Communitygithub.com

calesthio/generative-media-skills

Direction de production de localisation et doublage indépendante du fournisseur pour les agents IA produisant des vidéos traduites, publicités doublées, clips sociaux, vidéos explicatives, vidéos d'avatar, documentaires, médias de formation et campagnes multi-marchés.

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

Cette compétence fournit des directives de production complètes pour la localisation et le doublage de vidéos, aidant les agents IA à transformer une vidéo source en variantes adaptées à différents marchés sans traiter la traduction comme un simple échange de mots. Elle couvre la classification du contenu, la sélection du mode de livraison (sous-titres, légendes, voix off, doublage phrase-sync ou lip-sync), la préparation des actifs, la traduction en deux passes, la construction de glossaires et la direction vocale. La compétence est utile pour planifier ou réviser la stratégie sous-titres vs doublage, l'adaptation de traduction, la configuration de glossaires/guides de style, le casting ou l'appariement vocal, la direction lip-sync ou phrase-sync, les limites du doublage synthétique, la remise de légendes/sous-titres, l'accessibilité, la livraison sur plateformes, la révision client ou le contrôle qualité de localisation. Elle est conçue pour être utilisée avec Claude Code, Cursor, Codex et d'autres agents IA, et se base sur des sources vérifiées comme WCAG 2.1, les règles de la FCC, les spécifications Netflix, ISO 17100, YouTube, WebVTT, NAVA et SAG-AFTRA. Elle inclut une posture de preuve documentée, des observations empiriques issues de motifs de production récurrents, et des heuristiques décisionnelles pour guider les agents, tout en précisant qu'il ne s'agit pas d'un avis juridique.

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

Demander à votre IA préférée

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

Documentation

Production de localisation et doublage

Utilisez cette compétence pour transformer une vidéo source en variantes localisées prêtes pour le marché sans traiter la traduction comme un simple échange de mots. Dirigez la stratégie de localisation, l'adaptation du script, l'approche vocale, le timing, l'accessibilité, les vérifications des droits, la boucle de révision et le contrôle qualité avant de choisir un fournisseur ou un modèle.

Ceci est un guide de production, pas un avis juridique. Lorsque le travail implique des contrats de talents, des artistes couverts par un syndicat, des données biométriques/vocales, des droits à l'image, du contenu politique, des allégations réglementées, des mineurs, des allégations santé/finance/juridiques ou des médias payants dans plusieurs juridictions, exigez un examen juridique qualifié/marché local avant la publication.

Posture de preuve

Les faits documentés dans cette compétence sont fondés sur les sources listées à la fin et ont été vérifiés le 2026-07-10 sauf indication contraire. Les observations empiriques sont des motifs de production récurrents observés dans le travail de localisation/doublage et doivent être vérifiés par rapport au média source réel. Les heuristiques de production sont des règles de décision pour les agents ; passez-les outre lorsqu'un brief client, une spécification de plateforme, une loi, une exigence d'accessibilité ou un réviseur natif dit le contraire.

Commencez par classer le travail

Identifiez le type de contenu avant de faire des choix de localisation :

  • Divertissement, documentaire, témoignage, actualités ou contenu créateur : préservez la voix, l'identité, la spécificité culturelle et la confiance. Les sous-titres peuvent être plus honnêtes que le doublage pour les témoignages ou le journalisme.
  • Publicité, lancement de produit, démonstration d'application, clip social, vidéo d'avatar ou explicatif : optimisez la compréhension, la rétention, le ton de la marque et le comportement sur la plateforme. Le doublage ou le ré-enregistrement vocal natif vaut souvent le coût.
  • Médias de formation, conformité, médical, finance, juridique ou secteur public : priorisez la précision, le contrôle terminologique, l'accessibilité, la révision traçable et les approbations vérifiables par rapport aux raccourcis de fluidité.
  • Publics enfants/famille, à littératie limitée ou mobiles sans son : ne supposez pas que les sous-titres seuls suffisent ; envisagez le doublage, les légendes, le renforcement visuel et une charge de lecture plus simple.
  • Drame à forte émotion, présentateur en gros plan, avatar ou publicité centrée sur le visage : décidez tôt si le lip-sync est nécessaire, car cela change le script, le casting, le montage et la charge de contrôle qualité.

Demandez ou déduisez ces éléments essentiels :

  1. Langue source, locales cibles, public, plateforme, date de sortie et région.
  2. Contrats/autorisations existants pour la voix, l'image, la musique, les personnes à l'écran et le traitement synthétique.
  3. Actifs source : vidéo finale, pistes audio (dialogue/musique/effets) si disponibles, transcription, légendes, guide de marque, termes de produit approuvés, allégations de campagne, mentions légales et projet de montage ou liste de plans.
  4. Mode de livraison par locale : sous-titres, SDH/légendes, voix off, doublage phrase-sync, doublage lip-sync, performance d'avatar localisée ou version marché entièrement remontée.
  5. Réviseurs : réviseur de langue maternelle, réviseur marque/juridique, réviseur matière, réviseur accessibilité et approbateur final.

Séparez les faits, les observations et les heuristiques lors de la planification

Faits documentés à prendre en compte dans la production :

  • WCAG 2.1 exige des légendes pour l'audio préenregistré dans les médias synchronisés au Critère de succès 1.2.2 Niveau A et des légendes en direct au 1.2.4 Niveau AA. La description audio est séparément requise au 1.2.5 Niveau AA lorsque les informations visuelles ne sont pas autrement disponibles.
  • La FCC décrit la qualité des sous-titres télévisés autour de la précision, de la synchronicité, de l'exhaustivité et du placement. Même lorsque les règles de la FCC ne s'appliquent pas à une livraison web/sociale donnée, ces dimensions sont des catégories utiles pour le contrôle qualité des légendes.
  • Les exigences générales de texte chronométré Netflix spécifient une durée minimale d'événement de sous-titre de 5/6 seconde et un maximum de 7 secondes pour les livraisons Netflix ; n'appliquez pas aveuglément les limites spécifiques à Netflix à des plateformes non-Netflix, mais utilisez-les comme une vérification de réalité pour la lisibilité.
  • ISO 17100:2015 définit les exigences pour les processus et ressources de traduction de base pour les services de traduction ; son résumé public indique que la sortie brute de traduction automatique plus la post-édition est hors de son champ d'application.
  • L'audio multilingue YouTube permet aux créateurs éligibles de télécharger des pistes audio supplémentaires dans une autre langue pour une vidéo ou un Short ; les pistes téléchargées doivent être audio uniquement et à peu près de la même durée que la vidéo. Le doublage automatique YouTube est séparé et peut contenir des erreurs de prononciation, de dialecte, d'expressions idiomatiques, de noms propres, de jargon, de reconnaissance vocale ou d'appariement vocal.
  • YouTube exige que les créateurs divulguent le contenu réaliste généré par l'IA ou modifié de manière significative par l'IA dans Studio ; YouTube indique que la divulgation n'est pas requise pour la création de légendes et liste le clonage de sa propre voix pour les voix off ou les doublages parmi les exemples que les créateurs n'ont pas besoin de divulguer, mais il s'agit d'une politique de plateforme, pas d'une autorisation de droits générale.
  • WebVTT est un format de piste textuelle W3C pour les légendes/sous-titres, descriptions, chapitres et métadonnées synchronisés.
  • NAVA définit le consentement actif pour les voix synthétiques/IA comme une renonciation/accord affirmatif de l'artiste ou du représentant, excluant toute autre utilisation. Les ressources publiques sur l'IA de SAG-AFTRA mettent l'accent sur le consentement, la divulgation et les protections des répliques numériques dans les contextes syndicaux.

Observations empiriques à vérifier sur chaque projet :

  • Les traductions littérales cassent souvent le timing, l'humour, la correspondance avec l'interface utilisateur à l'écran, le mouvement de la bouche, les nuances juridiques et le ton de la marque.
  • Les systèmes de doublage par IA échouent le plus souvent avec les locuteurs qui se chevauchent, l'audio bruyant, les accents régionaux, les noms, les acronymes, les blagues, le sarcasme, l'alternance codique, la parole rapide, les chansons et le jargon de domaine.
  • Les téléspectateurs tolèrent une synchronisation plus lâche dans les narrations, formations, vidéos explicatives et voix off hors caméra que dans les performances humaines en gros plan, les témoignages, les drames ou les porte-parole avatar.
  • Certaines locales s'attendent au doublage par défaut pour le divertissement ; d'autres préfèrent les sous-titres pour l'authenticité. Traitez cela comme une recherche de marché, pas comme une règle universelle.

Heuristiques de production :

  • Localisez d'abord l'intention, ensuite le texte, puis le timing. Une phrase fluide qui manque l'allégation, la blague ou l'appel à l'action est erronée.
  • Verrouillez le montage source avant la localisation, sauf si le plan de localisation inclut explicitement des remontages par marché.
  • Construisez une base terminologique avant de traduire plus qu'un échantillon. Corriger la terminologie après l'enregistrement coûte cher.
  • Utilisez des réviseurs natifs pour l'adéquation au marché, pas seulement des réviseurs bilingues pour la précision du dictionnaire.
  • Préférez le phrase-sync au lip-sync lorsque la bouche n'est pas centrale pour la confiance ou l'immersion ; dépensez le budget lip-sync uniquement là où le visage vend la performance.
  • Traitez chaque demande de voix synthétique, voix clonée, ré-éclairage du visage et lip-sync d'avatar comme une porte de consentement et de divulgation avant la production, pas comme un problème de paperasse après la livraison.

Choisissez sous-titres, légendes, voix off, phrase-sync ou lip-sync

Utilisez le mode le plus léger qui répond aux objectifs de compréhension, de confiance, d'accessibilité et de plateforme.

Les sous-titres sont généralement les plus forts lorsque :

  • La performance originale, le témoignage, l'accent, la musique ou l'authenticité documentaire comptent.
  • Le budget ou le calendrier ne peut pas supporter le casting natif, la direction, le mixage et le contrôle qualité.
  • Le contenu est regardé avec le son activé et la charge de lecture est raisonnable.
  • Des contraintes légales ou techniques rendent risqué le remplacement de la voix originale.
  • La source a de nombreux locuteurs mais le lip-sync visible n'est pas requis.

Les légendes/SDH sont requises lorsque l'accessibilité est dans le champ :

  • Incluez le dialogue, l'identification du locuteur si nécessaire, et les sons non verbaux significatifs comme les indices musicaux, les effets sonores, les voix hors champ, les rires, les alarmes ou l'audio créant l'ambiance.
  • Les légendes ne sont pas simplement des sous-titres traduits ; elles représentent des informations audio pour les téléspectateurs qui ne peuvent pas les entendre.
  • Pour l'accessibilité localisée, créez des légendes pour l'audio localisé, pas seulement des sous-titres traduits de la source.

La voix off est généralement la plus forte lorsque :

  • Les locuteurs originaux peuvent rester audibles sous un lit de narration traduite.
  • Le contenu est un documentaire, une actualité, une formation, un webinaire, une interview ou un contenu éducatif, et une synchronisation parfaite du visage semblerait artificielle ou inutile.
  • La rapidité et la clarté comptent plus que l'illusion que la personne parle la langue cible.

Le doublage phrase-sync est généralement le plus fort lorsque :

  • La voix localisée doit commencer et se terminer près des phrases du locuteur source, mais un appariement exact de la forme de la bouche n'est pas nécessaire.
  • La source contient des plans de présentateur, des démos, des vidéos explicatives, des formations en entreprise ou des publicités avec une visibilité modérée du visage.
  • Le script peut être adapté pour correspondre à la durée de la phrase tout en préservant une performance naturelle dans la langue cible.

Le doublage lip-sync est généralement le plus fort lorsque :

  • Le public voit des bouches en gros plan, des performances émotionnelles, des personnages, des avatars ou des talents s'adressant directement à la caméra.
  • La version localisée doit créer l'illusion que la personne à l'écran parle la langue cible.
  • Le budget supporte l'adaptation, le casting, la direction vocale, les reprises, l'alignement et le contrôle qualité visuel.

Évitez le lip-sync lorsque :

  • La source est principalement une narration hors caméra, une capture d'écran, une démonstration de produit ou des graphiques animés.
  • L'expansion de la langue cible forcerait un discours précipité et non naturel.
  • Le consentement pour la manipulation du visage/de la voix est absent.
  • La production ne peut pas se permettre un contrôle qualité linguistique et de performance natif.

Construisez le brief de localisation

Produisez ou demandez un brief avec :

  • Locales source et cibles, pas seulement les langues : par exemple, espagnol pour le Mexique, espagnol pour l'Espagne, français pour le Canada, arabe MSA versus dialecte, portugais du Brésil versus Portugal.
  • Public : âge, expertise, littératie, contexte culturel, besoins d'accessibilité et mode de visionnage probable.
  • Objectif : informer, persuader, former, divertir, convertir, se conformer, soutenir ou établir la confiance.
  • Voix de marque : formel/informel, tolérance à l'humour, politique de pronom/registre, tons interdits, slogans approuvés.
  • Contraintes de marché : allégations légales, mentions médicales/financières, terminologie réglementée, sensibilité politique, restrictions religieuses/culturelles, unités/monnaie/formats de date.
  • Plateforme/livraison : audio multilingue YouTube, légendes incrustées sociales, package de texte chronométré OTT, module de formation LMS, diffusion, téléchargement de publicité payante, vidéo in-app ou fichier d'aide à la vente.
  • Cible de synchronisation : pas de synchronisation, synchronisation temporelle, phrase-sync, lip-sync, lip-sync d'avatar ou version native remontée.
  • Chemin de révision : qui approuve la terminologie, les allégations, la performance, l'accessibilité et la livraison finale.

Préparez les actifs source avant la traduction

Ne partez pas d'une seule auto-transcription sauf si aucune meilleure source n'existe. Créez un dossier de localisation source :

  • Vidéo source verrouillée avec référence de timecode.
  • Transcription du dialogue avec identifiants de locuteur, timecodes, notes de parole chevauchante, statut hors champ/à l'écran et indicateurs inaudibles.
  • Notes d'intention par section : blague, avertissement, battement émotionnel, allégation produit, CTA, mention légale, instruction de sécurité, relation de personnage ou révélation d'intrigue.
  • Texte à l'écran, chaînes d'interface utilisateur, graphiques, tiers inférieurs, légendes, sous-titres, cartes de titre, cartes de fin, incrustations et ardoises légales.
  • Liste de prononciation pour les noms, produits, acronymes, lieux, termes inventés et terminologie de domaine.
  • Pistes audio (musique/effets/dialogue) lors du doublage ou du remixage.
  • Notes de droits pour les talents, la musique, les images d'archives, les clips générés par les utilisateurs, les personnalités publiques, les mineurs et le traitement synthétique.

Si la source n'est pas verrouillée, marquez chaque artefact en aval comme provisoire. Un changement de montage source peut invalider les sous-titres, le timing du doublage, les graphiques localisés et les approbations.

Traduisez pour l'objectif, puis adaptez pour le temps

Utilisez un processus de script en deux passes :

  1. Passe de sens : traduisez avec précision toutes les allégations, instructions, battements d'histoire, intention émotionnelle, terminologie, noms, chiffres, déclarations de sécurité/juridiques et appels à l'action pour la locale cible.
  2. Passe d'adaptation : remodelez les lignes pour la vitesse de lecture, la durée de la phrase, la visibilité de la bouche, la respiration de l'interprète, l'idiome du marché, la voix de la marque et le contexte à l'écran.

Maintenez un tableau de lignes pour le travail doublé :

ChampObjectif
Timecode source entrée/sortiePréserver le timing et rendre les reprises traçables.
LocuteurSoutenir le casting, les étiquettes de sous-titres et les décisions de mixage.
Ligne sourceGarder les réviseurs ancrés.
Sens littéralEmpêcher l'adaptation de s'éloigner de l'intention.
Ligne de performance localiséeLa ligne réellement enregistrée/synthétisée.
Contrainte de synchronisationAucune synchronisation, synchronisation temporelle, phrase-sync, lip-sync, hors champ ou possibilité de remontage.
PrononciationNoms, termes de produit, acronymes, termes régionaux.
Notes du réviseurNotes marque/juridiques/culturelles/accessibilité et statut.

Pour les sous-titres, préservez le sens et la lisibilité plutôt que chaque mot source. Pour les légendes, préservez les informations audio. Pour le doublage, préservez l'intention de performance et le timing tout en restant naturel dans la langue cible.

Construisez un glossaire et des contrôles de style

Créez une base terminologique de projet avant la localisation par lots :

  • Noms de produits : traduisez, translitérez ou laissez inchangé.
  • Chaînes d'interface utilisateur : correspondez exactement à l'interface utilisateur du produit livré ; n'inventez pas d'étiquettes locales.
  • Slogans de marque et lignes de campagne : marquez les traductions approuvées ou « transcréez, ne littéralisez pas ».
  • Termes juridiques, de sécurité, médicaux, financiers et de conformité : exigez l'approbation du sujet.
  • Unités, monnaie, dates, numéros de téléphone, adresses, mesures, honorifiques et formalité/registre.
  • Noms de concurrents, marques déposées, références culturelles, expressions idiomatiques, phrases interdites et mots sensibles.
  • Prononciation : API, prononciation en langage clair, accentuation et variantes acceptables.

Pour les campagnes multi-marchés, créez un glossaire global avec des remplacements par locale. Ne forcez pas une seule ligne espagnole/française/arabe/etc. entre les marchés lorsque l'utilisation, la réglementation ou l'attente du public diffère.

Casting et direction des voix

Faites correspondre la fonction communicative avant la similarité de surface :

  • Rôle : narrateur, expert, client, fondateur, instructeur, personnage, enfant, aîné, agent de support, avatar, annonceur.
  • Performance : chaleureux, urgent, crédible, ludique, retenu, premium, conversationnel, technique, rassurant, comique.
  • Attributs vocaux : gamme, rythme, énergie, articulation, impression d'âge si pertinente, accent/dialecte, respiration, autorité, texture.
  • Adéquation culturelle : performance native ou quasi-native de la locale cible, aisance avec l'idiome, registre et prononciation corrects.

[La suite est tronquée pour la traduction]

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 dialogue editing and ADR direction for AI agents producing generated videos, films, ads, avatar clips, explainers, localization/dubbing, podcasts, recuts, and social content. Use for dialogue prep, repair, room tone, take comping, sync, ADR cueing, dubbing direction, pronunciation, de-essing, plosives, mouth clicks, voice continuity, synthetic voice consent boundaries, captions/transcripts handoff, mix handoff, loudness, intelligibility, accessibility, and 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