Script-to-Video AI Production Skill
Système complet d'automatisation profonde du processus de transformation d'un Script texte pur en une Vidéo AI 9:16 Full HD finie, optimisée pour le taux de rétention (Audience Retention) sur TikTok, Reels et Shorts.
🎯 7 RÈGLES FONDAMENTALES (ALWAYS-ON RULES)
-
PROCESSUS IMAGE-FIRST & ŒIL AI SCRUTATEUR :
- Toujours créer l'image de chaque scène d'abord avec le modèle
meta_muse. - Activer le mode d'héritage en chaîne (
image_chain_mode: "chained") pour garantir 100% de cohérence des personnages, vêtements et décors. - Extraire l'image et utiliser l'œil AI (
read_file) directement pour inspecter et valider 10/10 avant de lancer la création vidéo.
- Toujours créer l'image de chaque scène d'abord avec le modèle
-
PORTE DE VÉRIFICATION VOCALE BIDIRECTIONNELLE (BIDIRECTIONAL STT AUDITOR) :
- Sens direct (Anti-élision) : Assurer une couverture des mots-clés $≥ 70%$ et détecter les 3-5 derniers mots de la phrase du script (empêcher la coupure de queue).
- Sens inverse (Anti-bavardage) : Scanner les mots après le mot-clé de fin du script. Si la vidéo est trop longue et que l'AI ajoute arbitrairement $≥ 2$ mots étrangers ➔ Marquer
FAILEDimmédiatement. - Rapport 100% honnête : Interdiction absolue d'embellir les données STT ou de cacher des mots bavards.
- Ordre de blocage dur (Hard Gatekeeper) : Interdiction absolue de monter la vidéo tant qu'une scène n'a pas obtenu
PASSED.
-
FORMULE DE CADENCE DE DURÉE PRÉCISE :
- Moins de 25 mots : 6s - 8s
- 25 - 38 mots : 10s
- 39 - 50 mots : 12s
- 51 - 65 mots : 15s (Voice Directing rapide et articulé)
-
VERROUILLAGE DU DIALECTE SUD-VIETNAMIEN & SYNCHRONISATION DU VOCABULAIRE LOCAL :
- Quand le script demande un accent du Sud : Obligation de remplacer toutes les conjonctions/particules du Nord dans le script et le prompt (ex. : utiliser "ba với mẹ" au lieu de "ba và mẹ", utiliser les interjections "hả", "nghen", "nhen", "hén", "sao kì dạ").
- Voice Directing bilingue obligatoire :
Voice Directing: Voix féminine du Sud de Saïgon douce, prononciation authentique du dialecte du Sud du Vietnam (Authentic Southern Vietnamese Saigon female voice, soft sweet Southern dialect). INTERDICTION ABSOLUE DE L'ACCENT DU NORD.
-
PRÉSERVATION DE LA VOIX ENFANTINE LORS DE SUJETS ADULTES & CONTRÔLE DE HAUTEUR (PITCH AUDIT) :
- Isoler la description des dialogues (Isolate Prompt from Dialogue) : Ne JAMAIS citer le contenu philosophique/argent/dot dans la description de l'image ou du mouvement (
[PROMPT],[MOTION]). Garder la description 100% innocente et cartoon. - Voice Directing verrouillage voix enfantine :
Voice Directing: Voix de garçon du Sud claire, spontanée, innocente, avec un léger bégaiement enfantin adorable (Cute toddler boy child voice). INTERDICTION ABSOLUE DE VOIX ADULTE, INTERDICTION ABSOLUE DE VOIX FÉMININE ADULTE. - Contrôle de la hauteur Pitch ($F_0$ Gate) : La voix enfantine doit obligatoirement atteindre $F_0 \ge 250$ Hz (généralement 280-350 Hz). Si $F_0 < 220$ Hz ➔ Flag
FAILEDimmédiatement, interdiction de monter la vidéo !
- Isoler la description des dialogues (Isolate Prompt from Dialogue) : Ne JAMAIS citer le contenu philosophique/argent/dot dans la description de l'image ou du mouvement (
-
VERROUILLAGE DE LA SYNCHRONISATION LABIALE À PERSONNAGE UNIQUE & SHOT PING-PONG :
- Chaque plan vidéo ne comporte qu'un seul personnage ouvrant la bouche face à la caméra. Les personnages secondaires gardent les lèvres serrées en écoutant.
- Les scènes de dialogue à 2 personnes ou plus doivent être obligatoirement séparées en plans Ping-pong (1A : Personne qui pose la question, 1B : Personne qui répond) pour éviter à 100% les superpositions labiales.
-
POST-PRODUCTION STANDARD EN 4 ÉTAPES :
- Snappy Trim : Repérer la fin de la dernière syllabe avec une recherche binaire STT, couper au plus près de la fin de la voix (+0,15s) avec un micro fondu en sortie de 0,15s, éliminer 100% des silences morts.
- Ré-encodage Concat : Concaténer avec libx264 pour éliminer les erreurs de paquets corrompus.
- Accélération 1,1x (Pitch Préservé) : Accélérer de 1,1x tout en conservant 100% de la hauteur naturelle de la voix.
- Synchronisation Google Drive : Télécharger automatiquement dans le dossier Google Drive spécifié et nettoyer les fichiers lourds sur la machine.
🛠️ STRUCTURE DU SKILL
script-to-video-ai-skill/
├── SKILL.md # Définition du skill pour l'agent Antigravity AI
├── PROJECT_RULES.md # Règles fondamentales obligatoires du système (LE CERVEAU)
├── AGENTS.md # Instructions de comportement et style de travail pour l'agent
├── GEMINI.md # Documentation détaillée des normes et dépannage
├── requirements.txt # Bibliothèques Python nécessaires
├── scripts/ # Boîte à outils d'exécution automatique :
│ ├── run_render.py # Envoi des jobs et supervision du pipeline
│ ├── dialogue_auditor.py # Cerveau de vérification vocale STT bidirectionnelle & audition de hauteur
│ ├── snappy_trimmer.py # Rognage des silences morts par recherche binaire STT
│ ├── add_footer.py # Apposition d'un pied de page adaptatif à la résolution
│ ├── gdrive_uploader.py # Téléchargement automatique des vidéos sur Google Drive
│ └── audio_verifier.py # Assistance à l'analyse audio
├── configs/ # Exemples de fichiers de configuration
│ └── sample_pipeline.json
└── README.md # Guide d'installation et de déploiement de A à Z