clementsprs/ai-video-director

Directeur vidéo IA

Cette compétence transforme une idée en une vidéo terminée dont les scènes semblent tournées avec une vraie caméra, avec des personnes qui bougent comme des personnes. C'est la méthode distillée à partir de quelques dizaines de films et publicités produits (réseaux sociaux payants, hôtes UGC, films narratifs, films produits, boucles de sites Web) et des corrections issues de la révision de chaque montage.

La conviction centrale : l'IA vidéo échoue là où une vraie équipe gère par réflexe. Continuité, axes de regard, accessoires qui restent en place, un visage qui reste le même, une voix qui sonne comme une pièce. Les modèles sont bons pour les pixels. Vous devez être le réalisateur, le scripte et le monteur.

Références (charger à la demande)

Fichier	Charger quand
references/storyboard.md	Planifier un film : grammaire des plans, tableau du storyboard, feuilles de rythme
references/prompting.md	Écrire une invite d'image ou de vidéo (vocabulaire de réalisme, rythmes temporels, déclencheurs de style, ancrages physiques, axes de regard, enchaînements)
references/prompt-library.md	Vous voulez une invite éprouvée à adapter, par type de plan
references/models-and-costs.md	Choisir un modèle, estimer les crédits, pièges des fournisseurs
references/dialogue-and-voice.md	Quand quelqu'un parle à l'écran, voix off, lignes non anglaises, synchronisation labiale
references/review-qa.md	Réviser les prises avant le montage, et QA du master
references/post-production.md	Montage, composition d'interface et de texte, sous-titres, niveaux, encodages, plateformes, boucles
references/compliance.md	Toute personne générée, témoignage, logo, entreprise réelle ou donnée réelle

Scripts utilitaires dans scripts/ (bash + ffmpeg, aucune autre dépendance) : feuilles de contact, extraction de la dernière image pour l'enchaînement, mastering social, export de boucle sans couture.

Les dix règles

1. Planifiez sur papier, payez à l'écran. Rien ne va à un modèle vidéo avant qu'un storyboard plan par plan existe avec une image fixe par configuration de caméra et que la personne propriétaire de la vidéo l'ait approuvé. Les images fixes coûtent des centimes, les prises vidéo coûtent des dollars. Une mauvaise image fixe attrapée au storyboard économise une centaine de crédits ; une mauvaise prise attrapée au montage les gaspille.
2. Ne payez jamais deux fois. Avant toute génération, cherchez ce qui existe déjà : tâches récentes chez le fournisseur, clips sur le disque, identifiants de tâche dans le document du projet. Citez le total de crédits du plan avant le premier appel. Si la correction peut se faire au montage, elle se fait au montage. Ne lancez jamais deux sessions sur les mêmes plans.
3. Basse résolution par défaut, haute résolution intentionnelle. Générez en 480p (ou le niveau non-brouillon le plus bas du fournisseur) pour les images de coupe, les tuiles, l'incrustation et tout ce qui n'est pas en plein écran. Passez en 720p/1080p pour les visages en plein écran, les films narratifs dialogués et les héros de site Web, après une prise de test. Les modes brouillon/turbo/aperçu ont un aspect visiblement IA : comparez les invites avec eux, ne les livrez jamais.
4. Documentaire spontané, jamais d'archives. Le plus grand levier de réalisme. 35mm à main levée, lumière mixte naturelle, personnes qui ne sont pas des mannequins, décors légèrement désordonnés, personne qui pose, personne qui regarde l'objectif sauf s'il s'agit d'un hôte s'adressant au spectateur. Bannissez les signes des banques d'images : agents de centre d'appels souriants avec casque, costumes dans des bureaux vitrés, dents parfaites, lofts néon « RÊVE GRAND », cadrage héroïque symétrique.
5. Les prises longues battent les nombreux clips. Une prise continue de 8 à 15 secondes par temps narratif se lit comme une histoire ; quinze clips de 3 secondes se lisent comme un montage d'archives. Enchaînez les prises pour que la dernière image de la prise N soit la première image de la prise N+1. Coupez là où un vrai monteur couperait.
6. Même visage, mêmes vêtements, même monde. Une image fixe de départ verrouillée par personnage, réutilisée ou éditée pour chaque plan de cette personne. Vérifiez le visage, les cheveux, la tenue, les accessoires et le décor entre chaque paire de plans. Tout dérive est un nouveau tournage ou une coupe, jamais « personne ne remarquera ».
7. La physique se dirige, elle ne s'espère pas. Les objets restent immobiles sauf si l'invite les fait bouger, et alors dites exactement comment. Comptez les personnes et les mains. Évitez les mouvements de caméra ambitieux (orbites, point de vue qui passe à la troisième personne, longs travellings à travers les portes) : ils produisent du fantôme, des personnes dupliquées et des changements de costume.
8. Chaque axe de regard a une cible dans le cadre. Un orateur dont l'auditeur est hors champ se tourne vers l'objectif en une seconde. Filmez le dialogue en plans à deux ou avec l'épaule de l'auditeur au premier plan, et bloquez la direction de la tête pour toute la prise. Les axes de regard ne peuvent pas être corrigés plus tard.
9. Le texte, l'interface et les logos sont composités, jamais générés. Les écrans dans une scène sont détournés ou ne portent aucun contenu lisible ; la véritable interface, les sous-titres, les titres et les logos sont ajoutés au montage, suivis sur la surface lorsqu'ils reposent sur un seul. La seule marque dans la scène qui survit à la génération est un logo-mot simple et grand passé comme référence d'image, sur un mur, une tasse ou un autocollant.
10. Voix naturelle pour les locuteurs à l'écran, voix réaliste pour tout le monde. Un personnage dont la bouche bouge garde la voix que le modèle vidéo lui a donnée ; doubler une bouche visible avec de la TTS sonne faux immédiatement. La TTS est réservée aux narrateurs qui n'apparaissent jamais, et aux langues que le modèle prononce mal (ensuite synchronisez-la correctement, voir dialogue-and-voice.md). Les voix doivent sonner comme la pièce dans laquelle elles se trouvent, pas un studio d'enregistrement.

Flux de travail

0. Découvrir la boîte à outils (2 minutes, à chaque projet)

• Quel fournisseur de génération est connecté (un serveur MCP comme Runway, ou une clé API pour fal / Replicate / un fournisseur de modèle) ? Appelez son compte ou son point de terminaison whoami : modèles disponibles, dépréciations, solde de crédits.
• Quel outil de montage est disponible : Remotion (Node) pour tout ce qui a de l'interface, des sous-titres ou du motion design ; ffmpeg seul pour les coupes franches. Vérifiez ffmpeg -version et s'il a libass (sous-titres) ou non.
• Quel outil vocal : l'audio natif du modèle vidéo, ElevenLabs ou une autre TTS, un modèle de synchronisation labiale.
• Écrivez ce que vous avez trouvé en haut du document du projet. Ne présumez jamais d'un modèle de mémoire.

1. Brief

Écrivez brief.md dans le dossier du projet avant de dépenser quoi que ce soit :

• Objectif et emplacement : publicité (quel réseau), organique sur les réseaux sociaux, site Web, actif de vente. Public.
• Format : ratio(s), durée(s), langue(s), avec ou sans son, muet d'abord.
• Feuille de rythme : une ligne par temps avec sa durée. Accroche dans les 2 premières secondes. Pour les publicités, la marque vue et entendue à environ 3 secondes.
• Qui parle, et en tant que qui : un hôte s'adressant au spectateur, des personnages dans une scène, un narrateur, personne. Cela détermine le choix du modèle et la conformité.
• Vérification de conformité à partir de references/compliance.md.

2. Storyboard (le sas)

Suivez references/storyboard.md. Une ligne par écran : timecode, objectif, taille du plan, angle, objectif, mouvement de caméra, action seconde par seconde, axe de regard, son, éléments composités, transition, source, coût en crédits, et une image fixe réelle montrant le cadrage. La variété des plans est le but : un plan large de révélation, puis un gros plan, puis un insert. Livrez le storyboard visuellement (page HTML, PDF ou grille d'images) et attendez l'approbation. Aucune exception pour les films « petits ».

Budget d'images : une image fixe par configuration de caméra, pas de variantes sur le storyboard. Les cartes, les inserts d'interface et les cartes de fin sont rendus sous forme de maquettes HTML, pas générées.

3. Choisir les modèles par plan

Suivez references/models-and-costs.md : faites correspondre les besoins de chaque plan (audio natif, dialogue synchronisé, identité entre les plans, image de début/fin, durée, résolution) aux capacités, préférez le modèle le plus récent que le fournisseur recommande pour ce besoin, puis le moins cher par seconde à la résolution cible. Tout modèle que vous n'avez pas utilisé obtient une prise de test bon marché avant que le plan en dépende. Mettez le modèle, la résolution, les secondes et les crédits par plan dans le brief, et le total.

4. Verrouiller les images fixes

• Générez d'abord l'image fixe héro de chaque personnage avec le vocabulaire de réalisme de references/prompting.md. Construisez ensuite chaque autre configuration en éditant cette image fixe (nouvel angle, nouveau décor, nouveau cadrage) avec le visage passé comme référence, afin que l'identité soit héritée, pas retirée.
• Faites correspondre la taille de l'image fixe à la vidéo cible : une image fixe de 720px animée et agrandie ne deviendra jamais nette. Pour tout ce qui est en plein écran, l'image fixe fait au moins 1440px de large.
• Inspectez chaque image fixe : fausses bordures de pellicule ou texte d'ardoise, bords d'appareil autour des cadres « webcam », logos de marque errants sur les tasses et les ordinateurs portables, doigts supplémentaires, une personne en arrière-plan qui ne devrait pas être là, mauvais axe de regard. Corrigez en éditant l'image fixe. Corriger coûte quelques centimes ; animer une mauvaise image fixe coûte une prise.

5. Animer

• Par défaut, image-à-vidéo à partir de l'image fixe verrouillée. Texte-à-vidéo uniquement pour les images de coupe génériques sans identité à conserver.
• Écrivez l'invite avec le squelette et les rythmes temporels de references/prompting.md. Couvrez chaque seconde. Bloquez chaque accessoire. Donnez à chaque axe de regard une cible.
• Images de coupe silencieuses pour le montage : audio désactivé. Plans parlants ou narratifs : audio natif activé, son décrit dans l'invite. L'audio redémarre du silence à chaque prise, donc toute montée en puissance doit vivre à l'intérieur d'une seule prise.
• Boucles sans couture : image de début = image de fin = la même image fixe, « revient exactement à la pose de départ », caméra fixe.
• Les générations sont asynchrones. Interrogez toutes les 60 à 120 secondes. Les files d'attente peuvent prendre des heures ; ne soumettez jamais à nouveau une tâche lente (vous payez deux fois).

6. Réviser chaque prise

Suivez references/review-qa.md : feuille de contact à 1 image par seconde, inspection des visages à 4 images par seconde sur les prises parlantes, écoutez chaque ligne, transcrivez-la. Rejetez pour dérive d'identité, personnes ou doigts supplémentaires, accessoires qui bougent, changements de décor, regards à l'objectif, marques brouillées, mots mal prononcés, changements de voix entre les prises du même personnage. Enregistrez le verdict + l'identifiant de tâche pour chaque prise afin que personne ne régénère une prise déjà jugée.

7. Monter, voix, masteriser

Suivez references/post-production.md. Remotion quand il y a de l'interface, des sous-titres ou du motion design ; ffmpeg pour une coupe franche. Compositez tout le texte et l'interface. Sous-titres incrustés pour les plateformes muettes d'abord. Masterisez chaque livrable (marqueurs de couleur, sonie, faststart). Les rendus bruts changent de couleur sur les plateformes sociales et sonnent bas dans un fil d'actualité.

8. Livrer et journaliser

• Révisez d'abord le montage (1080p ou moins, un lien que le propriétaire peut regarder sur un téléphone). Masters finaux uniquement après approbation.
• Collez chaque chemin de sortie. Enregistrez dans le document du projet : identifiants de tâche utilisés, crédits dépensés, versions, chaque correction que le relecteur a apportée.
• Chaque correction devient une règle : ajoutez-la à cette compétence (ou aux notes de goût de votre fork) le jour même, afin que le prochain film ne la répète pas.

Formats et leurs recettes

Format	Forme	Choix clés
Publicité UGC / hôte de rue, 9:16, 15-25s	1-2 prises de dialogue natif d'un hôte parlant à la caméra, monté avec ffmpeg, sous-titres incrustés	L'hôte s'adresse au spectateur, jamais un faux témoignage client. ≤3 mots/s. Ambiance de rue en fond
Film narratif, 30-60s	4-6 prises enchaînées de 8-15s, plans à deux pour le dialogue, une coupure au noir intentionnelle au maximum	720/1080p, audio natif, storyboard approuvé, bloc de continuité textuel à chaque prise
Publicité de fonctionnalité / produit, 15s	Personne en plein écran sur l'accroche et la fermeture, interface produit compositée au milieu, zooms par piqûre, sous-titres à apparition de mots	Tuiles de personnes en 480p (agrandir pour YouTube), interface reconstruite à partir du vrai produit
Film produit narré	Pas de personnes générées ou quelques tuiles d'images de coupe ; vraie interface animée ; narrateur TTS	Ligne de voix off ≤ 2/3 de son créneau, musique en dessous à -18 dB relatif
Clip de podcast / yapper	Deux locuteurs, multi-plan à l'intérieur d'une génération ou plans à deux	Nommez l'esthétique du podcast, panoramiques fouettés, zoom punch sur les punchlines
Boucle héro de site Web, 5-8s	Une prise fixe, début = fin de l'image	Image fixe ≥ 1440px, prise en 720p, WebM + MP4 sous ~400 Ko, affiche = image 0
Reciblage / film client	Logo client réel peint à la main sur un mur via référence d'image, scènes d'équipe spontanées	Approbation écrite du client avant le lancement

Ce que « a l'air réel » se résume à (liste de vérification rapide)

• La caméra a un corps : balancement à main levée, un objectif (24/35/50/85 mm), un capteur (film 35 mm, téléphone, webcam)
• La lumière a une source : fenêtre, lampe pratique, rue couverte, soleil à travers les feuilles
• La peau a une texture : pores, teint irrégulier, mèches rebelles, look sans maquillage
• La garde-robe est ordinaire et spécifique : « sweat bleu marine sous une veste en toile beige dézippée »
• Le décor est vécu : tasses, câbles, post-it, une plante, des personnes qui passent hors foyer
• L'action est continue et motivée, avec une pose de début et de fin
• L'axe de regard va quelque part dans la scène
• Les accessoires se comportent : immobiles sauf indication, ne rampent, ne glissent ni ne se transforment jamais
• Le son a une pièce : tonalité de la pièce, circulation, murmure, caractère du micro
• Rien de lisible n'a été généré : écrans détournés, texte ajouté au montage