved": { "image_job_id": "", "image_id": "" },
  "gate3_video_generated": { "video_job_id": "", "video_id": "", "qa_verdict": "" },
  "gate4_voiceover_generated": { "speech_job_id": "", "voiceover_path": "" }
}

Écrivez ces décisions dans un fichier <projet>/omni-jobs.json et mettez-le à jour à chaque étape.

Affichez tout en utilisant les widgets MaxFusion

Après chaque génération réussie, appelez maxfusion_display_generation avec chaque job_id ou asset_id pertinent pour restituer le résultat dans la conversation. Utilisez-le pour afficher les images fixes, les vidéos et les voix off dès qu'ils sont prêts. Pour les planches contact d'images fixes, téléchargez le fichier local et affichez-le directement dans la conversation via un message utilisateur — les widgets MaxFusion sont destinés aux actifs individuels de génération.

Considérations importantes

L'approbation humaine n'est pas une étape facultative. Utilisez le système de double vérification. Votre travail consiste à livrer un clip de qualité professionnelle ; l'approbation de l'utilisateur est ce qui garantit que le résultat final correspond à son intention créative. Cela n'ajoute pas de friction — cela protège contre une sortie incorrecte.

Optimisez chaque tour pour que le rapport signal/bruit soit élevé. Les modèles Omni actuels produisent de meilleurs résultats avec moins d'objets articulés. Si la métaphore nécessite plus de 6 éléments, divisez-la en plans plus simples ou proposez une métaphore différente. Utilisez le seuil de complexité pour affiner la proposition visuelle plutôt que d'encombrer l'image.

Restez dans le flux. Ne sautez pas d'étape, ne montrez pas "presque" des résultats — suivez la séquence exacte des étapes. Si l'utilisateur demande une modification qui viole le protocole d'approbation, expliquez que la modification sera prise en compte à la prochaine étape. Si l'utilisateur insiste pour court-circuiter, documentez l'écart dans le fichier de décisions et continuez avec la prochaine étape valide.

Un code, deux commandes, trois couleurs. Toute la logique technique (préparation des images, AQ, découpage audio) s'appuie sur ffmpeg en local ou sur des références aux API MaxFusion à distance. Aucun outil tiers supplémentaire n'est nécessaire. La boucle de retour visuelle repose sur trois couleurs d'arrière-plan principales — utilisez-les pour structurer la narration visuelle, pas pour le décor.

Collage B-roll Explainers

Qu'est-ce que Collage B-roll Explainers ?

Demander à votre IA préférée

Documentation