Communitygithub.com

html-motion-pipeline

Pipeline HTML→MP4 pour vidéo explicative 9:16 avec voix off (style flat-motion 2D des comptes édu-tech sur Reels/TikTok)

Qu'est-ce que html-motion-pipeline ?

Cette compétence implémente un pipeline complet de production vidéo HTML→MP4 au format vertical 9:16 (1080×1920), spécialisé dans les vidéos explicatives animées en style flat-motion 2D, similaires à celles des comptes edtech sur Reels/TikTok. Elle repose sur une timeline GSAP déterministe (paused, seekée par frame) et génère un MP4 final avec voix off utilisateur (fichier VO, pas TTS), sous-titres mot par mot, éléments animés (diagrammes, lignes de connexion, cartes) et effets sonores procéduraux synchronisés. Le pipeline est entièrement scripté dans `assets/pipeline/` : découpage de la VO, ajustement du tempo via ffmpeg, transcription mot par mot (faster-whisper), construction HTML (8 scènes calées sur le timing VO), audit automatique du layout (débordements, chevauchements, centrage), rendu des frames (Playwright, 1338 PNG), mixage audio final (VO + SFX) et encodage MP4 (H.264 CRF18, AAC 192k). Des audits DOM et post-rendu (vision) garantissent la qualité visuelle : pas de texte coupé, pas de chevauchements, contenu bien centré, icônes lisibles. Idéal pour produire rapidement des vidéos motion explainer professionnelles sans montage manuel.

Compatible avec~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/hasbiridwan57-creator/hermes-video-motion-skills/tree/main/html-motion-pipeline

Demander à votre IA préférée

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

Documentation

HTML Motion Pipeline (explicatif 9:16, VO + SFX → MP4)

Pipeline éprouvé. Chaque étape possède une commande prête à l'emploi dans assets/pipeline/. Référence d'implémentation complète : assets/pipeline/index.fc-reference.html (projet Function Calling — copier puis remplacer le contenu, ne pas écrire à partir de zéro).

Pourquoi ce pipeline

  • Déterministe : timeline GSAP paused, seekée par frame → MP4 = aperçu.
  • VO utilisateur (fichier ElevenLabs/micro), pas de TTS ; tempo contrôlé.
  • Audit de layout automatique détecte le texte sortant du cadre et les collisions entre éléments — obligatoire avant le rendu complet (économise 1338 frames de rendu).
  • Lignes de connexion propres : ancrage sur les bords des nœuds, en couche arrière (voir Piège n°1).

Principes clés (c'est le cœur)

Le visuel sert le script & la VO, pas l'inverse.

  1. Tout ce qui s'affiche à l'écran doit figurer dans le script et être prononcé par la VO. Les éléments attrayants mais non narrés → supprimer, même s'ils sont beaux.
  2. À l'inverse, chaque idée/phrase importante du script doit avoir sa propre image qui apparaît au moment où cette phrase est prononcée. Les phrases qui restent sous forme de texte statique = scène "vide" → ajouter un visuel.
  3. Avoir beaucoup de scènes n'est pas un problème — l'essentiel est que chaque scène suive la VO & le script.
  4. Plus il y a d'images & d'animations, mieux c'est (plus vivant). Ne lésinez pas sur les visuels ; la richesse visuelle est une valeur ajoutée, pas une faiblesse.
  5. L'ordre & le timing des visuels = l'ordre & le timing des mentions dans la VO (d'après les timestamps de transcription), pas une logique propre.
  6. La qualité des détails visuels est également contrôlée : icônes clairement identifiables, éléments équilibrés et pas flottants.

Déroulement (suivre l'ordre)

#ÉtapeSortie
1Récupérer la VO utilisateur + découper par segment (pause de respiration)meta.json
2Ajuster le tempo de la VO via ffmpeg atempo + insérer des pauses ; choisir la variantevo.wav
3Transcription mot par mot (faster-whisper, pip install faster-whisper)assets/words.json
4Construire index.html (8 scènes calées sur le timing VO) + sfx_score.pyHTML + SFX WAV
5Mixer VO + SFX → public/full_mix.mp3audio final
6Audit de layout (audit2.mjs + audit_s2.mjs) — obligatoire 0 débordementrapport
7Rendu des frames (render_frames.mjs) → 1338 PNGframes/
8Encoder (encode.sh) → MP4public/*.mp4
9Vérification visuelle du MP4 final — extraire des frames du MP4, analyser via visionconfirmation propre

Configuration initiale

cd <projet>
npm init -y && npm install playwright-core gsap
pip install faster-whisper   # pour la transcription mot par mot
# nécessaire : Google Chrome (/Applications/Google Chrome.app), ffmpeg

Scripts du pipeline

assets/pipeline/ :

  • render_frames.mjs — seek la timeline par frame, capture d'écran 1080×1920 @30fps.
  • snap.mjs — capture une seconde donnée (node snap.mjs 1.0 6.5 17.5) pour vérifier le visuel.
  • audit2.mjs — vérifie TOUTES les scènes : texte sortant du cadre / entrant dans la zone UI inférieure (>1560px) / collisions.
  • audit_s2.mjs — audit d'1 scène (sc2) à plusieurs secondes (détecte un dévoilement trop précoce, un bord trop proche).
  • audit_overlap.mjs — détecte les textes QUI SE CHEVAUCHENT RÉELLEMENT (texte×texte, texte×img, texte×bouton). Intelligent : distingue les vraies collisions de celles par conception : label dans un conteneur svg, traits/barrés/lignes traversantes, sous-titres flexibles côte à côte → non signalées. Exécutez node assets/pipeline/audit_overlap.mjs → cible TOTAL chevauchements : 0.
  • audit_center.mjs — détecte le contenu « suspendu en haut » (2/3 bas vide). Mesure le bounding du contenu de chaque scène, calcule la déviation par rapport au point central idéal (y≈960 pour 1920px). Déviation > 250px = ⚠ SUSPENDU. Exécutez node assets/pipeline/audit_center.mjs.
  • typing-prompt.js — recette d'animation « prompt de frappe » (cœur du thème codage/IA) : le prompt est tapé lettre par lettre + curseur clignotant, puis l'application répond (changement de couleur → erreur → correction → itération). Exemple complet : dépôt vidéo 09-vibe-coding/index.html scène SK4.
  • encode.sh — ffmpeg → H.264 yuv420p CRF18 + AAC 192k + +faststart.
  • sfx_score.py — partition SFX procédurale synchronisée au timing des mots.
  • index.fc-reference.html — implémentation complète (copier & remplacer le contenu).

Conventions HTML (dans index.fc-reference.html)

  • #stage 1080×1920, fond dot-grid ; #world (caméra rig, échelle fine par scène) ; scènes = .scene (visibility hidden, affiché/masqué via timeline).
  • Sous-titres mot par mot : assets/words.json → grouper en segments de ≤4 mots, un segment = un .line (position:absolute, empilés pour ne pas agrandir la boîte), mot actif .on, mot-clé .key (ambre). Position 390px du bas (sûr car l'UI Reels/TikTok masque ~360px en bas).
  • Lignes de connexion : fonction link(svg,idA,idB) calcule l'ancrage au BORD du nœud (edge/edgeT) — la ligne NE part PAS du centre du logo. SVG .wires placé comme premier enfant de .scene (z-index:0) pour être derrière les cartes (z-index:2). Courbe douce (bow ≤26px), couleur grise #7A8188 8px ; ligne active .hot ambre 15px.
  • Logo de l'agent : OPENCLAW_SVG en ligne (homard rouge), installé automatiquement sur chaque .node.dark contenant 🤖. Remplacez si autre identité souhaitée.
  • GSAP déterministe : timeline paused, expose window.__tl & window.__updateSub. Mode ?t=<secondes> pour capture statique (headless), ?debug pour défilement manuel.

Déclencheurs (trigger)

L'utilisateur mentionne l'expression « pipeline motion explainer », ou demande une « vidéo motion explicative 9:16 », ou dit « comme la vidéo Function Calling d'hier » → charger cette compétence. Pas motion-format / bang-motion (autres compétences). La VO utilisateur est toujours envoyée comme fichier à chaque session — cette compétence stocke le MODE DE FONCTIONNEMENT, pas les assets audio/contenu.

Pièges (ne pas répéter)

  1. Lignes traversant le logo/texte → s'assurer : (a) SVG wires premier enfant de la scène, (b) z-index:0 wires vs z-index:2 cartes, (c) ancrage avec link() sur les bords.
  2. Sous-titres masquant les cartes / entrant dans la zone UI → une ligne = 1 pile (absolute), max 4 mots/segment, bottom ≥390px.
  3. window.tl undefined lors du rendu → le nom exposé doit être window.__tl (avec __), sinon 74% des frames deviennent identiques/statiques. Vérifier : md5 frames/* | uniq -c.
  4. Rendu d'arrière-plan redémarré → s'assurer qu'aucun render_frames ancien ne tourne (pgrep -fl render_frames) avant un nouveau rendu ; supprimer frames/ avant de commencer.
  5. L'audit DOM ne remplace pas la vérification visuelle du MP4. L'audit détecte les débordements & collisions de boîtes englobantes, mais NE détecte PAS les lignes traversant le logo / texte masquant les cartes — cela n'est visible que sur les pixels finaux. Après encodage, extraire des frames clés du MP4 (ffmpeg -ss <t> -i out.mp4 -frames:v 1 f.png) puis analyser via vision_analyze.
  6. Contenu « suspendu en haut » (2/3 bas vide). C'est ce qui passe le plus souvent car l'audit normal ne vérifie que les débordements, pas l'équilibre. Cause : tous les enfants .hero utilisent position:absolute → justify-content:center du flexbox N'A AUCUN EFFET sur eux. Solution : faire des enfants .hero un flux normal (block/flex), uniquement les éléments qui se chevauchent (badge/trait/marqueur) restent en absolute. OBLIGATOIRE d'exécuter audit_center.mjs — déviation du centre > 250px = échec.
  7. Le visuel ne suit pas le script (le plus destructeur). Ne considérez pas une scène comme « faite » simplement parce que son animation s'exécute. Exemple concret : un graphique de corrélation & un graphique d'âge s'affichent à l'écran alors que la VO ne les mentionne jamais. Audit script obligatoire avant le rendu : (a) extraire la transcription VO + timestamp par mot (words.json), (b) mapper « cette phrase apparaît à quelle heure à l'écran ? », (c) élément affiché mais absent du script → supprimer ; phrase du script qui reste en texte statique → ajouter un visuel. Ordre des visuels = ordre des mentions dans la VO.
  8. Rendu OOM (Mac 8GB). Chromium accumule de la mémoire lors de centaines de captures d'écran → crash en cours de route (« Target page closed »). Solution : redémarrer le navigateur toutes les ±400 frames + reprise automatique (ignorer les frames déjà présentes et >20KB). Ne pas rendre 2500+ frames en une seule session de navigateur.
  9. Frames anciennes mélangées après révision. Si seules quelques scènes sont révisées et seules les frames de cette plage sont supprimées, frames/ devient un mélange (ex. 2770 fichiers alors qu'il en faut 2574). Le plus sûr : supprimer tout frames/ avant le rendu complet. Si reprise, vérifier que le nombre de fichiers = TOTAL frames avant encodage.
  10. Émojis échappant à l'audit DOM. L'utilisateur demande sans émojis — si non vérifié automatiquement, les émojis peuvent passer car l'audit de boîte englobante ne regarde pas le type de caractère. Avant le rendu, exécuter une regex Python pour chercher les caractères emoji ; si trouvé → remplacer par SVG en ligne. Les icônes sont toujours en SVG. re.findall(r'[\U0001F300-\U0001FAFF\u2600-\u27BF\u2B00-\u2BFF\uFE0F]', html) → doit être 0.
  11. **Icônes & détails visuels doivent être lisibles à la TAILLE D'AFFICHAGE — l'audit DOM & audit de layout ne détectent pas « l'icône n'est pas claire ». ** Un SVG peut avoir la bonne forme dans le code mais à la taille de rendu (ex. icône 180px dans un diagramme) ressembler à autre chose : icône de cerveau avec contour ouvert lue comme nuage/fleur, pas cerveau. Correctif : avant le rendu complet, extraire des frames du MP4 puis agrandir (crop) l'icône/diagramme clé et évaluer via vision_analyze — « est-ce clairement lisible comme X ? ». Si ambigu, simplifier la forme (silhouette pleine > contour ouvert) et agrandir. L'audit de boîte englobante ne vérifie que la position, pas la lisibilité de la forme.
  12. Éléments de comparaison équilibrés (barre/colonne A-vs-B) doivent être dans un seul groupe visuel. Les barres « flottantes » en dehors de leur carte parent (position absolue séparée) brisent l'équilibre & risquent d'écraser d'autres éléments lorsque le contenu change de hauteur. Cas réel : barres de muscle atrophié/fort flottant hors de la carte gym, puis heurtant une carte. Correctif : placer chaque barre DANS sa propre carte/cellule de colonne ; les différences de longueur de barre sont intentionnelles (longueur = grandeur), mais la largeur des cartes & la ligne de base doivent être identiques. Vérifier via audit_overlap après chaque révision de layout.
  13. Texte qui se chevauche alors qu'il semble « juste un peu ». Ne pas se fier à l'œil ; utiliser audit_overlap.mjs qui mesure les vraies boîtes englobantes. Un énorme ?, un grand nombre décoratif, ou un long titre écrasent souvent d'autre texte sans qu'on s'en rende compte.
  14. Le thème codage/IA semble mort sans animation de frappe. Le texte statique ne transmet pas le fonctionnement du vibe coding. Utiliser la recette typing-prompt.js : le prompt est tapé lettre par lettre + curseur clignotant + l'application répond (changement de couleur → erreur → correction → itération).
  15. Logo/icône depuis le web : télécharger le SVG officiel (CDN jsDelivr / dépôt GitHub de la marque), puis mettre en ligne sous forme de texte dans le HTML — pas de <img src> vers un fichier externe, pour que le rendu headless ne dépende pas du réseau. Supprimer les animations SMIL pour une sortie déterministe.

Règles audio (utilisateur Hasbi)

  • La VO produite doit être la voix de l'utilisateur (fichier ElevenLabs envoyé), pas de TTS.
  • SFX procédural via la compétence procedural-sfx (sans crédit ElevenLabs).
  • Supprimer les frames brutes & fichiers auxiliaires (frames/, shots/, *.wav par segment) après l'envoi du MP4 — le stockage du MacBook est limité.

Individual skills in this repo

This repo contains 2 individual skills — each has its own dedicated page.

motion-format

Bikin video motion graphic lewat chat dengan alur kerja Motion Format — Reels/TikTok/Shorts 9:16, YouTube 16:9, atau feed 1:1 — dari brief sampai MP4 bersuara (voiceover + efek suara ElevenLabs, subtitle per kata). Punya resep gaya siap pakai dari seri konten Motion Format: Isometrik Dibongkar (cara kerja mesin, 3D), Sejarah 3D Sinematik (bangunan & peristiwa bersejarah), Tubuh Manusia Anime (organ tubuh), Dunia 2D Bertekstur (noir, cat air, ukiran, lanskap anime), Kartun Cel Cerah (tokoh menjelaskan), Peta Relief Sinematik (geografi, jalur, wilayah), dan Promo Produk & Iklan (UMKM, aplikasi, flash sale) — plus cara meracik gaya sendiri. Gunakan setiap kali user meminta "video", "konten Reels/TikTok/Shorts", "explainer", "video edukasi", "video penjelasan", "promo", "iklan", "intro", "animasi", "motion graphic", menyebut salah satu gaya di atas atau "Resep Gaya", ingin menambah voiceover/efek suara/subtitle, ingin merevisi video yang sudah ada, atau ingin merender jadi MP4 — walau tida

video-motion

SOP induk untuk bikin video motion/explainer bersuara via chat (9:16 Reels/TikTok, 16:9 YouTube, 1:1 feed) — menggabungkan alur kerja Motion Format (brief→gaya→naskah→ suara→adegan→render), hukum sinematik Bang Motion (video bukan slide, deterministik, gaya dari tema), dan pipeline HTML→MP4 teruji (html-motion-pipeline: faster-whisper, SFX prosedural, CDP render, audit layout, subtitle aman Reels). Gunakan bila user minta video motion/explainer/animasi/promo, atau "kayak video sebelumnya" — walau tidak menyebut "motion graphic".

Skills associés