Communitygithub.com

Montage Vidéo

Montre à un agent comment planifier, construire ou couper un "montage vidéo" de sorte que le résultat concret soit un logo et une petite fiche de marque. La procédure passe par le montage vidéo, le flux de travail, 1. Configurer un dossier de travail dans le projet. À utiliser lorsqu'une nouvelle tâche nécessite ce savoir-faire.

Qu'est-ce que Montage Vidéo ?

Cette compétence (skill) permet à un agent IA comme Claude Code de réaliser un montage vidéo complet, de l'analyse des rushes bruts jusqu'à la livraison finale, en générant automatiquement un logo et une fiche de marque. Elle s'appuie sur une suite de scripts Python (ffmpeg, OpenCV, Whisper) et un flux de travail structuré en huit étapes : analyse des rushes avec transcription et identification des meilleurs moments, conception d'un plan de montage détaillé, écriture d'une EDL (Edit Decision List), rendu, auto-révision par l'agent et vérification qualité (loudness, légendes). L'agent est capable de donner du style à la vidéo, d'ajuster le format (9:16, 16:9, etc.), d'ajouter des effets (zoom, transitions, karaoké, incrustation 3D) et de synchroniser la musique avec les coupes. Le résultat final est un fichier vidéo prêt à être livré, accompagné d'un logo et d'une fiche de marque, après plusieurs itérations de rendu et de contrôle qualité, sans intervention humaine pour les choix par défaut (format, sous-titres, musique, étalonnage).

Compatible avec✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/fujiezee/cutvideo/tree/HEAD/.claude/skills/video-edit

Demander à votre IA préférée

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

Documentation

Que fait Montage Vidéo ?

Vous êtes le monteur. L'utilisateur ne fournit que les rushes ; vous les regardez (fiches de contact + transcription), décidez de l'histoire et de la coupe, écrivez une EDL, effectuez le rendu, révisez votre propre rendu et itérez jusqu'à ce que ce soit bon. Ne posez des questions que lorsqu'un choix leur appartient vraiment et ne peut être déduit (voir "Valeurs par défaut").

Les scripts se trouvent dans .claude/skills/video-edit/scripts/ (appelez-les avec python3). Prérequis : ffmpeg, Python 3 avec numpy, opencv-python, Pillow ; faster-whisper pour les transcriptions (pip3 install --user faster-whisper ; le modèle se télécharge lors de la première utilisation). Optionnel : rembg pour des découpes plus nettes dans les présentations de personnages.

Flux de travail

1. Configurer un dossier de travail dans le projet

Placez tout sous edits/<job-name>/ dans le projet actuel (pas dans /tmp) : les outils de fichiers peuvent uniquement lire les images dans le projet, et vous devez pouvoir consulter les fiches.

J=edits/<job-name>; mkdir -p $J
S=.claude/skills/video-edit/scripts

2. Analyser (regarder les rushes)

python3 $S/analyze.py IN1.mp4 IN2.mov ... --out $J/work [--music song.mp3] [--lang zh] [--model small]
  • --model : base est rapide, small (par défaut) est un bon équilibre, large-v3 pour un audio difficile.
  • Rushes longs (> 20 min au total) peuvent prendre quelques minutes ; exécutez-les en arrière-plan.
  • Ajoutez --no-transcribe pour les rushes sans parole significative.

Ensuite, lisez $J/work/summary.md et ouvrez chaque fiche de contact dans $J/work/sheets/ avec l'outil Read. Chaque vignette est étiquetée v<n> s<shot> m:ss.xx. À partir de cela, écrivez-vous un court journal de contenu : qui/quoi/où, les meilleurs moments (avec horodatages), les plans faibles (flous, sombres, tremblants, en double), ce qui est dit, et l'ordre naturel de l'histoire. Si vous avez besoin d'un regard plus précis sur un moment, extrayez des images :

python3 $S/preview.py IN.mp4 --at 12.5 13.0 13.5 --every 999 --out $J/work/look

analysis.json contient toutes les données : liste des plans avec motion / brightness / sharpness / colorfulness / loudness_db / score, audio.silences, audio.speech_spans, segments de transcription avec minutage des mots, et pour la musique bpm, beats, strong_beats, drops.

Corrigez les erreurs de reconnaissance vocale avant le sous-titrage : les mots mal compris vont dans subtitles.replace ; les mots manquants ou mal minutés sont corrigés directement dans analysis.json (conservez une copie de l'original). Vérifiez les noms, les chiffres et tout mot que les sous-titres mettront en évidence.

2b. Lorsque l'on vous demande ce que les rushes peuvent devenir : le menu de styles

python3 $S/styles.py $J/work/analysis.json [--exclude 588-708 v2:0-5]

Écrit work/styles.md : caractéristiques des rushes (densité des dialogues, citations marquantes, action, visages, gros plans, portraits statiques, plans larges calmes, plans sombres/néon, audio de type musical) et un score par style avec raisons, plans de support et lacunes. Regardez d'abord les fiches et excluez les crédits, les ardoises et les rushes de test (--exclude, secondes). Ensuite, vérifiez les meilleurs styles par rapport à ce que vous avez vu, supprimez ou ajoutez des styles selon votre jugement, et présentez le menu : par style, une ligne décrivant "ce que ce serait" (histoire / aspect), format et durée, et ce qui manque. Proposez d'en couper plusieurs ; chaque style choisi aura ensuite son propre plan (étape 3).

3. Concevoir le montage : écrivez $J/plan.md avant toute EDL

Ne passez jamais directement des rushes à une EDL. Choisissez une approche dans reference/editing-playbook.md, puis rédigez le plan avec cette structure :

# Plan de montage : <job>
Objectif / public / plateforme : ...            Format : 9:16 1080x1920, ~30 s, crop adapté
Accroche : <l'histoire de cette vidéo en une phrase>
## Structure
| # | Section | Temps | Image (v/plan @ temps source) | Son (dialogue / musique / SFX) | Texte |
|---|---|---|---|---|---|
| 1 | Accroche | 0-3 s | v1 s12 @ 41.2 meilleure réaction | "réplique..." + boom | titre |
## Musique
Piste, décalage, BPM, où tombent le drop / les hits (pins), ce qui est synchro sur le beat
## Aspect
Étalonnage, corrections par plan, transitions et budget d'effets (quelles coupes ont des accents)
## Texte
Style de sous-titre (simple / karaoké / bilingue), titres, cartes, présentations de personnages
## Risques / questions ouvertes
Rushes faibles, couverture manquante, licence/attribution, éléments que l'utilisateur doit décider

Ensuite, montrez à l'utilisateur un court résumé du plan (accroche, structure en quelques lignes, durée, format, musique) et continuez, à moins que quelque chose dans le plan ne modifie le résultat et ne puisse être déduit (objectif, plateforme/format, limite de durée, quelle personne est le sujet) : posez ces questions, au maximum 3, avant le rendu. Si l'utilisateur a demandé d'approuver le plan d'abord, attendez. L'EDL implémente le plan ; lorsque vous vous écartez du plan pendant le montage, mettez à jour plan.md.

Raccourci optionnel pour une première passe, puis affinez manuellement :

python3 $S/draft_edl.py $J/work/analysis.json --mode jumpcut|montage --out $J/edl.json \
  [--format 9:16|16:9|1:1|4:5|source] [--duration 30] [--music song.mp3] [--title "..."] [--grade cinematic]

jumpcut conserve la parole et supprime les silences (il utilise la transcription) ; montage prend les plans les mieux notés et les synchronise sur le beat. Une ébauche n'est jamais le montage final : supprimez les reprises, le remplissage et les erreurs que vous avez trouvés dans la transcription, réorganisez pour l'histoire, ajoutez des plans de coupe B-roll sur la parole, des incrustations, des titres.

4. Écrire l'EDL

Écrivez $J/edl.json. Format complet : reference/edl.md. Structure minimale :

{
  "analysis": "work/analysis.json",
  "output": {"path": "out/final.mp4", "width": 1080, "height": 1920, "fps": 30, "fit": "blur"},
  "grade": "natural",
  "clips": [
    {"src": "v1", "in": 3.2, "out": 7.9, "effects": [{"type": "zoom_in", "amount": 0.08}]},
    {"src": "v2", "in": 0.0, "out": 2.4, "transition": {"type": "fade", "duration": 0.3}}
  ],
  "texts": [{"text": "Titre", "start": 0.2, "end": 2.5, "style": "title"}],
  "subtitles": {"enabled": true, "style": "caption"},
  "music": [{"path": "song.mp3", "volume": 0.3, "duck": true}]
}

Les chemins dans l'EDL sont relatifs au fichier EDL. src peut être v1, v2... (ids de l'analyse).

5. Effectuer le rendu, puis révisez votre propre coupe

python3 $S/render.py $J/edl.json --draft   # demi-résolution, rapide : à utiliser pendant les itérations
python3 $S/render.py $J/edl.json           # final

Les clips rendus sont mis en cache dans $J/.render/clips/, donc les re-rendus après de petites modifications de l'EDL sont rapides. La commande affiche la timeline (temps de sortie ↔ plage source) et écrit les fiches de révision dans $J/.render/review/. Ouvrez les fiches de révision et vérifiez : le cadrage après le changement de format (têtes coupées ? utilisez focus ou fit: "blur"), la lisibilité du texte et le chevauchement avec les visages, la précision des sous-titres (corrigez les mots mal compris avec subtitles.replace), les images noires/gelées, le rythme, la cohérence de l'étalonnage. Relisez également $J/.render/subtitles.json par rapport à la transcription. Corrigez et refaites le rendu. Effectuez au moins une passe de révision avant de faire rapport.

Vous ne pouvez pas entendre le résultat, donc le rendu final doit être exécuté avec --qa :

python3 $S/render.py $J/edl.json --qa      # ou : python3 $S/qa.py OUT.mp4 --subs $J/.render/subtitles.json

Cela mesure la sonie (cible environ -14 LUFS) et le pic vrai (≤ -1 dBFS), liste les longs silences, et retranscrit la sortie pour vérifier que chaque légende est encore reconnaissable dans le mix. Une ligne en dessous de 60 % est probablement masquée par la musique/SFX, trop silencieuse, ou coupée par une coupe ou un gel : augmentez le volume du clip, baissez ou atténuez la musique, déplacez la coupe, puis relancez. Lisez .render/qa.json (il montre ce qui a été entendu) avant de décider : une divergence peut aussi être une erreur de reconnaissance vocale ou une légende incorrecte. Vérifiez également la timeline --plan / last_render.json par rapport aux hits musicaux que vous avez ciblés. Mentionnez dans la remise que le mix a été vérifié par mesure et demandez à l'utilisateur d'écouter.

6. Livrer

Autres plateformes à partir du même montage :

python3 $S/render.py $J/edl.json --formats 16:9,9:16,1:1 --qa

Chaque format obtient sa propre sortie (nom_9x16.mp4, ...) : les cibles plus étroites passent aux recadrages avec suivi du visage, les légendes sont replacées et ré-enroulées, les boîtes d'introduction sont redétectées. Placez les ajustements par format sous "formats": {"9:16": {...}} dans l'EDL et révisez chaque format.

Donnez à l'utilisateur : le chemin de sortie, la durée/format, une description de la coupe en 3 à 6 lignes (histoire, moments clés utilisés, effets, musique), le chemin .srt si des sous-titres ont été créés, et tout ce qui, dans plan.md, a changé ou n'a pas pu être fait. Proposez des alternatives qui méritent d'être essayées (autre durée, autre format, musique différente) en une ligne. Conservez edl.json : les demandes de modification ultérieures sont des modifications de celui-ci plus un nouveau rendu.

Valeurs par défaut (lorsque l'utilisateur ne précise pas)

  • Format : même orientation que la plupart des rushes. "短视频 / 抖音 / Reels / Shorts / 小红书" ⇒ 9:16 1080x1920 ; "B站 / YouTube" ⇒ 16:9 1920x1080.
  • Durée : tête parlante ⇒ tout le contenu pertinent, resserré. Montage / highlight ⇒ 15-45 s. Court métrage social ⇒ moins de 60 s.
  • Sous-titres : activés dès qu'il y a de la parole (incrustés, plus .srt).
  • Musique : uniquement si l'utilisateur l'a fournie ou si les rushes n'en ont pas et que l'utilisateur en a demandé. N'inventez jamais de source musicale ; si la musique aiderait clairement et qu'aucune n'a été donnée, mentionnez-le dans la remise. La parole originale reste toujours intelligible (duck: true, volume 0.15-0.35).
  • Étalonnage : natural pour les personnes/paroles ; cinematic ou teal_orange pour les voyages/montages ; gardez un seul étalonnage par vidéo, sauf si un changement est un effet délibéré.
  • Sonie : -14 LUFS (réglé automatiquement).
  • Langue du texte à l'écran : la langue parlée dans les rushes / utilisée par l'utilisateur.

Pièges

  • in/out sont en secondes source ; la durée à l'écran est (out-in)/speed (+ freeze).
  • Une transition xfade chevauche deux clips sur sa durée, raccourcissant le total. Gardez les transitions ≤ 0,5 s et plus courtes que les deux clips voisins.
  • Les légendes proviennent de la transcription et suivent automatiquement les coupes et les changements de vitesse ; les clips muets ou inversés n'en reçoivent aucune. Légendes manuelles : subtitles.items.
  • Montages pilotés par la musique : réglez le offset de la nappe sonore pour que son drop tombe où vous voulez, beat_sync la plage d'action, épinglez les moments clés avec start_at_music, vérifiez avec --plan. Voir la recette de bande-annonce dans le guide.
  • Les SFX synthétisés (sounds avec sfx) n'ont pas besoin de fichiers d'échantillons ; gardez-les sous la musique sauf sur les drops et le titre.
  • Les présentations de personnages (effet {"type": "intro"}) gèlent le clip à at ; le clip s'allonge de hold, les légendes se mettent en pause pendant le gel. box est en coordonnées de l'image de sortie (après recadrage/rembourrage) ; omettez-le pour trouver la personne à partir du visage. Les très gros plans obtiennent automatiquement le look sans découpe. Choisissez une image où la personne est immobile et clairement séparée de l'arrière-plan (plan moyen, visage visible).
  • Les légendes karaoké (subtitles.karaoke) ont besoin de minutages de mots précis : corrigez d'abord la transcription ; les légendes sans minutage de mots répartissent leurs mots uniformément.
  • 3D : style text3d (extrudé, dégradé de face, flip_in / swing, rotate_x/y) pour les titres ; l'effet de clip text_behind place du grand texte entre l'arrière-plan et la personne (rembg par image, ~0,7 s/image : limitez-le à 3-5 s sur des plans statiques) ; overlays ajoute des effets de lumière three.js (particles, hologram, streaks, grid) rendus par Chrome sans tête et indexés par luminosité, donc ils ajoutent de la lumière comme un mélange d'écran. Utilisez-les comme accents, pas sur tous les plans.
  • Préférez ancrer les textes et les légendes manuelles aux clips ("clip": i avec start/end, ou src_start/src_end en secondes source) plutôt qu'à des heures de sortie absolues : ils restent corrects lorsque les clips sont coupés, réorganisés ou que les transitions changent.
  • beat_sync réécrit les points out des clips pour faire atterrir les coupes sur les beats ; réglez every: 2 ou 4 pour un rythme plus lent.
  • Cette version de ffmpeg peut manquer de drawtext/libass ; tout le texte est dessiné par Pillow, donc toute police que Pillow peut ouvrir fonctionne (output.font ou font par texte).
  • Sortie verticale à partir de rushes horizontaux : fit: "crop" avec focus: "track" (le recadrage suit le visage principal, ou le corps dans les plans plus larges ; track_hint: "left"|"right"|x sélectionne la personne dans un plan à deux), "auto" (une position statique centrée sur le visage), ou [x, y] ; ou fit: "blur" pour garder toute l'image. Le suivi revient à un recadrage statique lorsque des personnes sont trouvées dans moins de 30 % des échantillons (plans très larges) : réglez focus manuellement dans ce cas.
  • Les intros avec image figée sont déplacées hors des mots automatiquement (l'audio se met en pause pendant le gel) ; le journal le signale.

Skills associés