Installation du plugin : Avant les commandes de configuration ou de mise à jour, suivez les règles d'exécution du plugin lorsque cette compétence se trouve à l'intérieur d'un plugin HyperFrames. Les installations autonomes conservent les instructions de mise à jour ci-dessous.
Avant tout, maintenez cette compétence à jour — confirmez avec l'utilisateur avant d'exécuter :
npx hyperframes skills update talking-head-recut. Une opération rapide et sans effet si tout est à jour ; sinon, elle met à jour cette compétence ainsi que les compétences de base dont elle dépend avant que vous ne les utilisiez.
Talking Head Recut
Talking Head Recut prend une vidéo locale qui joue en entier et superpose une séquence de
cartes graphiques minutées et conçues — titres, tiers-inférieurs, appels de données,
citations, panneaux latéraux, incrustation — synchronisées avec ce qui est dit. L'agent
conçoit les cartes (timing + contenu) et écrit le HTML de chaque carte directement dans la
conversation, puis assemble une composition HTML unique et la convertit en MP4 via
hyperframes. Il n'y a pas de liste d'archétypes fixe ni de structure de carte prescrite —
les superpositions émergent de ce que dit le transcript.
La porte d'entrée est
/hyperframes. Cette compétence habille un clip talking-head existant avec des cartes graphiques conçues (titres, tiers-inférieurs, appels de données, citations, panneaux latéraux, PiP) — pas de simples légendes (les paroles sous forme de texte). Le clip est lu intact. Toute autre intention — sous-titres simples, graphique autonome, vidéo créée de toutes pièces — ou en cas d'incertitude → lisez/hyperframesd'abord : la couche d'intention possède toutes les décisions d'acheminement.
Compagne d'habillage graphique de
embedded-captions. Les légendes ajoutent les paroles sous forme de sous-titres lisibles ; celle-ci ajoute des graphiques conçus par-dessus la vidéo en cours de lecture. Sous-titres simples →embedded-captions. Créer une vidéo de toutes pièces → les workflows de création (product-launch-video/faceless-explainer/ …).
Acheminée via /hyperframes, la couche d'intention confirme uniquement l'entrée (quel clip) et annonce les questions de stratégie de rendu comme des demandes différées — l'aspect, la disposition, le groupe de style et le nombre de cartes restent à l'étape 7, où les images analysées et le transcript ancrent les recommandations ; les questions de forme d'exécution de la couche ne s'appliquent pas. Un BRIEF.md, lorsqu'il est présent, contient l'entrée confirmée et les éventuelles notes de l'utilisateur — lisez-le d'abord.
Fichiers intermédiaires consultables dans le répertoire de travail :
metadata.json— durée / largeur / hauteur / images par secondeaudio.mp3— audio extraittranscript.json— un tableau de mots plat[{ text, start, end }, …](Whisper ; pas desegments, pas d'emballagewords)storyboard.json— plan léger des cartes (le plan de l'agent)public/cards/card-XX.html— un fragment HTML par cartepublic/index.html— composition finale assembléeoutput.mp4— vidéo rendue
Résolution CLI
# hyperframes — transcription (Whisper local) + rendu du HTML assemblé en MP4
npx hyperframes --help
Cette compétence fonctionne entièrement avec la CLI hyperframes plus ffmpeg / ffprobe système.
La transcription est locale Whisper via hyperframes transcribe — aucun service tiers,
clé API ou proxy limité en débit.
Workflow
1. Vérifier l'environnement
npx hyperframes doctor # ffmpeg, navigateur headless, dépendances de rendu
# vérifier les ressources groupées :
ls "<SKILL_DIR>/assets/fonts" "<SKILL_DIR>/assets/vendor/gsap.min.js"
Requis :
ffmpeg/ffprobe(système)<SKILL_DIR>/assets/fonts/*.woff2,<SKILL_DIR>/assets/vendor/gsap.min.js(inclus dans cette compétence, placés dans le répertoire de travail à l'étape 9)
La transcription ne nécessite aucune clé — hyperframes transcribe exécute Whisper localement (étape 4).
Fortement recommandé sur macOS pour hyperframes render :
export PRODUCER_BROWSER_GPU_MODE=hardware
2. Créer un répertoire de travail
Tous les artefacts se trouvent sous videos/<project-name>/ — la même convention que les autres
workflows vidéo (product-launch-video / faceless-explainer / pr-to-video).
Gardez le répertoire de travail courant à la racine de l'espace de travail ; tout ce qui suit
écrit sous ce seul sous-répertoire.
VIDEO_PATH="/absolute/path/input.mp4"
WORK_DIR="videos/$(basename "$VIDEO_PATH" | sed 's/\.[^.]*$//')"
mkdir -p "$WORK_DIR"
3. Extraire l'audio et les métadonnées
# métadonnées — durée / largeur / hauteur / images par seconde
ffprobe -v error -select_streams v:0 \
-show_entries stream=width,height,r_frame_rate \
-show_entries format=duration -of json "$VIDEO_PATH" > "$WORK_DIR/metadata.json"
# audio
ffmpeg -y -i "$VIDEO_PATH" -vn -acodec libmp3lame -q:a 2 "$WORK_DIR/audio.mp3"
Sorties : metadata.json (lire width/height/duration ; images par seconde = la fraction r_frame_rate
évaluée, par ex. 30000/1001 → 29.97) + audio.mp3.
4. Transcrire
npx hyperframes transcribe "$WORK_DIR/audio.mp3" -d "$WORK_DIR" --json --model small.en
Whisper local — pas de clé API, pas de proxy, pas de limite de débit. Écrit un fichier transcript.json
au niveau du mot dans le répertoire de travail (texte du mot text + horodatages start / end).
Lisez-le pour les minutages des mots/phrases qui déterminent le timing des cartes à l'étape 6 ;
groupez vous-même les mots en phrases aux points de ponctuation/pauses si vous avez besoin de blocs
au niveau des segments.
Limiter à la durée du média. Whisper peut renvoyer le end du dernier mot un peu après la
durée réelle du clip — limitez chaque endSec de carte et le composition.durationSeconds à la
durée de metadata.json, sinon le rendu montrera une queue noire après la vidéo.
5. Corriger le transcript
transcript.json est un tableau plat d'objets de mots — [{ "text": "...", "start": s, "end": s }, …] (pas de tableau segments, pas d'emballage words ; la clé par mot est text). Lisez-le et corrigez les erreurs ASR évidentes :
- Homophones, noms de produits, termes techniques, ponctuation
- Modifiez le
textd'un mot sur place ; conservez ses horodatagesstart/end - Il n'y a pas de tableau
segmentspré-groupé — groupez vous-même les mots en phrases (divisez à la ponctuation terminale / aux pauses) lorsque vous avez besoin de blocs au niveau des segments pour le timing des cartes
6. Rédiger un storyboard léger (dans le chat)
Pas de CLI impliquée. Lisez transcript.json + metadata.json et concevez
les cartes directement. storyboard.json est un artefact de planification interne à l'agent
— aucune commande CLI ne le consomme ; il existe pour que vous puissiez penser clairement
au timing et au contenu avant d'écrire le HTML de chaque carte. Gardez la
forme cohérente avec l'exemple ci-dessous afin que le même plan puisse piloter
la composition que vous rédigez à l'étape 9 :
{
"schemaVersion": 3,
"composition": {
"fps": 30,
"width": 1080,
"height": 1920,
"durationSeconds": 121.2,
"layout": "portrait",
"themeId": "noir",
"seed": 42
},
"videoTrack": {
"sourcePath": "input-video.mp4",
"startSec": 0,
"endSec": 121.2,
"bounds": { "x": 0, "y": 0, "width": 1080, "height": 1920 }
},
"subtitles": { "enabled": false },
"cards": [
{
"id": "card-01",
"intent": "Attirer l'attention avec la question anxieuse de minuit de l'orateur",
"startSec": 0.5,
"endSec": 13.0,
"accentIndex": 0,
"zone": "fullscreen",
"contentHints": {
"kicker": "UNE QUESTION HONNÊTE",
"title": "La question introspective à 23h",
"detail": "Message vocal de 60s du client : 'Si le RMB s'apprécie, cela signifie-t-il que ma police USD est une perte terrible ?'"
}
}
]
}
Champs de carte obligatoires :
| champ | type | objectif |
|---|---|---|
id | string | identifiant stable utilisé dans le HTML de la carte et les sélecteurs GSAP |
intent | string | description en langage naturel ; alimente la synthèse de la carte |
startSec / endSec | nombre | temps en secondes (endSec > startSec) |
accentIndex | 0 | 1 | 2 | 3 | 4 | laquelle des 5 couleurs d'accent du thème cette carte utilise |
zone | enum (voir ci-dessous) | où sur le canevas la carte se trouve |
contentHints | objet | sac libre ; l'agent met ici le kicker/titre/détail/donnée/citation |
archetype (optionnel) | string | étiquette libre que vous pouvez attacher pour vous souvenir du motif d'une carte ; absent = libre, ce qui est la valeur par défaut |
transition (optionnel) | enum: cut | fade | slide | wipe | transition déclarative de carte à carte |
Cinq valeurs zone :
| zone | limites résolues | quand l'utiliser |
|---|---|---|
fullscreen | couvre tout le canevas | moments héroïques, grands chiffres, mantras |
whiteboard-area | marge intérieure de 40px (ou 45% de la hauteur portrait) | données denses / contenu annoté |
lower-third | bande inférieure de 30% | annotation sur vidéo visible |
side-panel | 42% à droite (paysage) ou 40% en bas (portrait) | données d'un côté, vidéo de l'autre |
video-overlay | canevas entier, attend une carte quasi-transparente | annotations superposées sur vidéo plein écran |
Lorsque vous assemblez la composition à l'étape 9, résolvez la zone de chaque carte
en limites de pixels sur le conteneur hôte de la carte en suivant le tableau ci-dessus.
Les limites de la vidéo sont définies une fois au niveau de la composition (videoTrack.bounds) ;
pour faire « bouger » la vidéo entre les cartes, rédigez des animations GSAP sur
#video-wrap dans le <script> de la composition (voir l'étape 9).
Pas de rôles de carte prescrits, pas d'arc narratif prescrit. Les cartes émergent à partir de ce que la vidéo dit réellement — il peut s'agir de citations ou de données, peut commencer par un chiffre ou par une histoire. Laissez le transcript piloter le rythme.
Combien de points clés ? — inférence automatique à partir de la durée + densité. Pas de limite supérieure fixe. Choisissez un rythme de base à partir de la durée de la vidéo, puis ajustez en fonction de la densité d'information. Seul le minimum est fixe : au moins 5 cartes pour que même les vidéos courtes aient du rythme.
Étape 1 — rythme de base selon la durée (le rapport sec/carte naturel pour une densité moyenne) :
| durée vidéo | rythme de base (sec par carte) | justification |
|---|---|---|
| < 60s (court métrage) | 6–8s | les spectateurs attendent des coupes rapides dans les formats courts |
| 60s – 3 min | 8–12s | rythme social normal |
| 3 – 10 min | 12–20s | laissez de l'espace ; chaque carte porte plus |
| 10 – 30 min | 20–35s | rythme de conférence / interview long format |
| > 30 min | 30–60s | épisodique, presque comme des chapitres |
Étape 2 — multiplicateur de densité (multiplie le rythme de base) :
| signal dans le transcript | multiplicateur | effet |
|---|---|---|
| Haute densité — nombreux chiffres, affirmations distinctes, rythme saccadé, énumération, chaque 1–2 phrases est une nouvelle idée | × 0.7 | coupes plus rapides, plus de cartes |
| Densité moyenne — flux mixte avec données et narration | × 1.0 | rythme de base |
| Faible densité — une histoire étendue, reformulation répétée, rythme lent et réfléchi, un seul argument qui se déploie | × 1.5 | coupes plus lentes, moins de cartes |
Étape 3 — calcul :
secParCarte = rythmeDeBase × multiplicateurDensité
nombreCartes = max(5, arrondi(duréeVidéoSec / secParCarte))
Exemples (remarquez — pas de limite supérieure ; les vidéos longues produisent naturellement plus de cartes) :
- 30s de court métrage, une seule chute (faible densité) → 7 × 1.5 = 10.5s/carte → arrondi(30/10.5)=3 → minimum à 5 cartes
- 60s de monologue réfléchi (faible densité) → 10 × 1.5 = 15s/carte → 4 → minimum à 5 cartes
- 121s avec talking-head et données riches (haute densité) → 10 × 0.7 = 7s/carte → 17 cartes
- 5 min d'interview, densité mixte → 16 × 1.0 = 16s/carte → 19 cartes
- 10 min d'analyse approfondie, haute densité → 16 × 0.7 = 11s/carte → 55 cartes
- 30 min de conférence, densité moyenne → 28 × 1.0 = 28s/carte → 64 cartes
- 1h de podcast, faible densité → 45 × 1.5 = 67.5s/carte → 53 cartes
Lorsqu'une carte dure plus de ~15s, prévoyez une carte plus riche (bloc de données,
dévoilement en plusieurs étapes, plusieurs sous-points qui se déploient avec des
animations échelonnées) — une phrase statique devient ennuyeuse après 8s. Pour les
longues pièces où de nombreuses cartes dépassent 30s, envisagez de fractionner la
chronologie en sous-compositions (un .html par chapitre, monté avec
data-composition-src) afin que la chronologie GSAP par fichier reste gérable
— voir l'avertissement de lint timeline_track_too_dense d'HyperFrames.
contentHints est un objet libre ; ses clés et sa structure peuvent prendre n'importe
quelle forme qui capture les données. L'agent décide de la forme par carte.
Outro optionnelle. Cette compétence ne fournit pas d'outro de marque fixe. Si l'utilisateur souhaite une carte de fin, concevez-en une vous-même (logo + slogan d'une ligne, ~1.5-2s, fondu entrant -> courte pause -> fondu sortant), ajoutez-la à cards[], et étendez composition.durationSeconds jusqu'à son...