Communitygithub.com

examen-rendu-ugc

Passerelle obligatoire de contrôle qualité avant publication pour un rendu vidéo UGC. Transcrit l'AUDIO du rendu final avec Whisper et compare mot à mot avec le script parlé approuvé, puis bloque set_final_render — empêchant la publication d'un rendu dont l'audio généré déforme un mot (ex. « human-vetted » prononcé « human witted »), omet une phrase approuvée ou revient silencieux.

Qu'est-ce que examen-rendu-ugc ?

L'outil **examen-rendu-ugc** est une passerelle de contrôle qualité (QC) obligatoire, conçue pour les environnements de création vidéo UGC pilotés par IA (Seedance, content-goose). Il garantit que l'audio généré par le rendu vidéo correspond exactement au script parlé approuvé par l'utilisateur, bloquant la publication si des défauts sont détectés (mauvaise prononciation, omission de phrases, silence). L'outil utilise Whisper (via une clé API OpenAI ou un backend local) pour transcrire l'audio du rendu, puis compare la transcription au script approuvé à l'aide d'une analyse de similarité token par token (seuil par défaut à 0,90). En cas d'échec (code de sortie 2), le rendu est bloqué et un rapport détaillé des défauts est fourni, permettant de ré-ensemencer la génération ou d'appliquer des correctifs ciblés. Il s'intègre nativement dans les recettes `remix-ugc-*-from-sample` et `create-ugc-*-video-from-refs` et doit être exécuté impérativement après le rendu principal et avant `set_final_render`. Les tests unitaires fournis couvrent les scénarios de défauts canoniques. Environnement requis : `ffmpeg` dans le PATH, soit `OPENAI_API_KEY` (avec option `OPENAI_BASE_URL`) soit l'utilitaire local `whisper`.

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/review-ugc-render

Demander à votre IA préférée

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

Documentation

Que fait examen-rendu-ugc ?

La passerelle QC que TOUTE recette vidéo UGC doit franchir avant publication. Pas un /watch visuel — un diff déterministe transcription-vs-script qui sort avec un code non nul en cas de défaut pour que la recette puisse bloquer set_final_render.

Pourquoi ça existe

Seedance génère l'audio nativement. Il arrive qu'il déforme un mot — la ligne approuvée human-vetted revient prononcée human witted ; exemples documentés similaires : Hume→Hune, Alitu→al-too. Le défaut réside dans l'audio du rendu, donc un /watch visuel ("le dialogue correspond au script") le laisse passer, et une étape de sous-titrage aval grave ensuite le mauvais mot textuellement. Rien ne comparait l'audio réellement parlé au script approuvé par l'utilisateur.

Cette passerelle fait exactement cela, de manière déterministe, et refuse de publier en cas d'écart.

Quand l'exécuter

  • OBLIGATOIRE dans chaque recette remix-ugc-*-from-sample et create-ugc-*-video-from-refs, dans la phase QC, après l'existence du rendu principal et avant set_final_render.
  • Ré-exécuter après chaque correction / nouvelle tentative jusqu'à ce qu'il soit VALIDÉ.

Contrat

Avant le rendu, enregistrez les lignes parlées approuvées exactes (l'énonciation textuelle, aucune note de rythme) dans working/approved-script.txt. Ensuite, après le rendu :

python3 <pack>/review-ugc-render/scripts/review_render.py \
  --video working/final.mp4 \
  --script-file working/approved-script.txt \
  --json working/review-verdict.json
  • exit 0 → VALIDÉ — procédez à la publication (set_final_render).
  • exit 2 → ÉCHEC — ne PAS publier. Lisez le rapport, corrigez, relancez.
  • exit 3 → ERREUR — la vérification n'a pas pu être exécutée (voir ci-dessous) ; corrigez l'environnement, ne publiez pas à l'aveugle.

Backend de transcription (par ordre de priorité) : OPENAI_API_KEY (respecte OPENAI_BASE_URL, donc il passe par le proxy Whisper de gooseworks s'il est défini) → CLI whisper local. ffmpeg doit être dans le PATH.

Ce que signifie ÉCHEC et comment corriger

Ligne du rapportCause racineCorrection
[élevé] dit [witted] alors que le script a [vetted]Seedance a déformé le mot dans l'audio généréRé-ensemencez une nouvelle graine. S'il s'agit d'une marque/un jeton inventé, épelez-le phonétiquement dans la LIGNE PARLÉE (ex. Ali-too, jamais une parenthèse (prononcé …) — Seedance lit les parenthèses à voix haute). Voir Modes d'échec de create-video-seedance-2-fal.
[moyen] omission de [...] / faible similaritéSeedance a omis une phrase approuvéeRé-ensemencez ; si seulement un mot de fin, une correction chirurgicale par stitch_replacement.py peut le récupérer.
⚠ l'audio est effectivement silencieuxMauvais rendu / piste audio perdue en post-productionRe-rendu / revérifiez le mux ; ne publiez jamais une prise silencieuse.
ERREUR : aucun backend de transcriptionPas de OPENAI_API_KEY ni de whisper localDéfinissez la clé (proxy OPENAI_BASE_URL) ou installez whisper, puis relancez.

--expect-music est uniquement indicatif (avertit si un fond musical est absent) ; il ne fait pas échouer la passerelle à lui seul.

Entrées

  • --video CHEMIN (obligatoire) — le mp4 maître rendu.
  • --script-file CHEMIN ou --script "texte" — le script parlé approuvé. Omettre les deux uniquement pour un clip véritablement sans script (la vérification de dérive est alors ignorée et la passerelle est indicative).
  • --min-ratio FLOTTANT (défaut 0.90) — similarité de jetons transcription↔script pour réussir.
  • --json CHEMIN — écrit le verdict machine pour le panneau de révision de l'application.

Tests

python3 tests/test_review_render.py    # logique de verdict pur ; pas d'audio/réseau

Couverture : la déformation canonique vetted→witted, la déformation de nom de marque, les fins omises, les remplissages bénins et le chemin indicatif sans script.

Relation avec le moteur de révision content-goose

Il s'agit de la partie publiée, mono-fichier, de contrôle de la passerelle du coworkers/video/molecules/review/review-loop complet (grille à 18 axes). Ici, nous appliquons le seul axe qui détecte les défauts audio-vs-script au moment de la publication (review-transcript-integrity / brand_text_accuracy). Une révision multi-axes plus approfondie reste dans le laboratoire content-goose.

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

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

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