Communitygithub.com

gooseworks-ai/goose-skills

Génère un clip vidéo vertical unique de 4 à 15 secondes avec le modèle Seedance 2.0 (ByteDance) via fal.ai, incluant référence multi-image, voix-off synchronisée et audio ambiant. Routé via le proxy FAL GooseWorks.

Qu'est-ce que goose-skills ?

Cette compétence permet de générer un clip vidéo vertical de 4 à 15 secondes à l'aide du modèle Seedance 2.0 de ByteDance, accessible via l'API fal.ai. Elle prend en charge plusieurs images de référence (avatar, produit, décor), une voix-off synchronisée avec les lèvres et un fond sonore ambiant, le tout en un seul appel API. La compétence est conçue pour les créateurs de publicités UGC (contenu généré par l'utilisateur) basées sur l'IA, et s'appuie sur l'architecture NB2 et Seedance. Elle est validée sur le projet beauty-by-earth/video-01 et route les appels via un proxy FAL interne pour la facturation. L'utilisateur doit fournir une image de référence du produit pour éviter les hallucinations du modèle, et le prompt doit être structuré en plusieurs scènes (accroche, démonstration du produit, réaction, appel à l'action) pour garantir la continuité visuelle et réduire le nombre d'appels.

Compatible avec✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/gooseworks-ai/goose-skills/tree/HEAD/skills/ads/packs/ugc-video-formats/create-video-seedance-2-fal

Demander à votre IA préférée

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

Documentation

create-video-seedance-2-fal

⚠️ PRÉ-VÉRIFICATION OBLIGATOIRE (2026-06-04) : chaque prompt Seedance qui nomme un produit de marque DOIT être associé à une image de référence réelle de ce produit exact comme l'une des entrées --image-ref. Une description textuelle seule du produit sans référence invite Seedance à inventer une géométrie qui ne correspond pas au SKU réel. Si aucune référence n'existe localement, trouvez-en une via brand-assets → existing-ads → PDP harvest → promouvoir vers clients/<brand>/brand-assets/reference-photos/. Optionnellement, nettoyez une référence obstruée via un rapide passage GPT-image-2 edit au préalable. Obtenez toujours l'approbation de l'utilisateur pour la référence et le prompt final avant de lancer l'appel payant. Voir feedback_product_reference_required.md.

Objectif

Encapsule le point de terminaison FAL bytedance/seedance-2.0/reference-to-video. Transmettez 1 à N images de référence (généralement : portrait + produit + décor optionnel) + un prompt structuré → recevez un clip de 4 à 15 secondes avec voix-off synchronisée et audio ambiant.

Seedance 2.0 génère plusieurs coupes internes au sein d'un seul appel de 15 secondes lorsque le prompt spécifie une structure de sous-scènes (par exemple : ACCROCHE LARGE / HÉROS PRODUIT / DÉPLACEMENT / RÉACTION). C'est l'avantage architectural par rapport à l'ancienne approche NB2 + i2v multi-keyframes — moins d'appels, synchronisation labiale native, pas besoin de Soul ID.

Utilisez cette compétence lorsque :

  • Le clip nécessite un avatar parlant qui examine ou démontre un produit
  • Un dialogue synchronisé est requis (définissez --generate-audio)
  • L'identité doit être maintenue via une référence d'image, pas une vidéo (voir Règle de décision 1)
  • Durée 4-15s, format vertical 9:16 (ou autres ratios)
  • Conditionnement multi-image (visage + produit, ou visage + plusieurs produits pour une scène d'accroche)

Ne pas utiliser pour :

  • Clips > 15s → diviser en plusieurs appels et assembler (assembly/stitch-videos-ffmpeg)
  • Mouvements de caméra purement cinématographiques sans personne à l'écran → create-video-veo3 est souvent meilleur
  • B-roll produit uniquement sans personne → create-product-videos-higgsfield-ms ou text-to-video Seedance
  • Clips nécessitant une référence vidéo pour la continuité à partir d'une scène IA précédente → non pris en charge (content_policy_violation)

Entrées

Obligatoires :

  • --prompt — bloc de prompt structuré (voir "Modèle de prompt" ci-dessous). Long, multi-blocs. Exemple d'exécution de référence : beauty-by-earth/video-01-three-product-grwm/working/fire_seedance_facewash.py.
  • --output — destination locale du fichier MP4.
  • --image-url (alias --image-ref) — au moins une URL d'image de référence PUBLIQUE (répétable), transmise comme image_urls. L'ordre compte — le premier = @Image1 dans l'adressage du prompt. Le proxy ne télécharge PAS les fichiers locaux : hébergez les références locales via MCP get_upload_url → get_download_url et transmettez l'URL (identique à create-video-fal).

Optionnelles :

  • --resolution — 480p | 720p | 1080p (par défaut). La 1080p améliore significativement la fidélité des étiquettes produits.
  • --duration — 4–15 secondes (par défaut 15). Transmis comme un entier (enum seedance-2.0/reference-to-video {auto,4..15}) ; une chaîne de caractères "15" génère une erreur invalid_request (validé le 2026-07-18).
  • --aspect-ratio — 9:16 (par défaut), 16:9, 1:1, etc.
  • --generate-audio — booléen, vrai par défaut. Définir à faux pour un B-roll silencieux où la VO est ajoutée ultérieurement.
  • --seed — entier pour des exécutions déterministes (FAL renvoie une seed ; transmettez-la pour reproduire).

Informations d'identification :

  • Pas de clé FAL. Route via le proxy FAL GooseWorks (media_proxy.py, inclus) et facture l'agent Ads, en utilisant ~/.gooseworks/credentials.json (écrit par la CLI gooseworks). Votre token cal_/agent n'est pas une clé FAL — l'ancien chemin direct avec clé générait une erreur 401 ; c'est pourquoi cette capacité a été reroutée via le proxy.

Règles de décision

0. Privilégiez MOINS d'appels, PLUS LONGS avec un prompt multi-scène interne plutôt que de nombreux appels courts. Chaque nouvel appel Seedance modifie légèrement le personnage, la tenue, l'éclairage et l'arrière-plan — même avec la même référence de portrait. 5 appels courts = 5 points de dérive que le spectateur perçoit comme des ruptures de continuité. Utilisez le modèle multi-scène éprouvé dans UN seul appel de 10 à 15 secondes pour obtenir des coupes franches internes à partir d'un seul rendu :

SCÈNE 1 (0-3s) — ACCROCHE LARGE [cadrage + action + dialogue]
SCÈNE 2 (3-7s) — HÉROS PRODUIT [cadrage + mouvement caméra + dialogue]
SCÈNE 3 (7-11s) — DÉPLACEMENT / PREUVE [cadrage + action + dialogue]
SCÈNE 4 (11-15s) — RÉACTION + APPEL À L'ACTION [cadrage + action + dialogue]

Le décor PEUT varier entre les sous-scènes internes d'un seul appel Seedance. L'identité du personnage est verrouillée par l'image de référence du portrait, pas par le décor. Référence validée (ref-01 Bristle UGC, 26s) montre le même créateur dans 5+ décors/pièces différents au sein d'un seul rendu multi-scène. Ne divisez pas artificiellement en plusieurs appels juste pour changer de pièce — intégrez les changements de décor DANS la structure de sous-scènes SCÈNE N (X-Ys) d'un seul appel. Répartissez les appels en fonction de L'ARC NARRATIF et de la limite de durée maximale de 15s, pas du nombre de décors. Voir prompt-example.md pour le modèle validé. Mémoire : feedback_seedance_long_calls_not_short.md.

0a. La TENUE doit être COMPLÈTEMENT spécifiée — haut + bas + cheveux + accessoires. Validé le 2026-05-23 (Bristle) : si seul le haut est spécifié ("sweat-shirt crème"), Seedance hallucine le bas (un short en jean est apparu de nulle part). Chaque prompt doit verrouiller tous les éléments :

  • Haut (avec négations)
  • Bas (avec négations) — "short en jean clair retroussé, mi-cuisse, PAS un jean, PAS un short de pyjama"
  • Cheveux (coiffure spécifique — "queue-de-cheval basse lâche à la nuque avec mèches encadrant le visage" fonctionne mieux que "chignon" vague)
  • Accessoires (par exemple "boucles d'oreilles créoles fines en or, rien d'autre")

Pour une UGC confessionnelle / en une seule session, la tenue doit être IDENTIQUE dans tous les appels de la même publicité (préférence utilisateur validée + motifs ref-01 + ad-03). Faites varier la tenue entre les appels UNIQUEMENT pour les formats GRWM / transformation / multi-jours. Mémoire : feedback_seedance_long_calls_not_short.md.

0b. TRANSMETTEZ UNE IMAGE DE RÉFÉRENCE D'ARRIÈRE-PLAN comme image_urls[2] pour des décors verrouillés. Validé le 2026-05-23 (Bristle). Une description textuelle seule du décor donne une esthétique de location générique — Seedance la remplit avec son propre arrière-plan par défaut. Une image de référence d'arrière-plan (générée via NB2 Pro avec fal-ai/nano-banana-pro, 0,15 $/1K, text-to-image avec directives "pas de bokeh, mise au point infinie, pas de personnes, pas de visages") VERROUILLE la pièce dans toutes les sous-scènes. Utilisez la MÊME image d'arrière-plan dans tous les appels de la même publicité — une image d'arrière-plan différente par appel donne l'impression que "elle a bougé". Mémoire : feedback_seedance_long_calls_not_short.md.

0c. NETTOYEZ AU PRÉALABLE LES IMAGES DE RÉFÉRENCE DE PRODUIT via NB2 edit si elles contiennent des accessoires. Validé le 2026-05-23 (Bristle hi_res-12 avait des flacons et un entonnoir à côté de la boîte ; Seedance les a fusionnés sur le devant de la boîte). Inspectez les images produit sources lors de la réception. Si des accessoires / produits secondaires / badges de notation / éléments de style de vie sont visibles, acheminez via fal-ai/nano-banana-2/edit (0,08 $) pour isoler le produit héros avant de le transmettre à Seedance. Moins cher que de relancer un rendu Seedance à 4,50 $ - 10,20 $. Mémoire : feedback_nb2_clean_product_refs.md.

0d. CONTINUITÉ ENTRE APPELS SÉQUENTIELS — utilisez la réutilisation de seed, PAS video_urls. Validé le 2026-05-23 (test A/B Bristle). Pour l'appel N>1 dans une publicité multi-appels, transmettez la seed de l'appel précédent (via --seed) avec les mêmes image_urls. Ne transmettez JAMAIS le mp4 de l'appel précédent comme video_urls pour la continuité séquentielle — cela NUIT à la continuité (le modèle essaie de "continuer" la vidéo précédente ; la tenue/le produit dérivent plus que sinon). video_urls est UNIQUEMENT pour le transfert de style à partir d'une vidéo de référence HUMAINE RÉELLE (par exemple, prendre une publicité UGC de créateur réel et la recréer avec un créateur IA). Mémoire : feedback_seedance_video_urls_vs_seed.md.

0e. LORSQUE VOUS UTILISEZ video_urls (transfert de style à partir d'une référence réelle) : définissez le délai d'attente du client sur 30+ min ET rognez la référence à ≤15s. Validé le 2026-05-23 :

  • Temps de rendu : ~18-20 min (contre ~10 min pour image seule). Le délai par défaut de 10 min de fal_client.subscribe() échouera. Utilisez fal_client.submit() + sondage manuel.
  • Limite de durée cumulée des video_urls : 15s. FAL rejette avec input_value_error: Combined video duration must not exceed 15.0s. Rognez les vidéos de référence avec ffmpeg -t 15 avant le téléchargement.
  • Limite de taille cumulée des fichiers : 50 Mo au total. Notre limite fal_helpers.upload_file() est passée de 10 Mo à 50 Mo le 2026-05-23.
  • Détectez les erreurs de validation (input_value_error / "must not exceed") dans les exceptions de sondage et abandonnez après 1 à 2 nouvelles tentatives — les erreurs terminales ne remontent pas via status=Failed.
  • La référence vidéo transfère PLUS que le style/rythme — elle transfère la tenue, les accessoires, les cheveux de manière non négligeable (validé le 2026-05-23 Recreation Probiotique : les cheveux ont basculé pour correspondre à la référence ; des comprimés sont apparus malgré l'image produit nettoyée). Les surcharges côté texte sont PARTIELLEMENT efficaces ; choisissez une référence dont les visuels correspondent déjà à votre cible.
  • FAL ACCEPTE bien une vidéo générée par IA comme entrée (l'ancienne hypothèse "content_policy_violation instantanée" de BBE début 2026 est obsolète). Mémoire : feedback_seedance_video_urls_vs_seed.md.

1. Ne transmettez JAMAIS une vidéo générée par IA comme video_urls. Le validateur de politique de contenu de FAL rejette cela avec partner_validation_failed. La réduction de 60 % sur l'entrée vidéo est réelle mais ne s'applique qu'à une vidéo de référence HUMAINE RÉELLE. Pour la continuité d'un avatar IA à travers plusieurs scènes, utilisez le même portrait d'identité comme image_urls dans chaque scène. Validé sur BBE.

2. Rejet NSFW → ARRÊTEZ et remontez, ne refaites pas automatiquement. L'application corporelle + femme + eau/mousse déclenche le classificateur de manière fiable. Si FAL renvoie content_policy_violation ou status: failed avec une raison nsfw, ne relancez PAS le même prompt. Remontez à l'appelant avec 3 options : réécrire le temps d'application comme test olfactif / bout des doigts, recadrer en POV (sans visage), ou sauter la scène. Suit la politique de modération à l'échelle du projet (voir mémoire feedback_hf_moderation_surface.md).

3. duration comme un ENTIER. Transmettez 15, pas "15". seedance-2.0/reference-to-video rejette une durée sous forme de chaîne avec invalid_request (validé le 2026-07-18 ; l'ancienne note "chaîne uniquement" concernait le point de terminaison i2v v1 obsolète).

4. Un seul produit par appel (sauf accroche). Les scènes multi-produits héros au sein d'un seul appel Seedance dégradent la fidélité des étiquettes. L'exception est la scène d'accroche/intro où tous les produits apparaissent ensemble mais aucune étiquette unique n'est en héros.

5. 1080p pour une qualité héros. La texture de la peau et la netteté des étiquettes produits s'améliorent sensiblement avec la résolution. Utilisez la 720p uniquement pour les appels budget/de test.

Flux de travail

python3 scripts/generate.py \
  --prompt "$(cat prompt-scene-1.txt)" \
  --output /path/to/scene-1.mp4 \
  --image-url "https://<hosted>/portrait.png" \
  --image-url "https://<hosted>/product.png" \
  --resolution 1080p \
  --duration 15 \
  --aspect-ratio 9:16 \
  --generate-audio

Le script :

  1. Route via le media_proxy.py inclus (proxy FAL GooseWorks) — pas de clé FAL ; facture l'agent Ads via ~/.gooseworks/credentials.json.
  2. Transmet les valeurs --image-url directement comme image_urls (elles doivent déjà être des URL PUBLIQUES ; l'orchestrateur héberge les références locales via MCP).
  3. Soumet bytedance/seedance-2.0/reference-to-video via le proxy et sonde jusqu'à la fin avec :
    {
        "prompt": <prompt>,
        "image_urls": [<refs>],
        "resolution": <res>,
        "duration": <dur>,  # int
        "aspect_ratio": <ar>,
        "generate_audio": <bool>,
        "seed": <optional int>,
    }
    
  4. Télécharge le MP4 résultant vers --output.
  5. Écrit <output>.meta.json avec le prompt, les références, l'URL vidéo, la seed, la durée, l'estimation de coût.
  6. En cas de content_policy_violation ou d'échec NSFW : remonte l'erreur et se termine avec un code non nul (pas de nouvelle tentative silencieuse).

Sortie

  • <output> — clip MP4 à la durée, résolution et rapport d'aspect demandés.
  • <output>.meta.json — métadonnées de la demande + résultat + seed pour la reproductibilité + estimation de coût.

Tarifs (2026-05)

RésolutionDuréeCoût par appel
720p std15s~4,54 $
1080p std15s~10,20 $
1080p std8s~5,44 $
1080p std4s~2,72 $

Le niveau rapide est ~20 % moins cher mais plafonne à 720p.

Modèle de prompt

Le prompt est le levier de qualité le plus important. Utilisez la structure éprouvée du modèle BBE :

📱 REVUE DE PRODUIT [PRODUIT] PAR INFLUENCEUR UGC (STYLE SELFIE, PAS UNE PUB)

[BLOC 0 — ouverture anti-modèle]
Ce n'est PAS une pub cinématographique, PAS une publicité de catégorie [catégorie], PAS une campagne éditoriale.
C'est un vrai Reel Instagram filmé par un créateur [démographie] d'une vingtaine d'années avec
la caméra frontale de son iPhone, parlant directement à ses abonnés sur un ton détendu et confiant...

[AFFECTATIONS DES RÉFÉRENCES IMAGES]
Utilisez @Image1 comme visage/identité de l'influenceur. Utilisez @Image2 comme le [produit] exact
qu'il examine — c'est une [DESCRIPTION VISUELLE]. Ce n'est PAS une [confusion courante].
Le produit et l'étiquette DOIVENT être clairement identifiables.

[BLOC FORMAT]
- Esthétique selfie vertical 9:16 filmé au téléphone, léger micro-tremblement tenu à la main
- TENUE (STRICTE) : [tenue]. ABSOLUMENT PAS [liste de négations].
- Décor : [décor]
- Éclairage : [éclairage]
- Peau réelle, légèrement imparfaite (peu de maquillage naturel), léger hâle doré

[BLOC IDENTITÉ]
Même jeune femme que @Image1 — [tranche d'âge, cheveux, yeux, teint]

[BLOC CADRAGE DYNAMIQUE]
La vidéo doit varier son cadrage à travers les scènes comme un vrai Reel — ne restez PAS
sur une seule focale tout le temps. Mélangez plans larges / moyens / gros plans.

[SCÈNE 1 (0-3s)] ACCROCHE LARGE — [texte du script] + [émotion + action]
[SCÈNE 2 (3-7s)] HÉROS PRODUIT avec rotation — [texte du script] + [émotion + action]
[SCÈNE 3 (7-11s)] Application ou test olfactif DÉPLACEMENT — [texte du script] + [émotion + action]
[SCÈNE 4 (11-15s)] RÉACTION + recommandation — [texte du script] + [émotion + action]

[DIRECTION AUDIO]
[Caractère vocal : ton, accent, rythme selon DELIVERY_STYLES.md]
PAS de musique dans l'audio (nous ajoutons la musique en post-production).

[RÈGLES GLOBALES]
- Tenue identique dans toute la scène
- Le produit reste identique et clairement visible dans sa main
- Les lèvres restent FERMÉES entre les battements de dialogue
- [Négations de contournement NSFW si pertinent]

[RÈGLES DE RÉALISME STRICT — Bloc F]
- Petites imperfections naturelles, léger duvet de pêche, fines ridules
- PAS plastique, PAS aérographe, PAS poupée, PAS porcelaine
- Reflets sur la peau UNIQUEMENT sur le bout du nez, les pommettes, l'arc de Cupidon
- Cheveux : mèches individuelles

...

[tronqué pour la traduction]

Individual skills in this repo

This repo contains 10 individual skills — each has its own dedicated page.

gooseworks-ai/goose-skills

Burned-in captions for a finished vertical video, three kinds. transcribe.py gets word timings from the video's own audio through the GooseWorks proxy (fal Whisper, bills the Ads agent, cents); captions.py burns one to three words at a time with Pillow + ffmpeg (no libass needed), either pinned to a split-screen seam (plate 25% above / 75% below) or at a fixed height, in a plate, outline or one-word serif style, with an optional red hook card; plates.py burns per-beat caption blocks (black, one union silhouette, placed in the emptiest band) for formats with no voice. The last caption (the CTA) holds to the final frame. Use as the last step of any video ad.

gooseworks-ai/goose-skills

Assemble a cartoon / animated / hand-crafted music-video ad from a config — a sung song carries the whole narrative while N per-bar i2v clips (one recurring animated character, one look pack) are each cut to their BAR window from librosa beat-tracking and hard-concatenated on the bar, VEED-whisper white bold-sans captions in the BOTTOM third (Alignment 2, above the logo bug, no pill) burned from the song's word timings re-spelled against the locked lyrics, a persistent brand logo bug held over the body (suppressed on the end card), and closed on a solid-brand-color PIL end card with the song still playing under it — never AI-rendered text. This is the FREE deterministic assembly stage (cut-to-bar + hard concat + logo bug + captions + end card + song mux); the song, character, keyframes, and clips come from create-music-elevenlabs / create-image-fal / create-video-fal. Use for the cartoon-music-video format.

gooseworks-ai/goose-skills

Assemble a cinematic live-action-style music-video ad from a config — an original sung anthem carries the whole narrative while N 35mm-film-look i2v clips are each cut to their lyric window and hard-concatenated on the beat as a 3-act arc, the anthem muxed at loudnorm I=-14, cinematic lower-third serif captions built from the song's OWN word timings (never Whisper) with the hook line landing on the chorus drop, and closed on a brand end card composited from the real asset — never AI-rendered text. This is the FREE deterministic assembly stage (cut-to-window + hard concat + anthem mux + captions + end card); the anthem, keyframes, and clips come from create-music-elevenlabs / create-image-gpt-image-fal / create-video-fal. Use for the cinematic-music-video format.

gooseworks-ai/goose-skills

Assemble an editorial-motion podcast-clip ad from a config — a real clipped podcast MP3 carries the narrative while N flat limited-palette editorial-illustration keyframes (one look pack) are animated NOT by generative i2v but by DETERMINISTIC ffmpeg ken-burns (zoompan) + hard cuts (no crossfades, which expose geometric drift), each beat snapped to its spoken line, the real audio muxed, Whisper-driven captions burned only mid-sentence, and closed on a PIL brand end card — never AI-rendered text. This is the FREE deterministic assembly stage (ffmpeg ken-burns + hard concat + audio mux + captions + end card); the real audio is clipped from source and the keyframes come from create-image-fal. Use for the editorial-motion-podcast format.

gooseworks-ai/goose-skills

Analyze the message match between your ads and landing pages. Checks if the promise in the ad copy carries through to the landing page headline, body, and CTA. Flags disconnects that kill conversion rates. Works with Google, Meta, and LinkedIn ads.

gooseworks-ai/goose-skills

Mandatory pre-publish review gate for a UGC video render. Transcribes the finished render's AUDIO with Whisper and word-diffs it against the approved spoken script, then gates set_final_render — blocking a render whose generated audio mis-voices a word (e.g. the approved "human-vetted" spoken as "human witted"), drops an approved phrase, or comes back silent. Runnable, gating counterpart to content-goose's review-transcript-integrity atom. Every ugc-video-formats recipe runs this after render and BEFORE set_final_render.

gooseworks-ai/goose-skills

Render pixel-accurate Apple Notes (iPhone, light mode) screenshot mockups from a JSON note spec. Outputs HTML + PNG at the iPhone 16/15 Pro native 1180×2556. Supports paragraphs, images, checklists, dividers, autocorrect underline, smart quotes, and an optional iOS keyboard chrome overlay used by the parent video-ad molecule.

gooseworks-ai/goose-skills

Extract competitor and customer intelligence from any company's landing page HTML. Discovers tech stack, analytics tools, ad pixels, customer logos, SEO metadata, CTAs, hidden elements, and more. No API keys required.

gooseworks-ai/goose-skills

Find speakers, hosts, and guest profiles at conferences and events on Luma. Two modes - free direct scrape for hosts, or Apify-powered search for full guest profiles with LinkedIn/Twitter/bio.

gooseworks-ai/goose-skills

Find Twitter/X influencers to promote a product or brand. Use when asked to find influencers, discover Twitter accounts for partnerships, identify creators in a niche, or build an influencer outreach list.

Skills associés