Communitygithub.com

calesthio/generative-media-skills

Montage de dialogues et direction ADR indépendants du fournisseur pour agents IA produisant des vidéos, films, publicités, clips d'avatars, vidéos explicatives, localisation/doublage, podcasts, remontages et contenu social. Utilisez-le pour la préparation des dialogues, la réparation, le bruit de fond, le comping de prises, la synchronisation, les repères ADR, la direction de doublage, la prononciation, le dé-essing, les plosives, les clics de bouche, la continuité vocale, les limites de consentement pour les voix synthétiques, la remise de sous-titres/transcriptions, la remise au mixage, la sonie, l'intelligibilité, l'accessibilité et le QA.

Qu'est-ce que generative-media-skills ?

Cette compétence fournit un cadre complet pour le montage et la direction des dialogues audio, destiné aux agents IA travaillant sur des productions multimédia générées (vidéos, films, publicités, podcasts, etc.). Elle couvre à la fois la réparation technique du son (suppression des clics, plosives, sifflements, bruits de fond) et la direction artistique des performances vocales (ADR, doublage, voix synthétiques), avec un accent sur la préservation de l'intelligibilité, de l'intention narrative et des droits d'auteur. Utile sur toutes les plateformes d'agents (Claude Code, Cursor, Codex, etc.), elle s'appuie sur des normes professionnelles (ITU-R BS.1770-5, EBU R 128), des directives d'accessibilité (WCAG 2.2, FCC) et des bonnes pratiques de l'industrie (Netflix, iZotope RX). Son fonctionnement commence par une classification du problème audio (production-edit, ADR, doublage, etc.), suivie d'une cartographie ligne par ligne, de vérifications empiriques (écoute sur casque, enceintes, mono, synchro image), et d'un ordre de réparation ciblé. Elle intègre des garde-fous stricts sur l'utilisation des voix synthétiques (consentement, clonage, imitation) et des consignes pour la remise de sous-titres et transcriptions accessibles.

Compatible avec~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/calesthio/generative-media-skills/tree/HEAD/skills/production/audio-craft/dialogue-editing-adr

Demander à votre IA préférée

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

Documentation

Montage de dialogues et direction ADR

Utilisez cette compétence lorsque l'audio parlé doit porter l'histoire, la marque, l'instruction, le personnage ou l'accessibilité. Traitez le dialogue comme une performance et un contrat éditorial, pas seulement comme une forme d'onde. Le travail consiste à préserver l'intelligibilité, l'intention, la continuité et les droits tout en fournissant au mixeur, au sous-titreur, à l'équipe de localisation ou à l'agent vidéo en aval un matériel sans ambiguïté.

Posture factuelle

Les faits documentés ci-dessous proviennent de normes professionnelles, de directives officielles de plateformes, de documentations officielles d'outils ou d'organisations de défense des droits. Les faits volatils (plateforme/outil/juridique) ont été vérifiés le 10-07-2026. Les observations empiriques se limitent aux comportements d'écoute/QC qu'un agent doit effectuer sur le projet réel ; aucun résultat universel de traitement audio n'est supposé sans audition. Les heuristiques de production sont des valeurs par défaut pratiques à tester par rapport à l'image et aux spécifications de livraison, et non des lois de l'audio.

Premier passage : décider de quel type de problème de dialogue il s'agit

Classez chaque ligne ou section avant de la toucher :

  • production-edit : la source audio utilisable a besoin de nettoyage, de lissage, de remplissage, de conformage ou de comping.
  • performance-fix : les mots sont techniquement utilisables mais la lecture, l'émotion, la prononciation, l'accentuation ou le timing nuisent à la scène.
  • ADR-replace : le son de production n'est pas intelligible, contient un bruit/écrêtage irrécupérable, contient un script modifié, nécessite une correction légale/de marque, ou doit correspondre à un nouveau montage.
  • localization-dub : une nouvelle version linguistique ou régionale doit préserver le sens, la performance, le timing et la synchronisation avec l'image.
  • VO-style-dub : la voix originale reste partiellement perceptible ou intentionnellement atténuée sous une voix-off localisée.
  • synthetic-rerender : une voix synthétique sous licence ou une voix TTS générique doit être regénérée, éditée ou dirigée.
  • caption/transcript-handoff : les actifs textuels doivent représenter l'audio final entendu avec précision et accessibilité.

Ne choisissez pas le remplacement ADR ou synthétique simplement parce que la réparation est peu pratique. Déterminez d'abord si la performance originale peut être rendue intelligible sans artefacts audibles, si les droits de l'acteur/de la voix autorisent le remplacement, et si le remplacement correspondra à l'image et à la continuité.

Faits documentés à respecter

  • ITU-R BS.1770-5 spécifie des algorithmes pour mesurer la sonie des programmes audio et le niveau de crête vrai ; c'est une méthode de mesure, pas une recette de mix créatif. Source : ITU-R BS.1770-5, vérifié le 10-07-2026.
  • EBU R 128 version 5.0 recommande une normalisation de la sonie des programmes à -23 LUFS et utilise des descripteurs de plage dynamique et de crête vrai. Source : EBU R 128, vérifié le 10-07-2026.
  • Les directives de qualité des sous-titres de la FCC pour la télévision américaine utilisent quatre piliers de qualité : précision, synchronisation, exhaustivité et placement. Le guide de la FCC indique que les programmes préenregistrés doivent être entièrement conformes car une révision hors ligne est possible. Source : FCC DA 21-469, vérifié le 10-07-2026.
  • W3C WCAG 2.2 SC 1.2.2 exige des sous-titres pour l'audio préenregistré dans les médias synchronisés, les sous-titres couvrant le dialogue, l'identification des locuteurs et les informations non vocales significatives. Source : W3C WAI Understanding SC 1.2.2, vérifié le 10-07-2026.
  • Les exigences générales de texte chronométré de Netflix utilisent une durée minimale de 5/6 secondes et maximale de 7 secondes pour les événements de sous-titres, un maximum de deux lignes et un positionnement qui évite le chevauchement avec le texte pertinent à l'écran. Ce sont des exigences Netflix, pas des spécifications universelles. Source : Netflix Partner Help Center, vérifié le 10-07-2026.
  • Les directives de doublage de Netflix soulignent que la synchronisation labiale doit être jugée principalement par rapport à l'image, pas aux formes d'onde de la version originale ; les moments clés doivent tenir compte des mouvements de bouche, des labiales et des formes de bouche de début/fin. Source : Netflix Dubbing Guiding Principles, vérifié le 10-07-2026.
  • Les directives de doublage/mixage de Netflix demandent que le dialogue soit intégré naturellement dans le lit musical et sonore, avec un niveau, une égalisation, des réverbérations, une perspective, des futzes et une continuité réalistes entre les langues. Source : Netflix Mixing Style Guide for Dubbed Content, vérifié le 10-07-2026.
  • Les directives de doublage anglais non fictionnel de Netflix recommandent d'enregistrer un dialogue propre sans traitement dynamique, à l'exception d'un filtre passe-haut ne dépassant pas 100 Hz, de supprimer les clics de langue/salive sauf s'ils sont liés à la performance, d'utiliser des fondus sur les clips de dialogue, de monter par rapport à la référence audio, et de terminer le dialogue doublé en même temps que la version originale lorsque ce flux de travail s'applique. Source : Netflix Partner Help Center, vérifié le 10-07-2026.
  • La documentation d'iZotope RX décrit Mouth De-click comme détectant et réduisant les bruits de bouche tels que les clics et les smacks, tout en avertissant qu'une sensibilité élevée peut affecter les plosives ou endommager le signal original. RX De-plosive est documenté comme identifiant et réduisant les plosives tout en préservant les fondamentaux et les harmoniques de la parole, mais une force plus élevée peut nuire à la parole utile. Ce sont des capacités d'outils, pas des garanties. Source : docs iZotope RX, vérifié le 10-07-2026.
  • La page du rapport sur l'IA du U.S. Copyright Office indique que la première partie, publiée le 31 juillet 2024, traite des répliques numériques, tandis que le cadre IA de SAG-AFTRA stipule un consentement clair, une rémunération équitable et un contrôle sur les performances comme garde-fous. NAVA recommande que les contrats des interprètes incluent le consentement, les limites sur l'utilisation et l'entraînement de l'IA/synthétique, une option de retrait ou des limites de durée, le paiement, la clarté de l'exclusivité, et un stockage/suivi sécurisé. Ce ne sont pas un avis juridique complet. Sources : U.S. Copyright Office, SAG-AFTRA, NAVA, vérifié le 10-07-2026.

Vérifications empiriques à effectuer sur le média réel

Écoutez, ne déduisez pas uniquement des mètres. Pour chaque livrable, effectuez au moins ces vérifications :

  • Vérification au casque pour les clics, les coupes, les respirations, les plosives, le bruit des vêtements, les sifflements, les artefacts durs de débruitage, les syllabes écrêtées et les boucles de bruit de fond non naturelles.
  • Vérification sur enceinte au niveau consommateur normal, avec sous-titres désactivés, pour juger si une personne non familière avec le script peut suivre les mots.
  • Vérification sur petit haut-parleur ou en mono lorsque le contenu peut être regardé sur des téléphones, ordinateurs portables, téléviseurs ou flux sociaux.
  • Vérification de la synchronisation image au format d'image et au codec de livraison finaux, car le timing de la DAW, du NLE, du navigateur ou de l'aperçu à faible latence peut induire en erreur le jugement de synchronisation.
  • Vérification contextuelle avec la musique, les effets et les sous-titres tels qu'ils seront livrés ; une ligne claire en solo peut échouer dans le mix complet.

Heuristiques de production

Construire une cartographie du dialogue

Créez une cartographie au niveau de la ligne avant la réparation ou l'ADR. Incluez :

  • code temporel entrée/sortie ;
  • locuteur/personnage ;
  • statut à l'écran ou hors écran ;
  • fichier source/prise/piste ;
  • texte exact entendu et texte prévu s'ils diffèrent ;
  • étiquette de problème ;
  • traitement proposé ;
  • notes de prononciation ;
  • statut des droits/consentement pour toute voix de personne réelle ou ressemblance synthétique ;
  • notes de remise pour les sous-titres, la transcription, le mixeur ou la localisation.

Préférez cette forme :

TC Entrée-Sortie | Locuteur | Écran | Entendu/Prévu | Problème | Traitement | Notes
00:00:12:04-00:00:15:10 | Maya | oui | "nous expédions vendredi" | ventilateur + clic sur "vendredi" | réparation | garder le souffle de rire ; bruit de fond B
00:00:35:12-00:00:37:01 | PDG | non | "Série B" mal lu comme "sérieux B" | prononciation | ADR | dire "SEER-eez bee" ; nom légal inchangé

Préserver la meilleure performance originale

Utilisez la voie la moins invasive qui résout le vrai problème :

  1. Micro alternatif ou piste de production isolée.
  2. Prise alternative ou ligne sauvage.
  3. Montage manuel, gain de clip, fondu enchaîné court, remplissage de bruit de fond.
  4. Réparation ciblée sur le seul défaut.
  5. ADR ou regénération synthétique lorsque la ligne reste inintelligible, erronée, dangereuse ou hors du cahier des charges.

Évitez d'abord une large réduction de bruit. Un traitement large réduit souvent les détails des consonnes, le réalisme de la respiration et la continuité de la pièce avant de résoudre le montage.

Couper le dialogue comme un flux d'air continu

Lors de l'assemblage ou du comping :

  • Gardez les respirations qui soutiennent la performance, supprimez uniquement les respirations gênantes ou techniquement mauvaises.
  • Utilisez du bruit de fond ou une ambiance correspondante sous chaque espace où le dialogue a été coupé.
  • Fondez enchaîné chaque limite de clip, sauf si la coupe tombe dans un bruit masqué ou une transition qui ne nécessite vraiment aucun fondu.
  • Faites correspondre le bruit de fond par scène, perspective de micro et distance émotionnelle. Ne collez pas une seule piste de "silence" à travers différentes pièces.
  • Utilisez le gain de clip pour lisser les syllabes avant la compression. Traitez la compression comme un support de mixage, pas comme une solution pour des coupes erratiques.
  • Maintenez les attaques de consonnes. Ne coupez pas le début des plosives, des fricatives ou des entrées douces simplement parce que la forme d'onde semble silencieuse.

Nettoyer les artefacts dans un ordre de réparation

Utilisez des passages ciblés et auditionnés :

  1. Supprimez les pops de montage avec les limites, les fondus et les ajustements de passage par zéro.
  2. Réduisez localement les clics de bouche/smacks ; conservez la texture buccale pertinente pour la performance lorsque le réalisme compte.
  3. Réduisez les plosives avec un passage ciblé basse fréquence ou de dé-plosion ; si la voix grave utile est endommagée, annulez et utilisez le gain de clip manuel/la réparation spectrale.
  4. Contrôlez les sifflements avec un traitement dynamique étroit ; ne faites pas zozoter le locuteur.
  5. Réduisez le ronflement/grondement avec un passe-haut ou une suppression de ronflement uniquement dans la mesure nécessaire. Pour le contenu parlé, les choix de filtre passe-bas doivent respecter le corps de la voix et les spécifications de livraison.
  6. Utilisez le débruitage/déréverbération/l'isolation du dialogue avec parcimonie, en écoutant les consonnes aqueuses, phasées, chuintantes ou ternes.
  7. Rééquilibrez le gain du clip et le bruit de fond après la réparation, car les réparations peuvent révéler de nouvelles discontinuités.

Si une réparation crée un artefact plus perceptible que le problème original, revenez en arrière et choisissez une prise alternative, une ADR ou une note honnête "impossible à réparer proprement".

Direction ADR et de doublage

Préparer le repère

Un repère ADR doit pouvoir être joué sans deviner. Incluez :

  • contexte de la scène en une phrase ;
  • code temporel de référence de l'image ;
  • ligne exacte et alternatives approuvées ;
  • raison de l'ADR ;
  • intention de la performance ;
  • points d'ancrage de synchronisation : début/fin de bouche, labiales, pauses visibles, gestes, respirations, réactions ;
  • guide de prononciation pour les noms, acronymes, termes de produits et mots sensibles ;
  • cible micro/perspective : proche, poitrine, chuchoté, crié à travers la pièce, téléphone, casque, radio, archive, etc. ;
  • cible de salle/traitement et si le mixeur doit correspondre à la saleté de production ou améliorer la fidélité ;
  • nombre de prises demandées et ce qui change entre les prises.

Pour le repérage, utilisez ce que le talent et la configuration d'enregistrement supportent : bips, banderoles, texte visuel, enregistrement en boucle ou écouter-et-répéter. Le bip ADR triple est courant dans les flux de travail cinématographiques, mais ne l'imposez pas s'il nuit à l'acteur. La méthode de repérage est une aide à la performance, pas un objectif.

Diriger la performance avant la forme d'onde

Donnez aux acteurs des verbes et un contexte jouables :

  • Dites ce que le locuteur veut de l'auditeur.
  • Identifiez le virage émotionnel de la ligne.
  • Donnez une note de timing à la fois.
  • Préservez le statut social de la scène, la fatigue, l'âge, la politique d'accent et la relation.
  • Demandez une prononciation naturelle, sauf si l'histoire nécessite une clarté supplémentaire.
  • Pour les publicités et les vidéos explicatives, dirigez l'accentuation autour du sens, pas chaque mot de marque. Les termes de produit trop accentués sonnent synthétiques.

Pour la localisation, préservez l'intention plutôt que l'ordre des mots. Utilisez une formulation familière dans la langue cible lorsqu'elle est appropriée au personnage et au cahier des charges. Lorsque la synchronisation avec l'image compte, jugez par rapport à la bouche et au montage, pas seulement à la forme d'onde source. Les formes de bouche de début et de fin, les labiales visibles et les voyelles bouche ouverte comptent le plus dans les gros plans et les moments clés.

Capturer suffisamment de prises pour monter

Demandez :

  • une prise de timing fidèle ;
  • une prise prioritaire pour la performance ;
  • une prise de diction plus propre ;
  • une alternative de sécurité avec une phrase plus courte ou plus longue si la synchronisation peut en avoir besoin ;
  • du bruit de fond/efforts/respirations uniquement lorsque les droits et les besoins de performance le justifient.

Pour le doublage VO non fictionnel, évitez d'enregistrer les rires, les pleurs et les réactions non verbales, sauf si le guide de style ou le client le demande explicitement. Lorsque les sons non verbaux originaux restent dans le mix, le monteur devrait les mettre en valeur plutôt que les dupliquer.

Maintenir la continuité vocale

Créez une note de continuité pour les voix récurrentes :

  • source vocale ou acteur ;
  • périmètre des droits/consentement ;
  • langue/locale ;
  • âge, expression de genre, politique d'accent, notes de dialecte ;
  • plage de débit de parole ;
  • plage de hauteur/énergie ;
  • distance du micro et salle ;
  • prononciations signature ;
  • traitements antérieurs : EQ, réverbération, futz, plancher de bruit, comportement de dé-essing ;
  • exceptions, telles que les archives, le téléphone, le stress, la maladie, le flashback ou la discordance intentionnelle.

Ne "correspondre" jamais à la voix d'une personne réelle avec un clonage synthétique, sauf si le projet a des droits explicites et un consentement éclairé pour cette utilisation exacte. Si le consentement n'est pas clair, proposez une voix générique, une nouvelle direction de casting ou une question de vérification des droits.

Limites des voix synthétiques

Avant d'utiliser la TTS, la conversion vocale, le clonage vocal ou le doublage synthétique :

  • Vérifiez qui possède ou contrôle la voix source, si le locuteur a consenti à cette utilisation, si l'entraînement du modèle ou la réplication vocale est autorisée, si l'utilisation est limitée par la durée/le territoire/le média, et si la divulgation est requise par le client, la plateforme, le contrat ou la loi.
  • N'entraînez pas, ne clonez pas, n'imitez pas et ne "sonnez pas comme" une personne identifiable vivante ou décédée sans autorisation documentée.
  • N'utilisez pas une voix synthétique pour faire dire à quelqu'un quelque chose qu'il n'a pas autorisé.
  • Ne déduisez pas le consentement de la disponibilité publique des enregistrements.
  • Préservez les notes d'audit : source, résumé de licence/consentement, ID vocal, fournisseur/modèle, date, invite, paramètres, éditeur et utilisation finale.
  • Si une invite demande l'imitation d'une voix protégée ou identifiable sans droits, redirigez vers des qualités vocales autorisées : tranche d'âge, énergie, rythme, timbre, accent seulement lorsqu'il est approprié et non caricatural.

Une bonne direction synthétique reste une direction de performance :

Voix : narrateur de marque sous licence interne, calme mais pas endormi.
Ligne : "Votre sauvegarde se termine avant votre café."
Intention : preuve rassurante, pas de battage publicitaire.
Rythme : moyen-rapide ; léger sourire sur "café" ; pas de boom d'annonceur.
Prononciation : "sauvegarde" comme SAUV-gard, pas sauve-GARDE.
Contraintes de livraison : aucune imitation de célébrité ou d'employé ; aucun mot ajouté.
Notes de montage : laissez une queue propre de 200 ms pour le fondu enchaîné ; livrez WAV sec plus timing.

Sous-titres, transcriptions et remise pour l'accessibilité

La remise audio parlée doit correspondre à ce qui est livré, pas à ce que le script disait.

...

Individual skills in this repo

This repo contains 9 individual skills — each has its own dedicated page.

calesthio/brand-launch-film-production

Provider-independent production workflow for AI agents creating brand launch films, product reveal videos, manifesto films, campaign hero films, website hero videos, investor/customer launch assets, and social cutdowns. Use when planning, scripting, generating, editing, reviewing, or delivering launch films that must align strategy, claims, brand voice, visual direction, product proof, accessibility, compliance, and multi-platform delivery.

calesthio/character-design-continuity

Provider-independent character design and continuity direction for generated media. Use when an agent must create, preserve, revise, or QA a recurring character across AI-generated images, video clips, avatars, animation, comics, ads, product mascots, serialized social posts, or multi-shot campaigns; especially when building character bibles, reference packs, prompts, expression/pose ranges, costume/hair/makeup/prop continuity, identity and likeness safeguards, iteration plans, handoff notes, or continuity reviews.

calesthio/generative-media-skills

Provider-independent cinematic trailer production for AI agents creating movie-style trailers, teaser trailers, launch trailers, game trailers, documentary trailers, series promos, and high-impact generated-media previews. Use for trailer strategy, structure, shot planning, voiceover/title-card copy, music and sound-design direction, generated-video prompt translation, edit pacing, platform/runtime choices, delivery handoff, rights/claims caveats, and trailer QA.

calesthio/generative-media-skills

Provider-independent explainer video production for AI agents creating educational, product, concept, nonprofit/public-service, onboarding, training, animated, mixed-media, and short social explainers. Use when an agent must turn a topic, brief, research corpus, product, process, policy, dataset, or complex idea into a factual, accessible, narrated, captioned, storyboarded, generated-media-ready explainer video with claim review, localization, pacing, variants, and QA.

calesthio/generative-media-skills

Use this skill to plan, direct, finish, and QA provider-independent mono or stereo 180-degree, 360-degree, spherical, spatial, wide-FOV, and immersive video. It covers format choice, capture rigs, stitching, nadir and seam management, stereoscopic comfort, attention direction, stabilization, ambisonic and spatial audio, titles, captions, accessibility, edit, color, VFX, projection metadata, Vision Pro, YouTube, headset delivery, device QA, and privacy, location, and likeness rights. Do not use it for interactive XR apps, volumetric/world-model generation, game-engine experiences, or provider-specific video generation prompts.

calesthio/generative-media-skills

Provider-independent production workflow for AI agents creating music videos, lyric videos, visualizers, performance/narrative/dance videos, social cutdowns, album or single launch assets, and generated-media clips synchronized to songs. Use when planning, directing, prompting, editing, reviewing, or delivering video content built around a recorded song, artist performance, lyrics, beat timing, choreography, platform variants, music rights, likeness consent, accessibility, or synthetic-media disclosure.

calesthio/generative-media-skills

Provider-independent captions and media accessibility direction for AI agents producing or finishing generated videos, ads, social clips, explainers, avatar videos, documentaries, podcasts/video recuts, training media, and localized content. Use when planning, authoring, reviewing, localizing, burning in, exporting, or QAing captions, subtitles, SDH, transcripts, audio description, flashing/motion safety, caption readability, or accessible media handoff files.

calesthio/generative-media-skills

Provider-independent localization and dubbing production direction for AI agents producing translated videos, dubbed ads, social clips, explainers, avatar videos, documentaries, training media, and multi-market campaigns. Use when planning or reviewing subtitle-versus-dub strategy, translation adaptation, glossary/style-guide setup, casting or voice matching, lip-sync or phrase-sync direction, synthetic dubbing boundaries, captions/subtitles handoff, accessibility, platform delivery, client review, or localization QA.

calesthio/motion-graphics-direction

Provider-independent motion graphics direction for AI agents producing title sequences, lower thirds, explainer graphics, product UI overlays, social ads, kinetic typography, diagrams, data callouts, brand films, and video post. Use when planning, prompting, storyboarding, specifying, implementing, reviewing, or QAing motion graphics across live footage, generated video, UI capture, data visualization, brand systems, typography, accessibility, claim integrity, runtime handoff, and iteration.

Skills associés