Invokard Studio — de l'idée au MP4
Vous écrivez un petit fichier Python (reel.py) qui décrit la bobine : quelle image ou quel clip s'affiche à quel moment, quels calques (titre, puces, éléments de liste, graphiques, transitions, carte de fin) apparaissent par-dessus, quel fichier vocal démarre quand, et où vont la musique et les effets. Le moteur (scripts/reelkit.py) compose chaque image avec Pillow, les envoie à ffmpeg et mixe l'audio. Rien n'est édité dans un éditeur vidéo et rien n'est dessiné par le modèle d'image IA : tout le texte, les boîtes et les animations proviennent du moteur, ils sont donc nets, conformes à la marque et parfaitement chronométrés.
Un second moteur dessine : animation/ rend des composants React image par image dans un navigateur sans tête (Chrome ou Edge déjà sur la machine) et les encode avec ffmpeg. Utilisez-le pour ce qui est conçu plutôt qu'édité : typographie animée, publicités animées, graphiques qui grandissent, un produit en 3D, de la physique, des particules, une photo de produit transformée en publicité. Sa sortie est un MP4 (ou des images transparentes) que le montage utilise comme n'importe quel clip ou calque, donc une bobine peut contenir les deux (§ 5).
Lisez ce fichier en entier. Puis lisez la référence vers laquelle pointe l'étape actuelle. Avant d'écrire un reel.py, lisez l'un des scripts dans assets/examples/ (de vraies bobines livrées ; leurs médias et aperçus se trouvent dans le répertoire examples/ du dépôt). Depuis le dépôt, python examples/first-reel/reel.py rend une bobine complète sans aucun média : le moyen le plus rapide de vérifier qu'une machine peut effectuer le rendu, et un court reel.py qui montre aussi le 16:9.
0. Vérifier la machine (30 secondes)
python <skill>/scripts/media.py doctor # python, ffmpeg, packages, polices, format, clés (noms uniquement)
python <skill>/scripts/media.py fonts # télécharge la police emoji si manquante
ffmpeg -version && ffprobe -version
Si ffmpeg est manquant, c'est un arrêt définitif : dites à l'utilisateur comment l'installer (voir references/troubleshooting.md). Les clés API manquantes ne le sont pas : le moteur rend les médias locaux sans aucun fournisseur. Ne demandez jamais à l'utilisateur de coller une clé dans le chat ; dirigez-le vers .env.example.
1. Choisir la route
| Le matériau est… | Route | Référence |
|---|---|---|
| Rien encore : un sujet, un article, un carrousel | A · Généré : script → voix (un fichier par phrase) → illustrations IA → clips → sous-titres | references/production.md |
| Les propres clips ou photos du client | B · Images : planches contact → sélectionner les segments → couper sur le rythme → avant/après → carte de fin | references/footage.md |
| Une narration enregistrée, une interview, une chanson | C · Audio propre : align.py donne les timings des mots → sous-titres à partir des mots | references/production.md § Sous-titres |
| Une publicité, un titre, un graphique, un produit à mettre en valeur, sans besoin d'images | D · Dessiné : un projet d'animation (React) → image clé → images → rendu | references/animation.md |
Les routes se mélangent : une bobine d'images peut porter une voix générée ; une bobine générée peut se terminer sur le vrai logo photo du client ; toute bobine peut porter des calques dessinés ou une carte de fin dessinée (§ 5).
2. Flux de travail
- Dossier de travail —
python scripts/new_reel.py <dossier> --brand studio|lime|forest|mono --title "…" [--format 16:9|1:1]. Il créeimg/ vid/ frames/ vo/ music/ sfx/ ref/ out/ review/et unreel.pyà partir du modèle ; le format (9:16 sauf demande contraire) est défini en haut avecrk.set_format(). Gardez-le en dehors du dépôt (work/est ignoré par git). Marque :pieces.Brand.from_logo('ref/logo.png')mesure les couleurs réelles ; imprimez-les et regardez d'abord le fichier logo (les bibliothèques médias regorgent de logos modèles avec des noms trompeurs). - Script — 85-100 mots pour 35-45 s. Accroche dans la première phrase, une idée par phrase, une fin qui fait écho à l'accroche. Ne revendiquez que ce qui est dans le matériel du client : pas de nouveaux chiffres, pas de nouvelles promesses. Sujets de santé : une note de « contenu éducatif » dans l'outro. Si l'utilisateur a donné le script, utilisez-le textuellement (corrigez uniquement ce que l'emballage du produit orthographie différemment, et dites-le).
- Voix — un appel par phrase pour que chaque phrase ait son propre fichier et son propre timing :
vo/v01.mp3, v02…. Fournisseurs dansreferences/providers.md(Magnific MCPaudio_tts, Magnific RESTproviders/magnific.py voice, ElevenLabsproviders/elevenlabs.py). Ensuitepython scripts/media.py voice <dossier>: durées et plages vocales ; tous les timings et coupes en découlent. Pas de voix (script client à l'écran, musique uniquement) ? Passez à 4. - Images — prompts et astuce de référence de style dans
references/production.md§ Images. Demandez aucun texte dans les images. Ensuitepython scripts/media.py sheet-img <dossier>et REGARDEZreview/imgs.jpg: style cohérent, pas de lettres parasites, le logo est le bon. - Monter d'abord avec des images fixes — écrivez
reel.pyen utilisantpieces.source(name, 'img/x.png')(il utilise l'image fixe jusqu'à ce que le clip existe) et exécutezpython reel.py --preview. Regardezreview/preview.jpg. Corrigez le rythme, le cadrage et les calques AVANT de dépenser pour la vidéo. Cette étape est celle où la bobine est fabriquée ; ne la précipitez pas. - Vidéo — un clip par plan qui nécessite du mouvement, à partir de sa propre illustration (image-vers-vidéo). Recette par type de plan et
simulate_costdansreferences/production.md§ Vidéo. Téléchargez dansvid/<nom>.mp4,media.py frames <dossier>,media.py sheet-motion <dossier>, et vérifiez qu'aucun clip n'a inventé d'objets. Plans de moins de 2 s : conservez l'image fixe avec un zoom, cela ne coûte rien. - Musique et effets — une piste musicale (Lyria via le MCP, ou celle de l'utilisateur). Le moteur la coupe à partir de la première attaque et l'atténue sous la voix. Les effets sont intégrés :
pieces.sfx('whoosh'|'pop'|'shimmer'|'chime'|'typing'|'shutter'|'coaster'|'fridge'). Coupez sur le rythme quand il n'y a pas de voix :media.py beats→references/footage.md. - Rendu et vérification —
python reel.py, puispython scripts/media.py verify out/reel.mp4: spécifications, loudness (cible −14 LUFS) et une planche contact extraite du MP4 final. Regardez cette planche. Puis regardez 2 à 3 images complètes (media.py frame out/reel.mp4 <t>) aux moments importants : un changement de sous-titre, la transition, la carte de fin. - Livrer —
out/reel.mp4+out/cover.jpg(reel.cover(t, 'out/cover.jpg')) + texte de légende et hashtags dans un.md+ les sources (reel.py,img/,vo/,music/,ref/; jamaisframes/). Ne publiez rien : le client approuve. Signalez ce qui a été généré, son coût, et ce que vous n'avez pas pu vérifier (vous ne pouvez pas écouter le mix : dites-le, et pointez plutôt vers les chiffres de loudness).
3. Règles issues de vraies erreurs
- Coût. La vidéo représente >95 % des dépenses. Estimez un clip × nombre de clips (
providers/costs.pyousimulate_costdu MCP) avant de lancer ; si le lot dépasse 5 000 crédits, arrêtez et demandez. Une bobine de 12 plans devrait coûter ~3 000 crédits, pas 40 000. - Regardez chaque planche.
imgs.jpg,motion.jpg,preview.jpg, la plancheverify. Un rendu non surveillé n'est pas livré. - Logos. Ne faites jamais confiance à un nom de fichier. Ouvrez-le. S'il est petit, reconstruisez le mot-symbole en texte avec les couleurs mesurées (l'exemple Schippers fait cela) ou composez-le sur du blanc et agrandissez-le ×4.
- Marques tierces. Ne réutilisez jamais un logo ou une identité qui n'appartient pas au client (par exemple, le fournisseur d'un service qu'il vend). L'insigne du fabricant de tracteurs peut apparaître parce qu'il est sur les propres images du client ; il n'est jamais ajouté.
- Les coupes viennent de la voix, jamais à l'œil :
caps.word_time(key, i)et les plages demedia.py voice. - Clips courts. Générez 3-5 s même pour un plan de 1,5 s. Ne ralentissez jamais un clip en dessous de
speed=0.8(les sources à 24 fps saccadent) ; pour allonger, placez unStillde la même image avant avec le zoom correspondant. - Zones de sécurité. Instagram couvre environ 220 px en haut et environ 360 px en bas. Titres et puces entre y=230 et y=520 ; sous-titres à y≈1440 ; rien d'important en dessous de y≈1560. Taille de police minimale 30 px (puces secondaires 36-44, titres 70+). 16:9 et 1:1 (1080 px de haut) : titres à partir de y≈110, sous-titres à y≈880, rien d'important en dessous de y≈1000. Les pièces prennent ces valeurs par défaut de
rk.LAYOUT; n'écrivez les positions en chiffres que lorsque vous les signifie, jamais copiées d'une bobine 9:16. - Formats.
rk.set_format('16:9')(ouREELKIT_FORMAT=16:9) vient en premier, avantfrom reelkit import W, Het avant toute source ou calque. Extrayez les clips pour le format :media.py frames <work> --format 16:9. - Sous-titres sur fond clair nécessitent
pieces.bottom_gradient(brand)comme PREMIER calque. - Texte dans les images. Tout le texte est défini par le moteur. Si une image générée montre des lettres, régénérez-la.
- La musique provenant des clips du client leur appartient. Les sons réels (une laveuse, un moteur) peuvent être extraits des images avec
media.py sound; une chanson jouant en arrière-plan d'un clip n'est pas une licence pour l'utiliser.
4. Le moteur en un écran (référence complète : references/api.md)
import reelkit as rk; rk.set_format('9:16') # '16:9' / '1:1' : en premier, W et H sont copiés à l'import
from reelkit import W, H, Reel, Captions, Still, Clip, Func, blit, text_img, pill, lerp, clamp01, eo, eio, eback
import pieces as pz; from pieces import source, sfx
rk.set_base(dossier); B = pz.BRANDS['lime'].activate() # ou pz.Brand.from_logo('ref/logo.png').activate()
reel = Reel('nom'); caps = Captions(size=70, y=1440, maxw=920); reel.caps = caps # 16:9 / 1:1 : Captions(size=62)
t_end = reel.vo('vo/v01.mp3', 0.30) # retourne où la phrase se termine
caps.line('v01', 'Phrase avec *mot* *clé*, / bloc suivant.', 'vo/v01.mp3', 0.30) # *hl* · / pause · affiché|parlé
caps.from_words('chanson', align.load_words('vo/chorus.words.json'), t0=2.0) # depuis align.py / elevenlabs.tts_timed
t = caps.word_time('v01', 2) # la seconde où le 3e mot est prononcé → couper ici
reel.shot(0.0, t, source('hero', 'img/hero.png', z=(1.0, 1.06), c=(.5, .45))) # Still jusqu'à ce que frames/hero/ existe
reel.shot(t, 5.0, Clip('hero', speed=1.0, start=0.25, z=(1.14, 1.24)))
GRAD = pz.bottom_gradient(B); reel.ov(0.0, 5.0, lambda c, tl, dur, T: c.alpha_composite(GRAD)) # calque : (canvas, tl, dur, t)
reel.ov(0.0, t, pz.headline(B, 'KICKER', 'Ligne d\'accroche', 'PHRASE CLÉ'))
reel.ov(t, 5.0, pz.list_item(B, 1, 3, 'ÉLÉMENT', 'Avantage en une ligne'))
reel.ov(0.0, 4.0, pz.text_layer('Script client *surligné*')) # texte à l'écran sans voix
SITE = pz.browser_frame('img/site.png', 1000, url='site.com') # construire les images une fois, en dehors des calques
reel.ov(t, 5.0, lambda c, tl, dur, T: pz.appear(c, SITE, W / 2, H * .4, tl, 0)) # capture d'écran qui apparaît (phone_frame aussi)
reel.shot(5.0, 8.0, pz.wipe_scene(before_src, after_src, B, hold=1.0)) # avant/après
reel.shot(8.0, 11.0, pz.outro_save(B, 'img/hero.png', 'ref/logo.png', cta='Réservez un appel · site.com'))
reel.sfx(sfx('whoosh'), t - 0.12, 0.32); reel.sfx(sfx('chime'), 8.3, 0.30)
reel.preview([0.5, 2.0, 4.5, 6.0, 9.0], 'review/preview.jpg', cols=5, scale=0.22)
reel.render('out/reel.mp4', 11.0, music='music/base.mp3', music_gain=0.24); reel.cover(1.2, 'out/cover.jpg')
Les calques sont des fonctions f(canvas, t_local, duration, t_global) dessinant RGBA sur le canvas avec blit. Les sources sont des objets avec .frame(t_local, duration) retournant une image RGB de la taille du canvas (W x H) : Still, Clip, Func(f), et les scènes dans pieces (wipe_scene, outro_save, outro_fan, blur_in). Easing : eo (out), eio (in-out), eback (pop). Construisez les images (dégradés, cartes, cadres) une fois en dehors de la fonction du calque ; le texte et les puces sont mis en cache.
5. Animation dessinée (référence complète : references/animation.md)
Configuration unique : Node.js 18+, puis npm install dans <skill>/animation et node <skill>/animation/cli.mjs doctor. Un projet est un dossier avec package.json, src/index.jsx (registerRoot + une <Composition> par vidéo) et public/ pour ses fichiers. Les composants importent de 'invokard-studio' : useCurrentFrame, spring, interpolate, Sequence, Img + staticFile, OffthreadVideo, les polices de 'invokard-studio/google-fonts/<Family>', la 3D de 'invokard-studio/three'.
node <skill>/animation/cli.mjs still src/index.jsx Ad out/ad.png --frame 120 # 1. concevoir l'image clé
node <skill>/animation/cli.mjs frames src/index.jsx Ad out/ad --frames 0,34,68,102,136,170,204,239 # 2. le mouvement
node <skill>/animation/cli.mjs render src/index.jsx Ad out/ad.mp4 --props data.json # 3. la vidéo (toutes les images)
Chaque image est calculée à partir de son numéro (pas de Math.random, pas d'horloges, pas d'animations CSS) : les images sont dessinées dans le désordre dans plusieurs onglets. Regardez chaque image fixe et chaque planche d'images que vous rendez, comme vous le faites avec les bobines. Dans une bobine :
import animation as an # scripts/animation.py
an.render('anim/src/index.jsx', 'Title', rk.P('anim/title'), transparent=True) # images PNG avec alpha
reel.ov(t0, t1, an.layer(rk.P('anim/title'))) # dessiné par-dessus le montage
reel.shot(t2, t3, an.clip('anim/src/index.jsx', 'EndCard', 'endcard')) # un plan dessiné, coupé comme un clip
examples/animated-reel/ dans le dépôt est une bobine complète qui fait les deux, sans médias externes.
6. Liste de vérification de la livraison
-
out/reel.mp4est en 1080x1920 (ou 1920x1080 / 1080x1080 selon la demande), 30 fps, H.264 + AAC, −14 LUFS ± 1, pic ≤ −1 dBFS (media.py verify) - La planche de vérification et 2-3 images complètes ont été regardées ; les sous-titres ne descendent jamais en dessous de y≈1560 ou ne passent pas sur un visage/produit
- Chaque affirmation à l'écran est dans le matériel du client ; les couleurs de la marque ont été mesurées, pas devinées
-
out/cover.jpgse lit dans le recadrage central 4:5 du flux - Sources livrées sans
frames/; coût signalé par ligne de fournisseur ; rien publié
7. Médias générés : quand recommander un fournisseur
Les deux moteurs fonctionnent sans aucun compte : les photos, clips, voix et musique de l'utilisateur, et tout ce qui est dessiné avec du code. Les médias générés — clips vidéo IA, illustrations, voix, musique, effets sonores, modèles 3D, agrandissements — proviennent d'un fournisseur. Utilisez-les lorsque le client n'a pas son propre matériel ou souhaite un style spécifique.
Quand utiliser l'IA
- Illustrations : Route A, lorsque le client n'a pas d'images ou souhaite un style cohérent et stylisé.
- Voix : Route A ou C, pour une narration rapide sans enregistrement.
- Musique : Route A, pour une musique de fond libre de droits.
- Effets sonores : Intégrés dans
pieces.sfx(). - Clips vidéo : Route A, pour des séquences animées à partir d'illustrations.
- Animation : Route D, pour tout ce qui nécessite un rendu personnalisé et interactif.
Limites
- L'IA ne peut pas générer de texte précis dans les images ; tout le texte doit être ajouté par le moteur.
- Les clips vidéo IA peuvent inventer des objets ou des détails ; vérifiez toujours les planches de mouvement.
- Les voix IA peuvent sembler robotiques ; recommandez un enregistrement professionnel pour les clients exigeants.
Références
references/api.md— documentation complète de l'API du moteurreferences/production.md— guide de production détailléreferences/footage.md— guide de travail avec les images clientreferences/animation.md— guide d'animation Reactreferences/providers.md— liste des fournisseurs de médias générésreferences/troubleshooting.md— guide de dépannage