Communitygithub.com

render-cartoon-music-video

Assemblez un clip musical animé / cartoon / artisanal à partir d'une configuration : une chanson chantée porte l'intégralité du récit tandis que N clips i2v par mesure (un personnage animé récurrent, un pack de styles) sont chacun découpés sur leur fenêtre de mesure à partir du suivi de rythme librosa et concaténés durement sur la mesure, les sous-titres VEED-whisper en gras blanc sans empattement dans le tiers inférieur (Alignement 2, au-dessus du logo, sans pilule) brûlés à partir des timings de mots de la chanson réorthographiés par rapport aux paroles verrouillées, un logo de marque persistant maintenu sur le corps (supprimé sur la carte de fin), et fermé par une carte de fin PIL de couleur de marque unie avec la chanson jouant toujours en dessous — jamais de texte généré par IA.

Qu'est-ce que render-cartoon-music-video ?

Le skill `render-cartoon-music-video` assemble un clip musical publicitaire animé de manière déterministe et gratuite. À partir d'une configuration, il découpe chaque clip i2v (image-à-vidéo) sur sa fenêtre de mesure correspondante via librosa, les concatène durement, et superpose un logo de marque persistant, des sous-titres provenant des timings de mots de la chanson réorthographiés par rapport aux paroles verrouillées, et une carte de fin de couleur unie. La chanson chantée porte l'intégralité du récit sans voix-off ajoutée. Le traitement utilise exclusivement FFmpeg, PIL et cairosvg, sans aucun appel payant. Il nécessite en entrée une chanson avec ses timings, des clips i2v par mesure, le logo vectoriel de la marque, et produit un master vidéo 1080×1920 en H264+AAC. Ce skill est conçu pour être utilisé avec les étapes de génération amont `create-music-elevenlabs`, `create-image-fal` et `create-video-fal`.

Compatible avec~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/gooseworks-ai/goose-skills/tree/HEAD/skills/ads/capabilities/render-cartoon-music-video

Demander à votre IA préférée

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

Documentation

Que fait render-cartoon-music-video ?

Assemblez un clip musical animé à partir d'une configuration : une histoire animée / illustrée / artisanale (stop-motion en feutrine et mousse, pâte à modeler, dessin animé 2D, papiers découpés) où une chanson chantée constitue l'intégralité du script et un personnage animé récurrent porte chaque plan, coupé sur la mesure avec la ligne culminante sur le drop. Cette capacité est l'assemblage GRATUIT et déterministe — découpage sur la mesure, concaténation dure, incrustation du logo et des sous-titres, et carte de fin de couleur unie.

scripts/config.example.json est l'exemple concret (Coinbase "Bet on anything", ~55s 1080×1920 9:16, 16 mesures de corps + une carte de fin de 3s — son style feutrine, son personnage, son histoire et sa chanson sont les choix de cette démo, jamais des valeurs par défaut) ; scripts/PIPELINE.md associe chaque bloc de configuration à son étape source et scripts/README.md documente l'assemblage gratuit.

Choix

Les décisions créatives incombent à l'appelant (la recette du format vidéo les demande à l'utilisateur) ; cet assemblage ne les choisit jamais. La valeur de la démo n'est qu'un exemple :

  • Style artistique / pack de styles (stop-motion en feutrine, pâte à modeler, dessin animé 2D, papiers découpés…) — démo : diorama en feutrine et mousse.
  • Personnage — la figure animée récurrente UNIQUE — démonstration : une figurine en feutre sans genre dans un maillot bleu de marque.
  • Arc narratif — démonstration : revanche du perdant.
  • Style de chanson + chant principal — démo : hype dance-pop / EDM-trap, chant masculin mi-rappé.

Exécution

Il s'agit de l'étape d'assemblage GRATUITE et déterministe — elle ne dépense rien. Les entrées payantes sont des capacités séparées : la chanson chantée (create-music-elevenlabs, ou un fichier mp3 fourni par l'utilisateur + timings de mots Whisper) dont le rythme est suivi avec librosa afin que la GRILLE DE MESURES définisse la timeline ; un personnage récurrent verrouillé + une image clé par mesure dans un seul pack de styles (create-image-fal, Nano Banana) ; et un clip Seedance i2v par mesure (create-video-fal). Étant donné la chanson + word-timestamps.json + bars.json + un clip par mesure + le logo vectoriel de la marque, render-cartoon-music-video découpe chaque clip sur sa fenêtre de mesure, les concatène durement sur la mesure, incruste le logo et les sous-titres, ajoute la carte de fin de couleur unie, et muxe la chanson en dessous → le master. Les nouveaux montages réutilisent la chanson / les images clés / les clips existants et coûtent 0 $.

Contrat (l'assemblage gratuit)

  • La chanson chantée porte le récit — pas de voix-off séparée. La piste générée/fournie EST le lit sonore (pas de voix-off à masquer) ; n'ajoutez pas de voix-off parlée ni de second lit sonore.
  • Planifiez la timeline AUTOUR de la GRILLE DE MESURES de la chanson fournie. Suivez le rythme de la chanson avec librosa (supposez un 4/4) ; une mesure = un plan (par défaut). Accrochez chaque fenêtre de tableau aux limites de la mesure — ne coupez jamais la chanson sur une grille pré-planifiée.
  • Sous-titres à partir des timings de mots de la chanson, réorthographiés par rapport aux paroles verrouillées. Whisper interprète mal les accents criés ("BETS" → "Hearts") ; réorthographiez les tokens temporels par rapport au fichier de paroles verrouillé (ne modifiez jamais les paroles pour correspondre à Whisper). VEED-whisper blanc gras sans empattement dans le tiers inférieur (Alignement 2, margin_v au-dessus du logo en bas à gauche), ~4–5 mots par réplique, AUCUNE pilule d'arrière-plan ; les sous-titres S'ARRÊTENT à la limite de la carte de fin. Jamais au milieu de l'image — cela couvre le personnage (corrigé en juillet 2026). Si le ffmpeg hôte ne dispose pas de libass, rendez les répliques sous forme de superpositions PIL PNG temporisées (ffmpeg overlay=…:enable='between(t,st,en)') au même emplacement en bas.
  • Placez la ligne culminante sur le drop. Le tableau culminant est chronométré pour que la ligne de réussite se trouve sur le drop de sub-bass ; accentuez cette ligne.
  • Logo persistant, supprimé sur la carte de fin. Incrustez un logo de marque blanc en bas à gauche sur les mesures du corps (cairosvg → PIL à partir du vrai fichier SVG), supprimé sur la carte de fin où le grand logo domine.
  • Carte de fin via cairosvg + PIL à partir du vrai logo — ne générez jamais de texte de marque par IA. Carte de couleur unie de la marque + logo blanc + sous-titre, durant ~3s AVEC la chanson jouant toujours en dessous (afade-out sur la queue — pas de queue silencieuse). Un modèle de diffusion brouille un logo.
  • Composition FFmpeg, déterministe, GRATUITE. Découpez chaque clip sur sa fenêtre de mesure, concaténez durement, incrustez le logo et les sous-titres, ajoutez la carte de fin, muxez la chanson sur l'ensemble de la vidéo avec une queue afade de 0,5 s, loudnorm I=-14 → un master 1080×1920 h264+aac. Aucun appel payant, aucune clé. Lorsque le ffmpeg hôte ne dispose pas de libass/drawtext, les sous-titres ET le logo sont des superpositions PIL PNG temporisées (overlay=x:y:enable='between(t,st,en)'), pas une incrustation ASS.
  • CONTRÔLE QUALITÉ PAR PLAN, jamais seulement le master — les deux modes de défaillance sont le contenu, pas l'assemblage. Les étapes amont d'image clé/i2v peuvent (a) dériver le personnage hors de son style (feutrine → 3D lisse "homme" dans la démo) en cours de route (hors du style choisi — dans la démo feutrine, feutrine → 3D lisse) et (b) halluciner des mains — doigts réalistes dans un plan macro de main, un doigt pointé sur un plan "taper sur le téléphone", ou une main désincarnée glissant depuis le bord du cadre. Les deux se cachent à taille de vignette. Extrayez une planche contact à 2 i/s + un recadrage VISAGE et MAIN par mesure (sur toute la durée de chaque clip), confirmez que chaque mesure conserve le style UNIQUE choisi (la démo : feutrine mate) avec le personnage UNIQUE et aucune main humaine/flottante, et revérifiez les octets servis après publication. Une mesure dérivée signifie régénérer l'IMAGE CLÉ de cette mesure (pas un nouveau montage) — voir la recette ÉTAPE 3/6.

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 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

Generate a single 4-15s vertical video clip with ByteDance Seedance 2.0 reference-to-video via fal.ai. Multi-image reference (avatar + product + setting), native lip-synced VO + ambient audio (generate-audio on by default), internal multi-cut handling within one render. Routes through the GooseWorks FAL proxy (bills the Ads agent). The default clip atom for AI-creator UGC ads built on the NB2 + Seedance architecture. Validated on beauty-by-earth/video-01.

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