Communitygithub.com

xb-video-cut

XB Video Cut v2 : un assistant de montage vidéo piloté par le contenu parlé pour ChatCut. Idéal pour les monologues, interviews, podcasts, cours, tutoriels et vidéos explicatives. Il gère le découpage de la voix (A-roll), puis les sous-titres, la musique, les transitions, les images d'illustration (B-roll) et les animations graphiques (MG).

Qu'est-ce que xb-video-cut ?

xb-video-cut est un skill pour ChatCut qui transforme le montage vidéo en un processus méthodique, guidé par le contenu parlé. Sa force réside dans la séparation claire entre la décision de ce qui doit être coupé et l'ordre dans lequel les éléments sont placés sur la timeline. Le skill commence toujours par définir les objectifs du contenu (nettoyage, extraction, réorganisation, etc.) avant d'exécuter les opérations. Il ne se contente pas de couper du silence ou des tics de langage, mais analyse le sens des phrases pour garantir une fluidité naturelle. Le skill gère ensuite de manière optionnelle et ordonnée les sous-titres, la musique de fond, les transitions, les B-roll et les animations graphiques, en respectant une hiérarchie stricte où le montage de la voix (A-roll) est toujours prioritaire. Il est conçu pour les plateformes de bureau comme ChatCut et maintient une documentation centralisée dans Obsidian pour les tables de montage, assurant une traçabilité et une révision humaine à chaque étape clé.

Compatible avec~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/Iris-lover/xb-video-cut/tree/main

Demander à votre IA préférée

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

Documentation

XB Video Cut v2

Ce document définit les règles d'exécution pour le montage vidéo piloté par la parole (speech-led) dans ChatCut. Il sépare la décision de "ce qui doit être coupé" de "l'ordre dans lequel les éléments sont placés sur la timeline" : on détermine d'abord les objectifs de contenu, puis on organise toutes les couches visuelles, textuelles et audio en fonction de la timeline finale de la voix-off.

1. Périmètre d'application et contraintes de base

Ce skill s'applique aux vidéos de type monologue, interview, podcast vidéo, cours, tutoriel et vidéo explicative à partir de rushes existants. Lorsque l'utilisateur souhaite créer un "talking-head" à partir de rien, sans rushes source, n'utilisez pas ce processus de montage ; indiquez d'abord qu'il faut fournir des rushes vidéo.

Les rushes peuvent déjà être des actifs du projet, un chemin local ou une pièce jointe dans la conversation :

  • Les rushes déjà dans le projet sont utilisés directement, sans réimportation.
  • Pour les chemins lisibles localement ou les pièces jointes, enregistrez-les comme actifs dans le projet via la méthode d'enregistrement des actifs de ChatCut Desktop, puis lisez le transcript.
  • Si l'éditeur n'a pas ouvert le projet cible, demandez d'abord à l'utilisateur de l'ouvrir ; ne supposez pas que le projet actuel est le projet cible.

La terminologie des produits en chinois est unifiée :

  • A-roll : Montage vocal
  • Background music : Musique de fond
  • Captions : Sous-titres
  • B-roll : Toujours garder B-roll
  • Motion Graphics : Animation MG
  • AI Voice Isolation : Isolation vocale IA
  • Transcript panel : Panneau de transcription

N'utilisez pas "动效", "字幕条" ou "动态字幕" pour remplacer "MG 动画", et ne traduisez pas "B-roll" en d'autres termes chinois.

2. Déterminer d'abord l'objectif, puis choisir les éléments à traiter

À chaque début, confirmez ces trois dimensions :

  1. Objectif : Plateforme, durée finale, format paysage/portrait ou autres exigences de cadre.
  2. Éléments à traiter : Uniquement l'A-roll, ou aussi les sous-titres, la musique de fond, les effets sonores de transition, le B-roll, l'animation MG, l'isolation vocale IA ou l'exportation.
  3. Rythme : Serré, naturel, formel, décontracté, émotionnel, ou en suivant le style existant du projet.

N'ajoutez pas par défaut tous les éléments de traitement simplement parce qu'un outil est disponible. Ne modifiez pas les éléments d'amélioration non mentionnés par l'utilisateur.

Lorsqu'un projet existant a déjà un cadre, un style de sous-titres ou une charte graphique, privilégiez leur utilisation. N'utilisez les valeurs par défaut que si le projet n'a pas de réglage et que l'utilisateur n'a donné aucune instruction. Pour un nouveau projet, la valeur par défaut est 1920×1080 / 60 fps ; n'appliquez pas cette valeur par défaut à un projet existant et ne modifiez pas le format d'image à la place de l'utilisateur.

Rushes/cadre en paysage : Lors de la phase de vérification finale et d'exportation (voir section 12), rappelez à l'utilisateur s'il souhaite également dériver une version portrait. Rushes/cadre en portrait : Ne mentionnez pas cela, passez directement, ne demandez pas à chaque fois. Le critère est le format d'image de la timeline actuelle, pas si l'utilisateur en a parlé.

Lorsque plusieurs dimensions clés manquent en même temps, collectez-les en un seul formulaire court ; lorsqu'une seule petite question manque, posez directement une question centrale. N'enchaînez pas les questions sur des informations déjà évidentes à partir du projet ou du contexte.

2.1 Les tableaux de montage sont stockés de manière unifiée dans le document de script Obsidian

Les tableaux de matériel (incluant la checklist B-roll), les tableaux d'effets sonores et les tableaux de transition générés ou mis à jour pour une même vidéo doivent être stockés dans le même document Markdown Obsidian que le script vidéo, chacun dans sa propre section indépendante ; ce document est la seule source de maintenance pour ces tableaux. Afficher les tableaux dans la conversation ne remplace pas leur enregistrement.

  • Commencez par identifier le document de script de la vidéo à partir du lien Obsidian fourni par l'utilisateur, du chemin de fichier ou du contexte. Les liens obsidian:// doivent être résolus en vault et fichier, et localiser le fichier Markdown réel. Si l'identification n'est pas unique, demandez uniquement le document cible, ne créez pas un autre fichier de tableau par défaut, et n'écrivez pas une autre vidéo dans un document connu.
  • Lors de la première lecture, lisez l'intégralité du document et les sections existantes, puis mettez à jour la section correspondante in situ ; n'ajoutez une section que si elle n'existe pas. Conservez le script, les annotations de l'utilisateur et les autres contenus, en évitant d'ajouter plusieurs copies du tableau. Les fusions, suppressions, renumérotations, appariements de matériel ou changements de timeline ultérieurs sont synchronisés dans la même section et les résumés associés.
  • Les colonnes par défaut du tableau de matériel sont : Paragraphe / Point d'ancrage vocal | B-roll nécessaire | Durée requise | Déjà fourni | Matériel correspondant. Le paragraphe décrit le sujet du contenu et la phrase vocale réelle ; la durée est le nombre de secondes nécessaires à l'affichage dans la vidéo finale, pas le temps de début/fin de la source vidéo. Remplissez ✅/❌ en fonction du matériel réellement vérifié, avec la date et la portée de la vérification. Si la vérification n'a pas été effectuée, ne mentionnez pas une absence. Lors de la planification de la génération de B-roll, ajoutez une colonne supplémentaire Source suggérée (à confirmer) dans le tableau global en attente de confirmation, permettant à l'utilisateur de vérifier simultanément les besoins visuels et les sources. Une fois confirmé, divisez en une liste de téléchargement et une liste de génération. Dans les autres cas, n'ajoutez pas par défaut les colonnes "Peut être généré", "Changement et point de chute visuels", "Comment enchaîner".
  • Le tableau des effets sonores enregistre les points d'ancrage vocaux ou d'action, l'utilisation/type d'effet sonore, la durée, le matériel correspondant et l'état de confirmation/exécution ; le tableau des transitions enregistre le contenu parlé réel avant et après la limite, le type de transition, l'effet sonore correspondant et l'état de confirmation/exécution. Utilisez la structure de tableau déjà confirmée par l'utilisateur. Créez les tableaux uniquement lorsque l'élément de traitement correspondant est activé ; l'enregistrement d'un plan ne signifie pas qu'il a été confirmé ou placé sur la timeline.
  • Une fois le document cible spécifié, la maintenance de ces tableaux ne nécessite pas de demander à nouveau l'emplacement de sauvegarde à chaque fois. Si une ancienne liste se trouve à un autre endroit, déplacez-la dans le document de script, et l'ancien fichier ne conserve qu'un guide de migration ; ne maintenez pas deux ensembles de contenu principal simultanément.
  • Après la sauvegarde, relisez pour vérifier le tableau, le nombre d'éléments, les numéros, la durée et l'état, et fournissez un lien vers le document. Si l'écriture est impossible, expliquez-le honnêtement, ne prétendez pas avoir sauvegardé. Les images, vidéos et fichiers audio réels ne sont pas intégrés en binaire dans le Markdown ; le tableau enregistre les chemins ou liens vers les fichiers, et l'emplacement des fichiers est conforme aux conventions de l'utilisateur.

3. Machine à états de la timeline

Les phases ne doivent pas toutes être exécutées obligatoirement, mais sont activées "selon le choix de l'utilisateur". La seule dépendance fixe est que l'A-roll doit précéder tous les éléments de traitement qui dépendent de la timeline.

Ordre recommandé :

  1. Confirmation du projet et des rushes
  2. Montage vocal A-roll
  3. Sous-titres
  4. Musique de fond
  5. Transitions et effets sonores associés
  6. B-roll
  7. Animation MG
  8. Vérification finale et exportation

Si l'utilisateur ne demande qu'un seul élément de traitement, effectuez-le et validez-le, sans étendre automatiquement la tâche.

Transition entre phases

Après chaque phase principale activée :

  1. Résumez en une phrase le résultat qui vient d'être accompli ;
  2. Marquez le résultat actuel comme "en attente de confirmation de l'utilisateur" ;
  3. Expliquez quelle est l'étape suivante ;
  4. Posez une seule question centrale qui affecte l'étape suivante.

Lorsque l'utilisateur dit "continuer", "suivant", "ok", ou "confirmé", considérez cela comme une confirmation de la phase en attente actuelle et passez à la phase suivante. Si l'utilisateur propose en même temps des modifications, effectuez d'abord les modifications et revérifiez la phase actuelle avant de passer à la phase suivante, sans sauter le point de confirmation.

Si l'utilisateur demande explicitement une exécution de bout en bout, vous pouvez exécuter les étapes sans choix subjectif ; mais arrêtez-vous pour confirmation dans les cas suivants : génération payante, opérations irréversibles, manque d'orientation créative clé, ou décisions qui modifieraient clairement la structure de la vidéo finale.

Ne regroupez pas les questions de confirmation de plusieurs phases dans un seul message. Ne prétendez pas "terminé" sans avoir réellement exécuté ou vérifié.

4. A-roll : Traiter d'abord le contenu parlé

Pour décider si une phrase doit être conservée ou supprimée, et comment présenter la proposition de modification à l'utilisateur, consultez en priorité references/speech-cleanup-judgment.md — il contient des critères de classification spécifiques (tics de langage/repentirs/phrases suspendues/éléments simplifiables/commentaires/étapes), des normes de format de présentation (tableau : à gauche le texte original barré, à droite l'effet après modification) et une liste d'auto-vérification des erreurs courantes.

4.1 Classifier d'abord la tâche

Avant de commencer l'édition, déterminez ce que l'utilisateur souhaite :

  • Nettoyage : Supprimer les tics de langage fixes, les échecs de répétition, les lapsus, les pauses inutiles et les blancs évidents.
  • Extraction : Extraire les points clés, les opinions ou les moments forts d'un long rush.
  • Réorganisation : Réorganiser l'ordre des idées pour clarifier les conclusions, les conflits, les étapes ou les explications.
  • Accroche de début / Version courte : Mettre en avant les idées fortes, les résultats, les conflits ou les questions, ou compresser jusqu'à une durée cible.
  • Alignement sur un script cible : Conserver et réorganiser selon le texte, les paragraphes ou les phrases spécifiques fournis par l'utilisateur.

L'outil ne peut pas décider de la stratégie d'édition. Déterminez d'abord les limites du contenu, puis choisissez l'outil.

4.2 Principes sémantiques généraux

  • Traitez autant que possible par phrase complète, idée complète, réponse complète ou étape complète.
  • Lorsque l'utilisateur spécifie clairement les phrases à conserver, conservez précisément les mots et expressions spécifiés, sans inclure les éléments non pertinents au début ou à la fin de la même ligne ASR.
  • Ne combinez pas les fragments de différentes répétitions ayant échoué pour former une phrase artificielle.
  • Conservez les sujets, objets, conjonctions, connecteurs, marqueurs de liste, modificateurs et contexte nécessaires à la validité de la phrase.
  • La répétition n'est pas nécessairement une erreur : elle peut être une emphase, un marqueur structurel, une information supplémentaire ou une expression émotionnelle. Seules les tentatives échouées du même objectif sont traitées comme des repentirs.
  • Si vous n'êtes pas sûr qu'une coupure nuira à la sémantique ou à l'audition, conservez le contenu ou réduisez la portée de la suppression.
  • Lorsque vous expliquez le montage à l'utilisateur, utilisez le contenu parlé réel ou un langage naturel, sans montrer [sN], d'index de mots, d'ID de clip, d'ID de segment, etc.

4.3 Ordre d'opération recommandé

  1. Utilisez read_script pour lire le script actuel et timeline.md, afin de comprendre la structure du contenu en premier.
  2. S'il existe des tics de langage fixes ou de longues pauses en masse, utilisez d'abord clean_script pour un nettoyage mécanique.
  3. Après le nettoyage, relisez la dernière timeline.md. Ne procédez pas à l'édition de mémoire en vous basant sur l'ancien transcript.
  4. Effectuez le montage sémantique : sélectionnez la meilleure répétition, supprimez les faux départs, éliminez les fragments répétés ou ayant échoué, et réorganisez le contenu si nécessaire.
  5. Appliquez les modifications avec apply_script.
  6. Relisez le transcript généré pour vérifier la sémantique, l'ordre, la segmentation des phrases, les répétitions et les pauses.
  7. Une fois la structure de la voix-off déterminée, exécutez smooth_audio pour vérifier et traiter les raccords.

manage_transcript fix est utilisé uniquement pour corriger le texte ASR ou l'attribution des locuteurs, sans couper le son ; find_transcript est utilisé uniquement pour localiser, pas pour éditer. Toute suppression, déplacement, sélection et réutilisation du contenu parlé se fait dans le script.

4.4 Sélection parmi plusieurs versions enregistrées

Regroupez les versions enregistrées exprimant la même idée, puis comparez-les groupe par groupe :

  • Sémantique complète, conforme au script cible ;
  • Fluidité, mots avalés, accrocs et ton ;
  • Respiration naturelle ;
  • Bruit, timbre vocal, stabilité de l'image et marge avant/après les coupes ;
  • La transition avec la phrase précédente/suivante semble-t-elle être une expression naturelle unique ?

Conservez de préférence une version complète pour chaque unité sémantique. Ne supposez pas par défaut que la dernière version enregistrée est la meilleure ; ne remplacez la version précédente par la version ultérieure que si celle-ci est plus complète, plus fluide ou apporte des informations indispensables. Après application, écoutez un par un les raccords entre les versions, en vérifiant les accrocs, les interruptions de respiration, les changements brusques de timbre et les bruits exposés.

4.5 Tics de langage, répétitions et demi-phrases

Les hésitations pures peuvent généralement être supprimées en masse : 呃, 额, um, uh, er, ah. Les mots suivants doivent être jugés en contexte, sans suppression mécanique basée sur une liste de mots : 然后, 就是, 嗯, 那个, 所以, 但是, 啊, まあ, なんか, etc.

Lorsqu'un mot remplit une fonction d'ordre, de cause, de conséquence, d'opposition, de référence, de réponse, d'emphase ou de ton, conservez-le ; ne le supprimez que s'il est purement de remplissage et que la phrase reste naturelle après sa suppression.

Pour le nettoyage des répétitions, suivez cet ordre de jugement :

  1. Confirmez si les différentes expressions portent réellement sur la même intention.
  2. Trouvez la version la plus complète et la plus naturelle, sans choisir mécaniquement la dernière.
  3. Coupez à partir de l'endroit où l'échec ou la répétition commence réellement, en ne retirant que la partie couverte ou suspendue.
  4. Conservez les amorces, conjonctions, sujets, comparaisons ou conclusions qui ne sont pas répétés dans la version ultérieure mais qui rendent le sens complet.

Pour les demi-phrases suspendues comme “这个其实……”, ne les supprimez que si elles n'apportent aucune information utile et ne rendent pas la suite brusque. Ne supprimez pas le contexte nécessaire pour gagner de la brièveté.

4.6 Pauses et respiration

Les pauses sont par défaut compressées, pas réduites à zéro :

  • En l'absence de spécification, traitez principalement les pauses évidentes de plus d'environ 0.8–1 seconde, généralement ramenées à environ 0.3 seconde.
  • Conservez environ 0.3–0.5 seconde entre les phrases pour permettre une perception naturelle des coupes.
  • Les changements de sujet, les contrastes, les emphases et les virages émotionnels peuvent conserver des pauses plus longues.
  • Les respirations courtes à l'intérieur des phrases sont généralement conservées ; seules les longues pauses évidentes sont compressées.
  • Supprimez les repentirs ainsi que les longues pauses inutiles qui les entourent.
  • Ne créez pas de [gap] accidentel sur la piste vidéo principale pour créer un rythme ; cela pourrait s'afficher comme une image noire. Si un espace est nécessaire, conservez le silence de la source, utilisez [silence=...], ou utilisez clairement du B-roll, une animation MG ou un segment visuel plein écran.

Si l'utilisateur donne un seuil explicite, c'est le seuil de l'utilisateur qui prévaut.

5. Sous-titres

Les sous-titres dépendent de l'A-roll final. Si l'A-roll n'est pas encore confirmé, ne soumettez pas les sous-titres finaux basés sur l'ancienne timeline.

En l'absence de style existant et pour un format paysage 1080, utilisez par défaut :

  • Style : deyi-card ; police Dewi Hei, texte blanc, fond de carte arrondi semi-transparent foncé ;
  • Position : bottom-center ;
  • Taille de police : 80 px, correspondant à fontSizeRatio: 0.074074 ;
  • Marge intérieure de la carte : horizontale 28 px, verticale 18 px ;
  • Rythme : privilégiez les cartes courtes, en segmentant naturellement selon les unités de sens complètes ;
  • Portée : toute la voix-off audible sur la timeline.

Adaptez proportionnellement pour les autres formats, sans appliquer de force la taille de police du paysage 1080. Privilégiez les préférences utilisateur existantes, ne demandez pas à nouveau.

Pour le paysage 1080, chaque carte de sous-titre n'affiche par défaut qu'une seule ligne (maxLines: 1). Si le texte est trop large, divisez-le en deux cartes ou plus, en respectant les unités de sens complètes, sans passer à la ligne dans la même carte. L'ordre de priorité pour la segmentation est fixe : ne pas couper les mots et expressions figées > complétude sémantique > affichage sur une seule ligne > longueur uniforme des cartes. Il vaut mieux rendre la carte précédente plus courte que de couper des groupes de mots figés, des termes techniques, des noms de produits en anglais, des nombres et unités, des pourcentages, des négations et leur prédicat pour remplir la largeur ; sauf pour une emphase délibérée ou des contraintes de timing vocal, évitez les cartes de sous-titres isolées de seulement 1 à 3 caractères.

Avant de paginer les sous-titres, considérez les expressions chinoises, les termes techniques, les noms de produits, les nombres et unités, et les expressions figées dans le contexte comme des unités insécables. Lorsqu'une ligne dépasse la largeur, déplacez l'ensemble du groupe sur la carte suivante et reculez jusqu'à la limite de ponctuation, de pause, de sujet-verbe, de verbe-objet ou de conjonction de coordination la plus proche, sans couper en fonction du nombre de caractères.

Après la génération ou la re-segmentation des sous-titres, effectuez une vérification des limites entre les cartes : examinez les 2 à 4 derniers caractères de chaque carte précédente et les 2 à 4 premiers caractères de la carte suivante, pour identifier les mots de deux caractères, les mots de plusieurs caractères, les noms anglais, les nombres et unités, les structures de négation et les dépendances de particule qui auraient été coupés. Si une carte se termine ou commence par un seul caractère isolé, ou si la carte précédente se termine par un caractère dépendant fort comme 的, 了, 和, 在, 不, 被, 把, vérifiez en contexte ; si une anomalie est trouvée, corrigez-la en déplaçant le groupe de mots complet ou en rééquilibrant les cartes adjacentes, ne traitez pas seulement le cas unique signalé par l'utilisateur.

Par défaut, n'affichez pas les virgules chinoises ,, les points chinois 。, les virgules anglaises , et les points anglais . à la fin des phrases des sous-titres ; conservez les points d'interrogation, d'exclamation, les décimales, les abréviations, les points de suspension et autres signes de ponctuation en milieu de phrase. Le nettoyage porte sur la ponctuation de fin de chaque carte de sous-titre, pas sur la suppression des virgules et des points à l'intérieur des phrases utilisés pour la segmentation du sens ou l'expression du ton.

À chaque fois que des sous-titres sont générés, réappliqués ou modifiés, et avant l'exportation :

  1. Lisez toutes les cartes de sous-titres par pagination, pas seulement le premier lot.
  2. Effectuez le nettoyage réel de la ponctuation de fin via l'édition du texte de la carte de sous-titres, n'utilisez pas un commutateur global qui masquerait toute la ponctuation pour remplacer cette étape.
  3. Utilisez l'ID de carte et la dernière révision retournées par l'outil, ne devinez pas l'interface batch.
  4. Après la sauvegarde, relisez par pagination pour confirmer que les virgules et points chinois et anglais en fin de phrase sont à 0, et que les autres caractères et la ponctuation n'ont pas été modifiés par erreur.
  5. Ce n'est que si la sauvegarde et la revérification réussissent que vous pouvez signaler à l'utilisateur que le nettoyage est terminé, en indiquant le nombre réel de modifications.

Pour la segmentation, modifiez uniquement les cartes de sous-titres : utilisez forcePageBreak:true pour le premier caractère d'une nouvelle carte, keepWithPrevious:true pour fusionner avec la carte précédente, et hidden:true pour masquer les caractères répétés ou les lapsus dans les sous-titres. N'utilisez pas la modification du mot-à-mot original, de la taille de police, de la largeur du cadre de sous-titres ou de wordsPerPage pour corriger un point de coupure spécifique.

Après l'application des sous-titres, envoyez le texte complet des sous-titres, séparé par | sans numéro, à l'utilisateur pour confirmation humaine ; après confirmation, passez à la musique de fond ou aux autres couches en aval.

6. Musique de fond

La musique de fond est optionnelle. Identifiez d'abord les limites du début, du corps, de la fin et des émotions réelles en fonction de la voix-off finale ; ne supposez pas par défaut que les trois parties utilisent le même modèle émotionnel.

Avant de générer ou de sélectionner un morceau, expliquez :

  • La fonction expressive de chaque segment, par exemple diagnostic, explication, démonstration, réflexion, humour ou appel à l'action ;
  • L'émotion et l'énergie ;
  • Les véritables limites de contenu pour la transition musicale.

Fournissez d'abord un petit nombre de candidats d'écoute aux directions clairement différentes. Avant que l'utilisateur n'ait choisi une direction, ne placez pas sur la timeline. Une fois la direction déterminée, créez le début, le corps et la fin d'un même système sonore, les points de transition suivant les limites de contenu plutôt qu'une segmentation uniforme.

Lors de la mise en place :

  • Définissez la piste vocale comme anchor et la piste musicale comme follower, en utilisant le ducking automatique ;
  • Sauf demande explicite de l'utilisateur, ne définissez pas manuellement audioRouting.duckDepthDb ;
  • N'augmentez pas fortement le volume d'un segment musical pour ensuite superposer un ducking profond ;
  • Les fondus entrée/sortie sont généralement de 1–2 secondes ;
  • La musique ne doit pas dépasser la fin réelle du contenu ;
  • Si la musique est insuffisante, utilisez plusieurs segments en les assemblant sur des pistes alternées, sans étirer artificiellement un seul segment ;
  • Les effets sonores courts ne doivent pas être placés sur la piste musicale follower.

7. Transitions, effets sonores de transition et effets sonores émotionnels

N'activez les transitions ou les effets sonores que si l'utilisateur en a besoin. Distinguez d'abord ces concepts, puis proposez et exécutez :

  • Effet de transition : Changement visuel utilisé pour relier les images, distinguer les sous-points sémantiques ou les chapitres. Une simple coupe franche n'est pas automatiquement considérée comme un effet de transition nécessitant un effet sonore.
  • Effet sonore de transition : Effet sonore qui accompagne toujours une transition. Chaque effet de transition doit avoir un effet sonore de transition correspondant, avec une vérification appariée du changement visuel et du point sonore.
  • Effet sonore émotionnel : Effet sonore qui renforce une émotion ou un point d'information avec le texte, par exemple un point de douleur, un écart d'attente, un rappel, une surprise, une confirmation, un résultat ou un bénéfice. Il peut apparaître indépendamment d'une transition, sans nécessiter de changement visuel associé.

Les effets sonores ne sont pas nécessairement liés aux transitions, mais l'utilisation d'un effet de transition nécessite un effet sonore de transition correspondant. Les fondus audio croisés sur les raccords de la voix-off ou de la musique de fond ne sont pas considérés comme des effets de transition ou des effets sonores des deux types ci-dessus.

Choisissez en fonction du niveau de contenu et du rythme, sans abuser de la même combinaison. Pour les changements de chapitre importants, privilégiez les mouvements de caméra rapides et directionnels, légèrement plus longs, accompagnés d'un sifflement, pour donner au spectateur l'impression d'entrer dans un nouveau chapitre ; pour les étapes courtes et étroitement liées ou les points énumérés (comme le premier, le deuxième, le troisième), utilisez un clic de souris court et un battement visuel léger pour souligner qu'ils appartiennent toujours au même groupe de contenu. La durée doit refléter l'importance relative, mais sans secondes fixes applicables à toute la vidéo ; écoutez d'abord la voix-off, regardez l'image, puis déterminez la longueur et le point de coupe spécifiques.

  1. Flash noir court + effet sonore de clic de souris : Adapté aux changements d'étapes étroitement liés ; le transitoire principal du clic s'aligne sur le nœud visuel le plus évident du flash noir. Le flash noir doit être court, sans créer de rupture évidente entre les étapes.
  2. Mouvement de caméra rapide + sifflement : Adapté à l'entrée dans un chapitre plus important ; le flou de mouvement horizontal doit être net, la durée sensiblement plus longue que le clic pour les étapes, la direction du mouvement du sifflement doit être cohérente avec l'image, et le pic ou le point de chute doit s'aligner sur le nœud clé. Ne confondez pas un fondu linéaire avec une ligne de séparation blanche avec un mouvement de caméra rapide ou un masque noir ; si une ligne blanche inattendue apparaît dans l'aperçu, remplacez-la par un véritable mouvement de caméra ou un fondu progressif spécifié par l'utilisateur.

Après le placement, écoutez et prévisualisez simultanément. Les transitions doivent être perceptibles sans être traînantes, le changement visuel et le point sonore doivent être synchrones, et l'effet sonore ne doit pas couvrir la voix-off.

7.1 Points de transition : Proposés par l'Agent, confirmés par l'utilisateur, sans règle fixe

La structure des scripts vidéo varie, on ne peut pas se fier à des règles mécaniques comme les pauses, les sauts de ligne ou la correspondance de mots-clés pour identifier les points de transition. L'essence d'un point de transition est un changement de sous-point sémantique au sein d'un même contenu (par exemple, l'endroit où commence chaque point énuméré dans une liste comme "le premier / le deuxième / et encore un", ou la fin d'un exemple complet et le passage au point fonctionnel suivant). Cela nécessite une compréhension du sens du contenu, pas une délégation à une structure.

À chaque fois avant de placer une transition :

  1. Lisez entièrement le script/transcript actuel pour trouver les positions candidates appropriées pour une transition sur le plan sémantique.
  2. Compilez un plan et envoyez-le à l'utilisateur pour confirmation : citez le texte avant et après le point candidat en utilisant le contenu parlé réel (sans afficher les numéros d'image ou [sN]), expliquez l'effet de transition suggéré et l'effet sonore correspondant, et présentez le tableau de transition séparément selon la section 7.3. Si des effets sonores émotionnels sont nécessaires, listez-les simultanément dans un tableau d'effets sonores émotionnels séparé.
  3. Après confirmation ou ajustement par l'utilisateur, placez les transitions et effets sonores dans le périmètre confirmé sur la timeline ; ne les placez pas avant confirmation. "Suivez ces deux tableaux" constitue une autorisation pour exécuter la dernière version des deux tableaux, sans redemander les points déjà confirmés.
  4. Une fois qu'un plan est confirmé, il devient la référence de transition pour cette vidéo. Pour les ajustements ultérieurs de la même vidéo (y compris les versions dérivées comme le passage paysage/portrait, l'ajout d'une accroche de début, tant que le contenu principal n'a pas changé), utilisez cette référence sans avoir à proposer un nouveau plan complet à chaque fois.

7.2 Après l'ajout ou la suppression de contenu par l'utilisateur, ne vérifiez que les parties modifiées

Lorsque l'utilisateur ajoute ou supprime du contenu vocal ultérieurement, ne relancez pas un cycle complet de confirmation du plan de transition, mais :

  1. Relisez le script actuel et vérifiez un par un si le texte avant et après chaque point de transition confirmé existe toujours, et si la limite sémantique est toujours valide.
  2. Si le texte de référence existe toujours, mais que le numéro d'image a changé : déplacez directement la transition vers le nouveau numéro d'image, sans demander à nouveau à l'utilisateur.
  3. Si le texte de référence a été supprimé ou modifié, rendant la limite d'origine invalide : informez l'utilisateur uniquement pour ces 1 ou 2 points affectés, en indiquant quelle phrase a changé exactement, et demandez-lui s'il souhaite remplacer le point de référence par un autre adjacent ou supprimer cette transition — ne demandez pas à nouveau pour les autres points de transition qui ne sont pas affectés.

Les versions dérivées comme le passage paysage/portrait ou l'ajout d'une accroche de début suivent la règle du point 2 : tant que le contenu principal n'a pas changé, repositionnez directement sur le numéro d'image correspondant de la nouvelle timeline selon la référence confirmée, sans nécessiter une nouvelle confirmation globale.

7.3 Deux tableaux d'exécution indépendants, non fusionnés avec le tableau de matériel B-roll

Maintenez par défaut trois tableaux séparés : tableau de matériel B-roll, tableau des transitions et tableau des effets sonores émotionnels. Ils peuvent référencer le même point d'ancrage vocal, mais n'ajoutez pas automatiquement une transition ou un effet sonore émotionnel simplement parce qu'il y a un changement de B-roll à un endroit donné.

Tableau des transitions : Chaque ligne doit obligatoirement contenir à la fois l'effet de transition et l'effet sonore de transition correspondant.

Heure approx.Point de transition vocal (texte avant → texte après)Effet de transition et duréeEffet sonore de transition correspondantMéthode de synchronisation son-imageStatut
Basé sur la timeline actuelleUtiliser la citation vocale réelleFlash noir / glissement vers la droite, etc.Clic / sifflement, etc.Transitoire, pic ou point de chute aligné sur le nœud visuelEn attente / Confirmé / Ajouté / Vérifié

Tableau des effets sonores émotionnels : Basé sur la signification du texte et le point de chute émotionnel, peut exister sans aucune transition.

Heure ou plage approx.Point de chute du texteÉmotion ou information renforcéeEffet sonore émotionnel suggéréMéthode d'utilisationStatut
Basé sur la timeline actuelleMot-clé ou phrase courte exactePoint de douleur / Rappel / Surprise / Sentiment d'accomplissement, etc.Description des caractéristiques sonoresNombre d'occurrences, point de chute, queue et exigences de volumeEn attente / Confirmé / Ajouté / Vérifié

Le temps dans les tableaux sert à la recherche, l'exécution réelle est basée sur le dernier point d'ancrage vocal. Comprenez d'abord complètement la sémantique, puis alignez mot par mot dans le temps ; ne vous fiez pas aux mots-clés pour décider automatiquement quels mots doivent avoir un son. Ne figez pas les points temporels, les quantités ou les ID de matériel du projet actuel en tant que règles par défaut pour d'autres vidéos.

7.4 Exécution et vérification

  • Utilisez des pistes audio séparées, clairement nommées, pour les effets sonores de transition et les effets sonores émotionnels, sans les mélanger dans la piste follower de la musique de fond, afin de permettre un réglage indépendant.
  • Les effets sonores émotionnels sont courts, légers et peu nombreux ; choisissez le plus important dans la même unité sémantique, en évitant l'accumulation mot à mot. Vérifiez le chevauchement entre les effets sonores de transition et les effets sonores émotionnels adjacents, décalez les transitoires principaux ou raccourcissez la queue pour ne pas couvrir la voix-off.
  • La règle "priorité à l'accélération" pour les captures d'écran vidéo n'exige pas de conserver une queue d'effet sonore longue ; l'effet sonore peut être raccourci selon l'impression auditive et recevoir un fondu de sortie naturel.
  • La transition agit sur l'image que le spectateur voit réellement. Vérifiez le B-roll, le fond et les autres calques au-dessus ; ne prétendez pas que la transition est visible si vous n'ajoutez l'effet que sur la piste vocale masquée. Maintenez la chronologie de la voix-off, des sous-titres et des autres contenus.
  • Lorsque l'utilisateur annule un point de transition, annulez la paire effet de transition et effet sonore de transition pour ce point ; l'effet sonore émotionnel est conservé comme un plan indépendant, sauf si l'utilisateur demande également un ajustement.
  • Après l'exécution, vérifiez les derniers points, le nombre, l'appariement et la répartition sur les pistes des deux tableaux ; prévisualisez chaque point à l'entrée, au nœud clé, à la sortie et les images adjacentes, tout en écoutant pour vérifier la synchronisation son-image, le volume et la queue. Si l'écoute réelle n'a pas été effectuée, expliquez-le clairement, ne confondez pas la vérification de position avec une validation auditive.
  • Rapportez séparément le nombre d'effets de transition, d'effets sonores de transition et d'effets sonores émotionnels, en distinguant "ajouté" et "vérifié" ; ne rapportez pas un simple fondu croisé de la musique ou de la voix-off comme des transitions et des effets sonores terminés.

8. B-roll

Le B-roll est utilisé pour masquer les coupes franches naturelles, montrer des objets spécifiques ou améliorer la compréhension. Confirmez d'abord le mode :

Tableau d'abord, puis production : Lorsque l'utilisateur souhaite planifier ou générer un lot de B-roll, lisez d'abord la voix-off officielle actuelle, le storyboard/script existant et la bibliothèque de matériel réelle, puis organisez un tableau de matériel visuel unifié, listant les points d'ancrage vocaux, les images nécessaires, la durée d'affichage suggérée dans la vidéo finale, si du matériel est déjà disponible, le matériel correspondant et les sources suggérées. Stockez-le dans le même document de script Obsidian, clairement marqué "en attente de confirmation" ; les sources suggérées ne sont qu'une proposition, pas une autorisation de génération. Ce n'est qu'après confirmation ou ajustement par l'utilisateur des besoins visuels et des sources que vous divisez la version confirmée en deux listes d'exécution : le matériel réel à télécharger par l'utilisateur (sites Web, opérations d'outils, travaux personnels, documents, couvertures, etc.) et le matériel pouvant être généré par l'Agent (scènes conceptuelles, images de dessins animés complémentaires, etc.). Les opérations réelles sur des produits ou des résultats ne peuvent pas être remplacées par des images conceptuelles générées par IA ; les éléments à télécharger par l'utilisateur ne peuvent pas être modifiés en éléments à générer. Ensuite, collectez/vérifiez le matériel téléchargé ou, en suivant les instructions de génération et la confirmation de paiement nécessaire, créez le matériel généré, puis placez-le sur la timeline et effectuez la validation. Ne confondez pas la confirmation de la liste avec une autorisation de génération, de téléchargement, de remplacement de preuves réelles ou de modification de la timeline.

  • Plein écran : Adapté pour masquer les coupes franches, afficher un contenu à lire ou à regarder en entier.
  • Fenêtre PiP (Picture-in-Picture) : Conserve le visage de l'orateur tout en fournissant des images auxiliaires.
  • Jugement de l'Agent : Lorsque l'utilisateur n'a pas de préférence, jugez point par point.

Avant de placer un PiP, vérifiez l'image cible et l'image source, en évitant les visages, la bouche, les gestes clés, les sous-titres, les produits, les logos et le texte lisible ; par défaut, utilisez des coins arrondis 24–36. Pour le matériel plein écran, choisissez cover ou contain en fonction du rapport hauteur/largeur et du contenu protégé. Par défaut, ne coupez pas dans les 3 premières et dernières secondes, sauf si le contenu l'exige.

Les sources peuvent être du matériel de projet, du matériel de bibliothèque ou des vidéos générées par IA. Lorsque cela implique une génération payante, obtenez l'autorisation explicite de l'utilisateur avant de soumettre la génération. Après avoir placé chaque B-roll, effectuez une vérification de l'image pour confirmer qu'il n'obscurcit pas le sujet, les sous-titres ou les opérations clés.

8.1 B-roll piloté par le tableau de matériel

Lorsque l'utilisateur fournit une liste de matériel B-roll, une checklist, un storyboard ou un tableau "point d'ancrage vocal - image nécessaire - durée suggérée" et demande à placer le contenu de la bibliothèque de matériel aux positions correspondantes, utilisez references/b-roll-checklist-workflow.md.

La règle centrale de ce type de tâche est : vérifiez d'abord les images réelles et faites correspondre selon la sémantique vocale, puis décidez de la vitesse et de la couverture ; privilégiez la conservation complète de la vidéo et l'accélération, ne découpez que si, même dans la plage de vitesse autorisée, il est impossible de placer le contenu dans l'intervalle vocal pertinent. Ne vous contentez pas de prendre un court extrait d'une longue vidéo par souci de commodité.

8.2 Captures d'écran de texte : Agrandir le corps du texte et faire défiler

  • Pour les captures d'écran principalement textuelles (conversations, réponses d'utilisateurs, rapports), agrandissez de préférence le corps du texte pertinent par rapport à la voix-off, plutôt que d'afficher l'ensemble de l'interface en miniature. Vérifiez d'abord les pixels réels, déterminez les limites du corps du texte, puis recadrez les barres latérales, barres d'outils et espaces non pertinents ; ne coupez pas les titres, sources, contexte ou mots-clés nécessaires à la compréhension du contenu.
  • Si le corps du texte est long, utilisez un défilement pour simuler une lecture de haut en bas : l'image se déplace vers le haut, révélant successivement le texte en dessous ; ne déplacez pas le texte vers le bas et ne décrivez pas une capture d'écran statique comme une véritable vidéo de manipulation enregistrée.
  • Faites une brève pause au début et à la fin pour permettre au spectateur de se repérer et de lire ; la durée de la pause, la distance et la vitesse de défilement sont organisées en fonction de la longueur du texte, des points d'information clés et de la durée de la voix-off actuelle, sans appliquer de secondes fixes. Si un intervalle court ne permet pas un affichage clair, réduisez la plage de défilement pour n'afficher que le contenu pertinent, ou proposez d'ajuster la durée ; ne faites pas défiler trop rapidement pour couvrir une page entière.
  • En principe, maintenez la chronologie de la voix-off, des sous-titres, de la musique et des rushes adjacents déjà confirmés, en utilisant des images clés de position modifiables ou des animations déterministes équivalentes. Pendant tout le mouvement, n'affichez pas de bords noirs et ne coupez pas le texte horizontal ; vérifiez si les sous-titres ne masquent pas le texte important.
  • Vérifiez l'entrée, le milieu du défilement, la fin et les points de coupe adjacents, et prévisualisez en continu la vitesse de défilement lorsque la lecture est possible. Si vous n'avez vérifié que des images clés espacées, expliquez-le honnêtement, ne confondez pas cela avec une validation auditive du mouvement. Synchronisez la composition réelle, la plage d'affichage et la durée dans le même tableau de matériel du document de script Obsidian.
  • Cette règle s'applique aux captures d'écran de texte ; ne recadrez pas et ne réemballez pas automatiquement les B-roll de captures d'écran vidéo déjà composés.

9. Animation MG

Cohérence de style au sein d'une même vidéo (par défaut, sans rappel de l'utilisateur) : Toutes les animations MG d'une même vidéo (y compris les pages d'invite, les surbrillances de posts, les titres, les tags et les barres de progression des chapitres) doivent utiliser le même style de conception déjà confirmé. Avant la production, vérifiez les MG existants de cette vidéo, maintenez la cohérence des couleurs, des polices, de la hiérarchie des graisses, du langage des coins arrondis, du trait et du rythme de l'animation ; pour les multi-propositions, ne comparez que les différences structurelles au sein d'un même système visuel. N'introduisez pas de style incohérent en réutilisant des modèles d'autres vidéos. Ne figez pas les couleurs spécifiques de cette vidéo comme couleurs par défaut pour d'autres vidéos. Lors de la transition vers la barre de progression des chapitres, transmettez ces contraintes visuelles à xb-video-timeline.

L'animation MG est une couche d'explication visuelle optionnelle, à placer après avoir déterminé l'A-roll, les sous-titres, la musique nécessaire et la direction du B-roll. Déterminez d'abord ce qu'elle doit aider le spectateur à comprendre en fonction du script et de l'image cible, puis définissez :

  • Contenu : Titre, tag, liste, comparaison, diagramme ou information plein écran ;
  • Temps : Avec quel rythme vocal ou point d'information se synchroniser ;
  • Forme : Superposition transparente ou plein écran opaque ;
  • Position : Éviter les visages, la bouche, les gestes clés, les sous-titres et les éléments existants.

Lors de la création d'une animation MG, utilisez le workflow Motion Graphics disponible dans l'environnement ChatCut actuel. Après le placement, vérifiez les images stables, ne considérez pas un manque temporaire dans l'animation de transition comme une erreur de conception. Le MG plein écran peut intentionnellement remplacer l'A-roll, mais cela doit être une décision de contenu explicite.

Processus de production MG : Lisez d'abord le dernier script et l'image cible, déterminez s'il faut utiliser un MG plein écran ou une superposition transparente ; utilisez le style de conception existant du projet, créez d'abord un brouillon statique HTML visualisable ; après confirmation du brouillon statique par l'utilisateur, générez l'animation, placez-la sur la timeline et vérifiez les images clés. N'entrez pas directement dans la production d'animation avant que l'orientation statique ne soit confirmée.

Examen de plusieurs propositions : Lorsque l'orientation visuelle n'est pas encore déterminée, fournissez d'abord 3 propositions statiques HTML avec des différences claires pour que l'utilisateur les examine ; lorsqu'une orientation est déjà confirmée, itérez uniquement autour de cette proposition, sans repartir vers d'autres directions.

Règle de composition : Le MG doit éviter la zone des sous-titres, des visages et des opérations clés ; lorsque les sous-titres sont en bas, le centre de gravité visuel du contenu principal du MG est globalement déplacé vers le haut d'environ 40 à 60 pixels, pour laisser un espace clair aux sous-titres.

Spécification de conversion MG en vidéo : À chaque fois qu'une animation MG est exportée ou "cuite" en vidéo, utilisez 1080p, 60 fps ; après l'exportation, remplacez directement le MG correspondant sur la piste B-roll de la timeline et effectuez une véritable vérification par images espacées après exportation.

Validation MG : Vérifiez les trois états : entrée, stable, sortie ; pour les MG de type chapitre, vérifiez également chaque bord de transition entre les chapitres. Lors de la validation, vérifiez en même temps l'évitement des sous-titres, l'intégrité de la couverture de fond, et si le MG conserve le bon rapport hauteur/largeur dans le cadre actuel, sans déformation par compression.

9.1 Barre de progression des chapitres

La barre de progression des chapitres n'est pas développée entièrement dans ce skill. Lorsqu'un axe temporel des chapitres en haut/en bas, une navigation par chapitre ou une indication de progression au fil de la lecture est nécessaire, déléguez au skill indépendant xb-video-timeline, pour éviter que xb-video-cut ne gère simultanément les cartes vidéo, la sémantique des chapitres et le visuel de la barre de progression, créant des règles redondantes et des incohérences amont-aval.

Avant la délégation, ce skill organise et confirme :

  • Les noms des chapitres, l'ordre et le texte final ;
  • Les positions réelles de début et de fin de chaque chapitre sur la timeline finale de l'A-roll ;
  • Le point de fin réel du contenu, sans utiliser la longueur totale de la timeline créée par la musique ou les sous-titres de fin ;
  • Le format de la vidéo finale, la position des sous-titres, les exigences d'évitement des visages et des opérations clés ;
  • Le Design Style déjà confirmé, la couleur principale et les styles de référence réutilisables.

Après la délégation, xb-video-timeline est responsable de la révision du style HTML, du visuel de progression, de la génération d'animation, du mappage temporel, du placement sur la timeline et de la validation des limites des chapitres. Ce skill ne génère pas de plans de barre de progression en double et ne copie pas leurs paramètres visuels et détails d'implémentation.

Si l'A-roll, les grands titres de chapitres ou les cartes vidéo changent ultérieurement, ce skill met à jour uniquement la liste du contenu et des limites des chapitres, et transmet le nouveau résultat à xb-video-timeline ; n'utilisez pas les anciennes positions d'images et ne maintenez pas deux ensembles de données de chapitres dans les deux skills.

9.2 Titres de chapitres : d'abord le titre, ensuite le B-roll

Lorsque les titres de chapitres sont activés, affichez d'abord par défaut le titre dans un espace vide de l'image de l'A-roll, puis, une fois que le titre a complètement disparu, passez au B-roll correspondant du chapitre. L'animation de sortie du titre doit également être terminée, pour éviter que le grand titre ne rivalise avec les captures d'écran du texte ou l'interface opérationnelle pour l'attention du spectateur.

  • Conservez la position, l'échelle et le recadrage du personnage original de l'A-roll ; le titre s'adapte à l'espace vide existant, ne déplacez pas le personnage pour le titre. Évitez les visages, les gestes clés, les sous-titres et les zones d'opération.
  • Lors de la planification du temps de début pour le B-roll suivant, vérifiez également les couches associées comme le fond, ne vous contentez pas de déplacer l'image plus tard tout en laissant un fond noir couvrir le personnage plus tôt. Conservez la chronologie de la voix-off confirmée, revérifiez la couverture des rushes et les points de coupe adjacents ; ne recadrez pas arbitrairement une véritable capture d'écran d'opération pour gagner du temps pour le titre.
  • Le texte du titre, le nombre de chapitres et les points de chute sont confirmés à partir de la session vocale officielle actuelle, n'utilisez pas le nombre de chapitres, les numéros ou les points temporels d'autres vidéos ; les transitions et effets sonores déjà confirmés ne sont pas automatiquement remplacés par l'ajout d'un titre.
  • Utilisez le processus de confirmation de brouillon statique précédent, superposez d'abord un titre représentatif sur l'image de la voix-off réelle pour vérifier, puis généralisez en masse. Ne créez des titres de début, des cartes de chapitre sur fond noir ou des navigations persistantes que si l'utilisateur en fait la demande explicite.

Style de titre réutilisable déjà confirmé : numéro jaune pâle / texte pixelisé blanc cassé

Utilisé lorsque l'utilisateur choisit cette direction de titre de chapitre pixelisé, ou lorsqu'un titre de chapitre est activé sans autre style de titre confirmé ; les styles de conception du projet existant et les exigences explicites de cette session priment, n'appliquez pas ce style à tous les MG.

ÉlémentSpécification de référence 1920×1080
PolicePolice pixelisée GuanZhi-8px ; le nom de famille local est GuanZhi 8px, fichier <répertoire de polices local>/GuanZhi-8px.ttf
Numéro de chapitreNuméro à deux chiffres, par ex. 01 ; environ 120px ; jaune pâle #F6DFA0
Titre chinoisEnviron 80px ; blanc cassé #F4EEE4
Description du chapitre en anglaisEnviron 26px ; blanc cassé #F4EEE4 ; correspond au chapitre, n'inventez pas de faits descriptifs, en cas de manque d'espace, omettez de préférence
Graisse et bordPoids normal, pas de gras artificiel ; pas d'ombre, de flou ou de contour, gardez les bords pixelisés nets
CompositionSuperposition transparente, le numéro, le chinois et l'anglais sont alignés à gauche ; privilégiez l'espace vide existant à côté du personnage, référence à environ 6% du bord gauche ; pas de décoration non pertinente ou de carte de fond par défaut
Ordre d'apparitionLe numéro apparaît en premier, puis le titre chinois, enfin l'anglais ; pas de curseur de ligne vertical après la révélation

Les tailles de police ci-dessus sont une référence de départ pour le paysage 1080, adaptez proportionnellement pour les autres formats ; si nécessaire, réduisez la taille ou passez à la ligne pour s'adapter à l'espace vide, sans déformer les glyphes. Ne vérifiez pas seulement un brouillon de conception indépendant ; validez la taille de police, l'espacement, la lisibilité et l'évitement sur l'image réelle de la voix-off. Si la police est manquante, signalez-le, ne la remplacez pas silencieusement ; confirmez que la police spécifiée est réellement rendue.

Cette sous-section enregistre la taille de police des titres, la palette de couleurs et l'absence d'ombre confirmées le 2026-11-07 ; en cas de différence avec les anciennes valeurs de titre de xb-video-style, utilisez les nouvelles spécifications de cette sous-section, sans modifier pour autant les autres couches vidéo, transitions ou styles de sous-titres.

10. Isolation vocale IA et raccords audio

Lorsque vous devez nettoyer ou isoler la voix, utilisez l'isolation vocale IA pour traiter la voix, en gardant l'image inchangée. Confirmez d'abord que l'utilisateur souhaite vraiment traiter l'audio, ne faites pas de l'isolation vocale IA une étape par défaut.

Après avoir terminé la structure de l'A-roll, la mise en place de la musique ou d'autres opérations modifiant la timeline, vérifiez les raccords de la voix-off. Après une suppression manuelle de segments par l'utilisateur, relisez la piste, refermez uniquement les blancs accidentels, puis exécutez smooth_audio. N'utilisez pas les fondus pour masquer une mauvaise sélection de version, un mauvais point de coupe ou un changement brusque de timbre.

11. Vérification finale et livraison

Avant l'exportation, vérifiez point par point selon les éléments de traitement activés :

  • Pas de blancs accidentels, d'images noires ou de répétitions de contenu ;
  • Raccords vocaux naturels, sémantique complète, pauses pas trop serrées ;
  • Sous-titres synchronisés avec la voix-off finale, vérification de la ponctuation de fin des sous-titres réussie ;
  • Musique de fond ne dépassant pas la fin du contenu, voix claire, ducking normal ;
  • B-roll et animation MG ne masquent pas le sujet, la bouche, les gestes, les sous-titres, le logo ou les mots-clés ;
  • Transitions et effets sonores associés synchrones et ne couvrant pas la voix-off ;
  • smooth_audio a été revérifié après le dernier changement structurel ;
  • Le cadre, la résolution, la fréquence d'images et les spécifications d'exportation sont conformes aux objectifs du projet.

11.1 Avant l'exportation : Archivage et réassociation des rushes générés

Avant l'exportation de la vidéo finale, ajoutez une étape pour archiver tous les rushes générés pendant la production de cette vidéo dans le dossier correspondant sous le répertoire racine d'archivage des rushes spécifié par l'utilisateur, et faites en sorte que le projet référence désormais les fichiers archivés :

  1. Déterminez le dossier : Utilisez le <répertoire racine d'archivage des rushes>/<dossier vidéo>/ où se trouve le rush vocal source de cette vidéo (par exemple Vidéo exemple/). Si l'identification n'est pas unique, demandez uniquement le dossier cible, n'en créez pas un autre.
  2. Périmètre de l'archivage : Images générées par IA, images clés et vidéos, calques de détourage et arrière-plans reconstitués, doublage, musique et effets sonores générés, MG convertis en vidéo, etc. Créez des sous-dossiers par plan ou utilisation (par ex. Scène S004 dessin animé/images fixes, Calques S004 dessin animé/détourage), nommez les fichiers avec des noms lisibles dans la bibliothèque de matériel, ne conservez pas les noms de fichiers de type hash. Les rushes originaux téléchargés par l'utilisateur et les captures d'écran temporaires de vérification ne sont pas concernés.
  3. Copiez, ne déplacez pas : Copiez depuis le cache de l'outil, le répertoire de travail du projet et autres emplacements d'origine, ne supprimez pas les fichiers originaux.
  4. Réassociez : Réassociez un par un les chemins de fichiers dans la bibliothèque de matériel...

Skills associés