Couper les silences (Agent 1 du pipeline)
Première étape du montage automatisé. Prend un enregistrement brut + sa transcription mot à mot et supprime uniquement les silences : le vide avant le premier mot et après le dernier mot, ainsi que les pauses inter-mots plus longues qu'un seuil (réduites à une respiration naturelle, jamais un trou absolu). Elle laisse les mots du locuteur intacts — les faux départs, reprises et bégaiements sont le travail de l'agent coupe-erreurs (Agent 2).
Cet agent est déterministe et piloté par la transcription, donc sa sortie (*.silence-transcript.json) s'intègre proprement dans les agents suivants et le validateur de synchronisme des battements.
Quand l'utiliser
- "couper les silences", "réduire les pauses", "supprimer les blancs", "resserrer le rythme"
- Comme première étape du workflow de montage principal, juste après la transcription.
Prérequis
Une transcription mot à mot au format JSON. Soit le format ElevenLabs Scribe
({ words: [{ text, start, end, type }], audio_duration_secs }) soit un format générique
{ words: [{ text, start, end }] }. Générez-en une avec le transcripteur de l'espace de travail :
node scripts/transcribe-elevenlabs.mjs chemin/vers/raw.mp4 # -> chemin/vers/raw.json
Utilisation
# 1) Planification uniquement — calcule la coupe, écrit l'EDL + la transcription ré-ajustée (aucune vidéo touchée)
node .agents/skills/cut-silences/scripts/cut-silences.mjs <transcription.json> \
--out-dir video-projects/<slug>/assets
# 2) Avec une vidéo — écrit également la commande ffmpeg (toujours pas de rendu)
node .agents/skills/cut-silences/scripts/cut-silences.mjs <transcription.json> \
--video video-projects/<slug>/assets/raw.mp4 --out-dir video-projects/<slug>/assets
# 3) Rendre la vidéo coupée (ffmpeg local, ré-encodage, audio/vidéo synchronisés)
# ajouter --apply pour exécuter ffmpeg
node .agents/skills/cut-silences/scripts/cut-silences.mjs <transcription.json> \
--video video-projects/<slug>/assets/raw.mp4 --apply \
--output video-projects/<slug>/assets/edited-silenced.mp4
Options
| Option | Défaut | Signification |
|---|---|---|
--video <chemin> | — | Vidéo source ; active la commande / le rendu ffmpeg |
--out-dir <répertoire> | à côté de la transcription | Où les sorties sont écrites |
--output <chemin> | <vidéo-stem>.silenced.mp4 | Chemin de la vidéo coupée |
--gap <s> | 0.55 | Pause minimale traitée comme silence coupable |
--head-pad <s> | 0.22 | Silence conservé avant le premier mot |
--tail-pad <s> | 0.34 | Silence conservé après le dernier mot |
--apply | désactivé | Exécute effectivement ffmpeg pour rendre la coupe |
Comment ça décide (les règles de silence)
- Les pauses inférieures à
--gap(0,55 s) sont laissées intactes — rythme naturel de la parole. - Pour une pause coupée, une respiration naturelle est conservée, ajustée selon le contexte :
0.24 spour les pauses longues (≥2 s),0.20 saprès un signe de ponctuation de fin de phrase (. ! ?),0.14 ssinon. La respiration conservée est légèrement décalée vers la fin de la phrase précédente. - Les blancs de début/fin sont réduits à
--head-pad/--tail-pad. - Les plages de suppression sont fusionnées ; les plages conservées sont le complément. La coupe est rendue avec un graphe de filtres
trim/atrim+concatde ffmpeg (écrit dans un fichier*.silence-filter.txtet passé via-/filter_complex), donc la vidéo et l'audio restent synchronisés.
Sorties (écrites dans --out-dir)
| Fichier | Objectif |
|---|---|
<stem>.silence-edl.json | Plages de conservation/suppression, durées, paramètres — la liste de montage |
<stem>.silence-transcript.json | Mots ré-ajustés sur la timeline éditée (alimente l'Agent 2 + les battements) |
<stem>.silence-decisions.md | Résumé lisible + les plus grandes pauses coupées |
<stem>.silence-filter.txt | Le graphe de filtres ffmpeg (uniquement avec --video) |
<video-stem>.silenced.mp4 | La vidéo coupée (uniquement avec --apply) |
Le résumé JSON envoyé sur stdout inclut removed, removedPct, les nombres de plages et les chemins de sortie — utile pour que le workflow principal journalise et enchaîne.
Notes de réglage
- Par défaut pour YouTube tête parlante (
--gap 0.55), environ 15 à 20 % d'une prise brute typique est supprimée comme pur silence. Réduisez--gappour un montage plus percutant et rapide ; augmentez-le pour préserver plus de respiration naturelle. - Si une coupe semble trop agressive aux limites des phrases, augmentez la respiration de fin de phrase, ou augmentez
--gap.
Passage à l'agent suivant
Passez <stem>.silence-transcript.json (et le silenced.mp4 s'il a été rendu) à l'agent coupe-erreurs. Comme les horodatages sont déjà sur la timeline éditée, le calage des battements en aval et scripts/validate-beat-sync.mjs fonctionnent sans ajustement supplémentaire.