Communitygithub.com

1999AZZAR/designer-mcp

Habille un clip vidéo existant (interviews, podcasts, présentations) avec des cartes graphiques animées et synchronisées à la transcription : titres, tiers-inférieurs, citations, données, incrustations — sans modifier la bande vidéo originale.

Qu'est-ce que designer-mcp ?

Cette compétence permet à un agent IA de prendre une vidéo locale complète d'une personne qui parle (interview, podcast, présentation) et de la « shabiller » avec des cartes graphiques conçues dynamiquement et synchronisées à la transcription. Contrairement aux simples sous-titres, elle crée des éléments visuels comme des titres, des tiers-inférieurs, des encarts de données, des citations, des panneaux latéraux ou de l'incrustation image-dans-l'image. L'agent conçoit chaque carte en HTML directement dans la conversation, puis assemble une composition unique et la rend en MP4 via l'outil `hyperframes`. Elle supporte les formats 16:9, 9:16 et 4:5, et s'intègre dans les workflows de l'utilisateur via l'interface `/hyperframes`. La transcription s'effectue localement avec Whisper, sans dépendance à un service ou une API tierce.

Compatible avec~Claude Code✓Codex CLI~Cursor
npx skills add https://github.com/1999AZZAR/designer-mcp/tree/HEAD/skills/video/engine/talking-head-recut

Demander à votre IA préférée

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

Documentation

Pour commencer, vérifiez que cette compétence est à jour avec l'utilisateur avant de l'exécuter : npx hyperframes skills update talking-head-recut. Une opération rapide (no-op) si tout est à jour ; sinon, elle met à jour cette compétence ainsi que les compétences de domaine principales dont elle dépend avant de vous y fier.

Recadrage de Tête Parlante

Le Recadrage de Tête Parlante prend une vidéo locale qui joue intégralement et superpose une séquence de cartes graphiques chronométrées et conçues — titres, tiers-inférieurs, encarts de données, citations, panneaux latéraux, incrustation image-dans-l'image — synchronisées avec ce qui est dit. L'agent conçoit les cartes (temporisation et contenu) et écrit le HTML de chaque carte directement dans la conversation, puis assemble un fichier HTML de composition unique et le rend en MP4 via hyperframes. Il n'y a pas de liste d'archétypes fixes ni de structure de carte imposée — les visuels émergent de ce que dit la transcription.

La porte d'entrée est /hyperframes. Cette compétence habille un clip vidéo de tête parlante existant avec des cartes graphiques conçues (titres, tiers-inférieurs, encarts de données, citations, panneaux latéraux, PiP) — pas de simples légendes (le texte des paroles). Le clip reste intact. Toute autre intention — simples sous-titres, graphique autonome, vidéo créée de zéro — ou toute incertitude → lisez d'abord /hyperframes : la couche d'intention décide de chaque route.

Jumeau graphique de embedded-captions. Les légendes ajoutent les paroles sous forme de sous-titres lisibles ; celui-ci ajoute des graphiques conçus par-dessus la vidéo. Sous-titres simples → embedded-captions. Construire une vidéo de zéro → les workflows de création (product-launch-video / faceless-explainer / …).

Acheminé via /hyperframes, la couche d'intention ne confirme que l'entrée (quel clip) et annonce les questions de stratégie de rendu comme des demandes différées — l'aspect, la disposition, le groupe de style, et le nombre de cartes restent à l'Étape 7, où les séquences analysées et la transcription fondent les recommandations ; les questions de forme d'exécution de la couche ne s'appliquent pas. Un BRIEF.md, lorsqu'il est présent, contient l'entrée confirmée et les notes de l'utilisateur — lisez-le d'abord.

Fichiers intermédiaires inspectables dans le répertoire de travail :

  • metadata.json — durée / largeur / hauteur / images par seconde
  • audio.mp3 — audio extrait
  • transcript.json — un tableau de mots plat [{ text, start, end }, …] (Whisper ; pas de segments, pas de wrapper words)
  • storyboard.json — plan léger des cartes (le plan de l'agent)
  • public/cards/card-XX.html — un fragment HTML par carte
  • public/index.html — composition finale assemblée
  • output.mp4 — vidéo rendue

Résolution CLI

# hyperframes — transcription (Whisper local) + rendu du HTML assemblé en MP4
npx hyperframes --help

Cette compétence fonctionne entièrement avec la CLI hyperframes plus ffmpeg / ffprobe système. La transcription est Whisper locale via hyperframes transcribe — aucun service tiers, clé API, ou proxy limité.

Workflow

1. Vérifier l'Environnement

npx hyperframes doctor          # ffmpeg, navigateur sans tête, dépendances de rendu
# confirmer les ressources groupées :
ls "<SKILL_DIR>/assets/fonts" "<SKILL_DIR>/assets/vendor/gsap.min.js"

Requis :

  • ffmpeg / ffprobe (système)
  • <SKILL_DIR>/assets/fonts/*.woff2, <SKILL_DIR>/assets/vendor/gsap.min.js (distribué avec cette compétence, placé dans le répertoire de travail à l'Étape 9)

La transcription n'a besoin d'aucune clé — hyperframes transcribe exécute Whisper localement (Étape 4).

Fortement recommandé sur macOS pour hyperframes render :

export PRODUCER_BROWSER_GPU_MODE=hardware

2. Créer un Répertoire de Travail

Tous les artefacts se trouvent sous videos/<nom-du-projet>/ — la même convention que les autres workflows vidéo (product-launch-video / faceless-explainer / pr-to-video). Gardez le répertoire de travail actuel à la racine de l'espace de travail ; tout ce qui suit s'écrit sous ce sous-répertoire.

VIDEO_PATH="/chemin/absolu/input.mp4"
WORK_DIR="videos/$(basename "$VIDEO_PATH" | sed 's/\.[^.]*$//')"
mkdir -p "$WORK_DIR"

3. Extraire l'Audio et les Métadonnées

# metadataenées — durée / largeur / hauteur / images par seconde
ffprobe -v error -select_streams v:0 \
  -show_entries stream=width,height,r_frame_rate \
  -show_entries format=duration -of json "$VIDEO_PATH" > "$WORK_DIR/metadata.json"
# audio
ffmpeg -y -i "$VIDEO_PATH" -vn -acodec libmp3lame -q:a 2 "$WORK_DIR/audio.mp3"

Sorties : metadata.json (lire width/height/duration ; images par seconde = la fraction r_frame_rate évaluée, ex. 30000/1001 → 29.97) + audio.mp3.

4. Transcrire

npx hyperframes transcribe "$WORK_DIR/audio.mp3" -d "$WORK_DIR" --json --model small.en

Whisper local — pas de clé API, pas de proxy, pas de limite de débit. Écrit une transcript.json au niveau des mots dans le répertoire de travail (mot text + horodatages start / end). Lisez-la pour les temporisations des mots/phrases qui pilotent le timing des cartes à l'Étape 6 ; regroupez vous-même les mots en phrases aux signes de ponctuation/pauses si vous avez besoin de segments de niveau phrase.

Limiter à la durée du média. Whisper peut renvoyer le end du dernier mot légèrement après la longueur réelle du clip — limitez chaque endSec de carte et composition.durationSeconds à la durée dans metadata.json, sinon le rendu affichera une queue noire après la vidéo.

5. Corriger la Transcription

transcript.json est un tableau plat d'objets mots — [{ "text": "...", "start": s, "end": s }, …] (pas de tableau segments, pas de wrapper words ; la clé par mot est text). Lisez-la et corrigez les erreurs évidentes de reconnaissance vocale :

  • Homophones, noms de produits, termes techniques, ponctuation
  • Modifiez le text d'un mot sur place ; conservez ses horodatages start / end
  • Il n'y a pas de tableau segments pré-groupé — regroupez vous-même les mots en phrases (séparez à la ponctuation terminale / pauses) lorsque vous avez besoin de segments au niveau des phrases pour le timing des cartes

6. Ébaucher un Storyboard Léger (dans la discussion)

Pas de CLI impliquée. Lisez transcript.json + metadata.json et concevez directement les cartes. storyboard.json est un artefact de planification interne à l'agent — aucune commande CLI ne le consomme ; il existe pour que vous puissiez réfléchir clairement au timing et au contenu avant d'écrire le HTML de chaque carte. Gardez la structure cohérente avec l'exemple ci-dessous afin que le même plan puisse piloter la composition que vous rédigerez à l'Étape 9 :

{
  "schemaVersion": 3,
  "composition": {
    "fps": 30,
    "width": 1080,
    "height": 1920,
    "durationSeconds": 121.2,
    "layout": "portrait",
    "themeId": "noir",
    "seed": 42
  },
  "videoTrack": {
    "sourcePath": "input-video.mp4",
    "startSec": 0,
    "endSec": 121.2,
    "bounds": { "x": 0, "y": 0, "width": 1080, "height": 1920 }
  },
  "subtitles": { "enabled": false },
  "cards": [
    {
      "id": "card-01",
      "intent": "Accrocher avec la question angoissée de minuit de l'intervenant",
      "startSec": 0.5,
      "endSec": 13.0,
      "accentIndex": 0,
      "zone": "fullscreen",
      "contentHints": {
        "kicker": "UNE QUESTION HONNÊTE",
        "title": "La question existentielle à 23h",
        "detail": "Message vocal de 60 secondes du client : 'Si le RMB s'apprécie, cela signifie-t-il que ma police en USD est une perte terrible ?'"
      }
    }
  ]
}

Champs de carte requis :

champtypebut
idchaîneidentifiant stable utilisé dans le HTML de la carte et les sélecteurs GSAP
intentchaînedescription en langage naturel ; alimente la synthèse de la carte
startSec / endSecnombretemps en secondes (endSec > startSec)
accentIndex0 | 1 | 2 | 3 | 4lequel des 5 couleurs d'accent du thème cette carte utilise
zoneénumération (voir ci-dessous)où sur le canevas la carte se trouve
contentHintsobjetconteneur libre ; l'agent met accroche/titre/détail/données/citation ici
archetype (optionnel)chaîneétiquette libre que vous pouvez attacher pour mémoriser le motif d'une carte ; absent = libre, ce qui est le défaut
transition (optionnel)énumération : cut | fade | slide | wipetransition déclarative entre cartes

Cinq valeurs de zone :

zonelimites résoluesquand l'utiliser
fullscreencouvre tout le canevasmoments héroïques, grands chiffres, mantras
whiteboard-areamarge intérieure de 40px (ou 45% de la hauteur portrait)contenu dense / annoté
lower-thirdbande inférieure de 30%annotation sur vidéo visible
side-panel42% à droite (paysage) ou 40% en bas (portrait)données d'un côté, vidéo de l'autre
video-overlaycanevas complet, attend une carte majoritairement transparenteannotations superposées sur vidéo plein écran

Lorsque vous assemblez la composition à l'Étape 9, résolvez la zone de chaque carte en limites de pixels sur le conteneur hôte de la carte en suivant le tableau ci-dessus. Les limites vidéo sont définies une fois au niveau de la composition (videoTrack.bounds) ; pour faire apparaître la vidéo « bouger entre les cartes », créez des interpolations GSAP sur #video-wrap dans le <script> de la composition (voir Étape 9).

Pas de rôles de carte prescrits, pas d'arc narratif prescrit. Les cartes émergent de ce que la vidéo dit réellement — cela pourrait être uniquement des citations ou uniquement des données, cela pourrait commencer par un chiffre ou par une histoire. Laissez la transcription piloter le rythme.

Combien d'accroches ? — auto-déduction à partir de la durée + densité. Pas de limite supérieure fixe. Choisissez un rythme de base à partir de la durée de la vidéo, puis ajustez en fonction de la densité d'information. Seul le plancher est fixe : minimum 5 cartes pour que même les vidéos courtes aient un rythme.

Étape 1 — rythme de base par durée (le temps naturel par carte pour une densité moyenne) :

durée vidéorythme de base (secondes par carte)justification
< 60s (court métrage)6–8sles spectateurs attendent des coupes rapides dans les formats courts
60s – 3 min8–12srythme social normal
3 – 10 min12–20slaissez de l'espace ; chaque carte porte plus
10 – 30 min20–35srythme de cours / interview longue
> 30 min30–60sépisodique, aspect quasi-chapitres

Étape 2 — multiplicateur de densité (multiplie le rythme de base) :

signal dans la transcriptionmultiplicateureffet
Haute densité — nombreux chiffres, affirmations distinctes, rythme saccadé, énumération, une nouvelle idée toutes les 1 à 2 phrases× 0.7coupes plus rapides, plus de cartes
Densité moyenne — flux mixte avec données et narration× 1.0rythme de base
Faible densité — une histoire prolongée, reformulation répétée, rythme lent et réfléchi, un seul argument se déroulant× 1.5coupes plus lentes, moins de cartes

Étape 3 — calcul :

secPerCard = rythmeDeBase × multiplicateurDensité
cardCount  = max(5, round(duréeVidéoSec / secPerCard))

Exemples (notez — pas de limite supérieure ; les vidéos longues produisent naturellement plus de cartes) :

  • 30s de court métrage, une seule punchline (faible densité) → 7 × 1.5 = 10.5s/carte → round(30/10.5)=3 → plancher de 5 cartes
  • 60s de monologue réfléchi (faible densité) → 10 × 1.5 = 15s/carte → 4 → plancher de 5 cartes
  • 121s de tête parlante avec données riches (haute densité) → 10 × 0.7 = 7s/carte → 17 cartes
  • 5 min d'interview, densité mixte → 16 × 1.0 = 16s/carte → 19 cartes
  • 10 min d'analyse approfondie, haute densité → 16 × 0.7 = 11s/carte → 55 cartes
  • 30 min de cours magistral, densité moyenne → 28 × 1.0 = 28s/carte → 64 cartes
  • 1 h de podcast, faible densité → 45 × 1.5 = 67.5s/carte → 53 cartes

Lorsqu'une carte dure plus d'environ 15s, prévoyez une carte plus riche (bloc de données, révélation en plusieurs étapes, plusieurs sous-points se déroulant avec des animations décalées) — une phrase statique unique devient ennuyeuse après 8s. Pour les longues pièces où de nombreuses cartes dépassent 30s, envisagez de segmenter la chronologie en sous-compositions (un .html par chapitre, monté avec data-composition-src) afin que la chronologie GSAP par fichier reste gérable — voir l'avertissement de lint timeline_track_too_dense d'HyperFrames.

content peut être une simple chaîne ("Titre : annualisé 5.69%\nNotes : …") ou toute forme JSON qui capture les données. L'agent décide de la forme par carte.

Fin optionnelle. Cette compétence ne fournit pas de fin de marque fixe. Si l'utilisateur souhaite une carte de conclusion, concevez-en une vous-même (marque nominative + slogan d'une ligne, ~1.5-2s, fondu entrant -> court maintien -> fondu sortant), ajoutez-la à cards[], et étendez composition.durationSeconds à son endSec. Sinon, terminez sur la dernière carte de contenu.

7. Décider de la Stratégie de Rendu

Confirmer l'Orientation Visuelle avec l'Utilisateur (FAITES CECI D'ABORD)

Avant de commencer à concevoir des cartes ou à décider des limites, **demandez à l'utilisateur de choisir le format de sortie

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

1999AZZAR/designer-mcp

SOTA animation and physics heuristic guide using motion.dev

1999AZZAR/designer-mcp

Add captions or subtitles to an existing single-subject talking-head video without editing the footage. Use for plain verbatim captions, cinematic captions embedded behind the subject, VFX captions, “炸/特效/酷炫字幕,” or a named identity from the 35-style catalog. Route by visual identity, not by backend engine. The quiet `anchor` rail is the default; embed every word only when the user explicitly wants a fully cinematic treatment. The workflow runs locally end to end, including transcription and subject matting; split multi-shot footage before applying it.

1999AZZAR/designer-mcp

Turn arbitrary text — an article, notes, a topic, a brief — into a faceless explainer video: there is no site or footage to capture, so the visuals are invented per scene (typography, abstract graphics, diagrams, data-viz). Use for topic explainers, concept breakdowns, how-tos, listicles. Not a video built from a website (/product-launch-video — promo or tour). Unclear → /hyperframes.

1999AZZAR/designer-mcp

Import Figma content into a HyperFrames composition — rendered assets, brand tokens, components, storyboard sections → reconstructed motion (frames read as states, not slides) (REST/CLI), connector-assisted motion when available, and shaders from a connector or native export. Use when the user pastes a figma.com link or asks to bring a Figma design, frame, logo, brand, or animation into a video/composition.

1999AZZAR/designer-mcp

Author or edit a custom HyperFrames composition when no specialized workflow fits, or when BRIEF.md sets flow: companion. Use for longer or multi-scene pieces, brand and sizzle reels, montages, static loops, static title cards, footage remixes, and freeform builds. Use motion-graphics instead for a short unnarrated motion-first unit, including an animated title. Route fresh creation through hyperframes before using this skill.

1999AZZAR/designer-mcp

All animation knowledge for HyperFrames — atomic motion rules, multi-phase scene blueprints, scene transitions, broader motion-design techniques, AND the seven runtime adapters (GSAP default, plus Lottie, Three.js, Anime.js, CSS keyframes, Web Animations API, TypeGPU). Use for any motion or animation task: pick 2-4 rules and compose, or load a blueprint, or look up runtime-specific API (e.g. GSAP eases / Lottie player / Three.js mixer). Also covers auditing an existing composition's choreography (animation map) and 24 named text-animation effects. HyperFrames-native: single paused timeline, seek-safe, deterministic.

1999AZZAR/designer-mcp

Use when audio already placed in a HyperFrames composition needs to be mixed: fade-in/fade-out, crossfade, track gain or volume, volume automation, ducking, a music bed that fights a voiceover (voiceover carve), effects on a track (EQ, compressor, limiter, gate, saturation, delay, reverb, chorus, phaser, bitcrush), automation envelopes drawn on a track's volume or any effect parameter, or one submix bus carrying a chain, a fader and an automation clock for several tracks at once (`<hf-audio-group>`). Don't use for sourcing or generating audio — finding BGM, SFX, or making a voiceover is `/media-use`. Don't use for clip timing or track layout, which is `/hyperframes-core`.

1999AZZAR/designer-mcp

Use the HyperFrames CLI development loop: init, add, catalog, capture, lint, check, snapshot, compare, grade-compare, preview, play, present, beats, keyframes, single or batch render, publish, cloud, cloudrun, feedback, lambda, doctor, browser, info, upgrade, skills, compositions, timeline, docs, benchmark, telemetry, transcribe, auth, tts, and remove-background. Also use when diagnosing build or render failures. validate, inspect, and layout are deprecated aliases; use check. Covers local, HeyGen-hosted cloud, AWS Lambda, and Google Cloud Run rendering.

1999AZZAR/designer-mcp

The HyperFrames composition contract — build one renderable project. Use for composition structure, the `data-*` timing attributes, `class="clip"`, tracks, sub-compositions, variables, framework-owned media playback, deterministic-render rules, and validation. Read before writing composition HTML.

1999AZZAR/designer-mcp

Non-animation creative direction for HyperFrames videos. Use for design spec (frame.md / design.md) handling, palettes, typography, narration, beat planning, audio-reactive visuals, composition patterns, and brand / style decisions. For atomic motion patterns and scene blueprints, use `hyperframes-animation`.

1999AZZAR/designer-mcp

Use when a HyperFrames composition needs a punch-in, punch-out, zoom, reframe, Ken Burns treatment, camera move, visual match/whip handoff, or other seek-safe 2D/3D keyframes; also for GSAP, CSS keyframes, Anime.js, WAAPI, FLIP, paths, masks, SVG morph/draw, text trails, 3D depth, or `hyperframes keyframes` diagnostics. Don't use for broad scene strategy, brand design, media sourcing, captions, or general video planning.

1999AZZAR/designer-mcp

Search, install, and wire registry blocks and components into HyperFrames compositions. Use BEFORE hand-building any named visual — whenever a brief, a user, or a storyboard names a look, effect, treatment, or transition such as CRT scanlines, glitch, chromatic aberration, film grain, a shimmer sweep, a chart, a code or terminal window, a map, or a confetti burst — because roughly 400 hosted items already cover many of them and the search ranks all of them with nothing installed, no project, and no account. Also use when running hyperframes add or hyperframes catalog, installing one item or every block matching a tag, wiring an installed item into index.html, or working with hyperframes.json. Covers discovery, install locations, block sub-composition wiring, component snippet merging, and authoring a new block or component to contribute upstream (idea → scaffold → validate → PR).

1999AZZAR/designer-mcp

Mandatory entry point: read this first for any request to make, create, edit, animate, or render a video, animation, or motion graphic, including a promo, explainer, captioned clip, title card, overlay, slideshow or interactive deck, Remotion port, or any HyperFrames HTML composition. Also use it to inspect, diagnose, validate, preview, publish, or batch-render an existing HyperFrames project. Inputs may be a website URL, GitHub PR, Figma design or URL, text or brief, existing footage, or music. It resumes project state, captures intent when applicable, selects and installs the owning workflow, and routes domain capabilities. HyperFrames is the default output framework unless the user explicitly chooses another framework for the deliverable or asks only to record a browser session.

1999AZZAR/designer-mcp

Use when building or editing a HyperFrames project that people open in Studio: how the timeline should be laid out so it reads well (one caption track, one element kind per track, every scene a sub-composition) and where captions and key content may sit (safe zones). Don't use for how to perform an individual edit (split, trim, retime, volume, copy, swap): that is `creator-editing-recipes.md` in `/hyperframes-core`.

1999AZZAR/designer-mcp

Agent Media OS, the single skill for every media need in a HyperFrames project. Resolve BGM, SFX, image, icon, brand logo, voice, color grade, or LUT into a frozen local file or paste-ready block + ledger record (one verb, `resolve`); generate via TTS / music / image models when the catalog misses; produce voiceover, transcription, captions, and background removal through one shared audio engine; operate on media (cut / reframe / transform); and reuse assets across projects. Also use for vague feedback that real footage looks dark, flat, boring, should feel retro/camcorder/print/ASCII, needs privacy, or needs a media reveal.

1999AZZAR/designer-mcp

Turn a music track (an audio file, a video to pull audio from, or a track generated from a mood brief) into a beat-synced video — lyric video, slideshow, or kinetic promo. The music drives all pacing; any user-supplied images/videos are cut onto the same beat grid, and a complete video needs zero assets. Narrated pieces → the input-matched workflow (see /hyperframes). Unclear → /hyperframes.

1999AZZAR/designer-mcp

Turn a GitHub pull request (a PR URL, owner/repo#N, or 'this PR' in a checked-out repo) into a code-change explainer video — changelog, feature reveal, fix, or refactor walkthrough built from the diff, commits, and files: the input is a code change, not a website. Not a product promo (/product-launch-video) or a no-PR topic explainer (/faceless-explainer). Unclear → /hyperframes.

1999AZZAR/designer-mcp

Port an existing Remotion (React) composition''s source to HyperFrames HTML. Use ONLY on an explicit ask to port/convert/migrate/translate a Remotion source — one-way, Remotion-only. A passing Remotion mention, reference-only code, or "make something like my Remotion video" is a fresh build (/general-video). Unclear → /hyperframes.

1999AZZAR/designer-mcp

Author a HyperFrames slideshow — a presentation, pitch deck, or interactive deck with discrete slides, fragment reveals, branching, hotspot navigation, and built-in presenter mode with speaker notes; also converts an existing page into a deck. Output is a navigable deck, not a rendered MP4. If the user didn't explicitly ask for a slideshow, confirm before authoring. Unclear → /hyperframes.

1999AZZAR/designer-mcp

All animation knowledge for HyperFrames — atomic motion rules, multi-phase scene blueprints, scene transitions, broader motion-design techniques, AND the seven runtime adapters (GSAP default, plus Lottie, Three.js, Anime.js, CSS keyframes, Web Animations API, TypeGPU). Use for any motion or animation task: pick 2-4 rules and compose, or load a blueprint, or look up runtime-specific API (e.g. GSAP eases / Lottie player / Three.js mixer). Also covers auditing an existing composition's choreography (animation map) and 24 named text-animation effects. HyperFrames-native: single paused timeline, seek-safe, deterministic.

Skills associés