Communitygithub.com

video-to-shorts

Transformez une longue vidéo parlée en Shorts. Détecte les phrases les plus fortes, commence le clip sur elles, coupe uniquement sur des phrases entières, recadre en vertical 1080×1920, ajoute des sous-titres, et vérifie le résultat du début à la fin, en utilisant des outils gratuits (faster-whisper et ffmpeg). À utiliser quand l'utilisateur souhaite des YouTube Shorts, Reels ou TikToks à partir d'un entretien, d'un talk, d'un webinaire ou de toute longue vidéo parlée, ou dit « fais des Shorts », « découpe ça en clips » ou « transforme ma vidéo en Shorts ».

Qu'est-ce que video-to-shorts ?

Cette compétence (skill) transforme une longue vidéo de type conférence, entretien ou webinaire en clips verticaux (Shorts, Reels, TikToks) de 20 à 60 secondes. Elle se distingue par sa capacité à trouver la ou les deux phrases les plus impactantes (le « hook ») et à commencer le clip sur elles, même si elles apparaissent tard dans la vidéo. Elle ne coupe jamais en milieu de phrase, et recadre la vidéo en 1080×1920 tout en brûlant des sous-titres. Elle s’appuie uniquement sur deux outils gratuits : faster-whisper (transcription mot par mot avec timestamps) et ffmpeg (découpage, recadrage, sous-titres, normalisation audio). Le processus en 7 étapes guide l’utilisateur de l’installation à la vérification finale (silence au début, sous-titres synchronisés, aucun mot coupé) et rappelle les règles éthiques (ne pas faire dire à l’orateur ce qu’il n’a pas dit, signaler les erreurs).

Compatible avec~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/coding-island-js/keepaisharp-skills/tree/main/skills/video-to-shorts

Demander à votre IA préférée

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

Documentation

Transformez ma longue vidéo en Shorts

Vous avez une longue vidéo de quelqu'un qui parle. Cette compétence la découpe en clips verticaux de 20 à 60 secondes qui commencent sur la meilleure phrase, ne s'arrêtent jamais au milieu d'une phrase et comportent des sous-titres. Elle utilise deux outils gratuits : faster-whisper (transforme la parole en texte avec un timestamp pour chaque mot) et ffmpeg (découpe, recadre et ajoute les sous-titres). Chaque commande ci-dessous est un exemple. Adaptez les noms de fichiers, les durées et les tailles à la vidéo.

Étape 1. Obtenir une transcription avec un timestamp pour chaque mot

Installez une fois : pip install faster-whisper et installez ffmpeg depuis ffmpeg.org.

Exemple (Python) :

from faster_whisper import WhisperModel
model = WhisperModel("large-v3", device="auto")   # utilisez "small" sur un ordinateur portable sans GPU
segments, _ = model.transcribe("talk.mp4", word_timestamps=True, condition_on_previous_text=False,
                              initial_prompt="Hello. Welcome, everyone.")
with open("words.txt", "w", encoding="utf-8") as f:
    for seg in segments:
        f.write(f"[{seg.start:.2f}-{seg.end:.2f}] {seg.text.strip()}\n")
        f.write("    " + " ".join(f"{w.word.strip()}@{w.start:.2f}" for w in seg.words) + "\n")

Chaque ligne de words.txt est un segment de parole avec son heure de début et de fin. En dessous se trouve chaque mot avec la seconde à laquelle il commence ([email protected]). Coupez sur les timestamps des mots : un segment se termine souvent au milieu d'une phrase.

condition_on_previous_text=False empêche le modèle de répéter sans cesse la même ligne sur les fichiers longs. Sur certains fichiers, cela fait aussi perdre à large-v3 toute ponctuation et majuscule. Le court initial_prompt, écrit avec une ponctuation normale, les rétablit, et vous avez besoin des points pour voir où les phrases se terminent.

Étape 2. Choisir le clip, accroche en premier

Lisez la transcription. Trouvez un segment qui contient un point, un exemple et une conclusion. Ensuite :

  1. L'accroche. La ou les deux phrases les plus fortes, celles qui ont du sens sans préparation (« La plupart des gens facturent leur travail à l'heure, et c'est pour ça qu'ils restent pauvres. »). Le Short commence sur ces mots, même s'ils arrivent tard dans le segment. La première seconde du Short est de la parole, pas du silence ou un logo.
  2. Le milieu. L'exemple ou l'histoire qui soutient l'accroche.
  3. La fin. La conclusion ou le conseil. Si le clip n'en a pas, prenez la phrase de réponse ailleurs dans la même vidéo.

Notez le clip sous forme de liste d'heures de début et de fin. Chaque morceau commence au premier mot d'une phrase et se termine après le dernier mot d'une phrase. Déplacer des phrases entières est acceptable. Ne jamais assembler la moitié d'une phrase avec une autre pour faire dire à l'orateur quelque chose qu'il n'a pas dit. Durée totale : 20 à 60 secondes.

Étape 3. Découper les morceaux et les assembler

Laissez environ 0,1 seconde avant le premier mot et 0,2 seconde après le dernier, afin qu'aucun mot ne soit coupé.

Exemple (une commande par morceau ; -t est la durée en secondes) :

ffmpeg -ss 312.30 -i talk.mp4 -t 7.40 -c:v libx264 -crf 18 -c:a aac -ar 48000 piece1.mp4
ffmpeg -ss 95.10 -i talk.mp4 -t 21.60 -c:v libx264 -crf 18 -c:a aac -ar 48000 piece2.mp4
printf "file 'piece1.mp4'\nfile 'piece2.mp4'\n" > list.txt
ffmpeg -f concat -safe 0 -i list.txt -c copy joined.mp4

Étape 4. Rendre la vidéo verticale, 1080×1920

Pour une vidéo 1920×1080, découpez une fenêtre de 608×1080 autour de l'orateur et mettez-la à l'échelle. Le dernier nombre dans crop correspond à la distance par rapport au bord gauche de la fenêtre. Trouvez la position de l'orateur dans une image fixe et réglez-la pour que le visage se trouve au milieu.

Exemple (fenêtre centrée) :

ffmpeg -i joined.mp4 -vf "crop=608:1080:656:0,scale=1080:1920" -c:v libx264 -crf 18 -c:a copy vertical.mp4

Étape 5. Ajouter les sous-titres

Transcrivez à nouveau le clip assemblé (Étape 1, sur vertical.mp4) pour que les timestamps des sous-titres correspondent au nouveau clip. Écrivez des sous-titres courts, trois à cinq mots chacun, dans un fichier .srt :

segments, _ = model.transcribe("vertical.mp4", word_timestamps=True, condition_on_previous_text=False,
                              initial_prompt="Hello. Welcome, everyone.")
words = [w for s in segments for w in s.words]
t = lambda x: f"{int(x//3600):02}:{int(x%3600//60):02}:{int(x%60):02},{int(x*1000%1000):03}"
chunks, chunk = [], []
for w in words:                      # jusqu'à 4 mots, et un nouveau sous-titre après chaque point
    chunk.append(w)
    if len(chunk) == 4 or w.word.strip().endswith((".", "?", "!")):
        chunks.append(chunk)
        chunk = []
if chunk:
    chunks.append(chunk)
with open("captions.srt", "w", encoding="utf-8") as f:
    for n, c in enumerate(chunks, 1):
        text = "".join(w.word for w in c).strip()
        f.write(f"{n}\n{t(c[0].start)} --> {t(c[-1].end)}\n{text}\n\n")

Corrigez manuellement les noms ou mots mal transcrits dans captions.srt. Ensuite, gravez les sous-titres et réglez le volume au niveau attendu par les applications (environ -14 LUFS) :

ffmpeg -i vertical.mp4 -vf "subtitles=captions.srt:force_style='FontSize=16,Bold=1,Outline=2,Alignment=2,MarginV=70'" -af "loudnorm=I=-14:TP=-1.5" -c:v libx264 -crf 18 -c:a aac short.mp4

Exécutez cette commande depuis le dossier qui contient captions.srt et utilisez le nom de fichier simple. Sur Windows, un chemin complet tel que C:\clips\captions.srt casse le filtre subtitles, car ffmpeg lit le deux-points comme le début d'une option.

Gardez les sous-titres en bas au milieu, hors du visage et des boutons de l'application sur le bord droit.

Étape 6. Vérifier, du début à la fin

Regardez le Short une fois en entier, avec le son, comme le ferait un spectateur. Ensuite, vérifiez chaque point :

  • La première seconde est de la parole. Exemple : ffmpeg -i short.mp4 -t 2 -af silencedetect=noise=-35dB:d=0.3 -f null - ne doit signaler aucun silence à partir de 0.
  • Aucun mot n'est coupé au début ou à la fin d'un morceau.
  • Les sous-titres correspondent à l'audio, mot pour mot, et aucun sous-titre ne chevauche le visage.
  • Rien d'important n'est recadré : le visage, une main pointant quelque chose, du texte sur un diapo.
  • La durée est entre 20 et 60 secondes. Exemple : ffprobe -v error -show_entries format=duration -of csv=p=0 short.mp4
  • Une planche contact pour voir le cadrage en un coup d'œil. Exemple : ffmpeg -i short.mp4 -vf "fps=1/5,scale=270:-1,tile=4x2" -frames:v 1 sheet.png

Si quelque chose échoue, corrigez cette étape et recommencez.

Étape 7. Choisir le titre et la vignette avant de publier

  • Titre : l'accroche en quelques mots, comme un spectateur la rechercherait. Moins de 60 caractères.
  • Vignette : une image où le visage de l'orateur est net et la bouche fermée, plus l'accroche en gros texte. Vérifiez aussi son rendu recadré en carré et en 3:4, car certaines applications l'affichent ainsi dans la grille du profil.
  • Montrez à l'utilisateur le Short, le titre et la vignette. Ne publiez jamais rien sans l'accord de l'utilisateur.

Règles

  • Ne faites jamais dire à l'orateur ce qu'il n'a pas dit. Réorganisez uniquement des phrases entières.
  • Si l'orateur dit quelque chose de faux, conservez-le tel quel et informez l'utilisateur. Ne corrigez pas silencieusement dans les sous-titres.
  • Si l'orateur qualifie un exemple d'inventé, le Short conserve cette mention, ou ajoute « Exemple fictif » à l'écran.

Exemple

L'utilisateur partage webinar.mp4, un talk de 50 minutes par une comptable nommée Jo Park. (Jo et les lignes ci-dessous sont inventées.)

À 18:42, Jo dit : « La plupart des petites entreprises découvrent qu'elles manquent d'argent via leur banque, pas via leurs livres comptables. » C'est l'accroche. De 17:55 à 18:20, elle raconte l'histoire d'une boulangerie qui a raté sa paie. À 19:05, elle donne la solution : « Vérifiez un seul nombre chaque lundi : l'argent en banque moins les factures dues dans les 30 prochains jours. »

L'agent découpe trois morceaux dans cet ordre : accroche 18:42 (6 s), histoire 17:55 (25 s), solution 19:05 (9 s). Soit 40 secondes. Il recadre Jo au milieu d'une image 1080×1920, ajoute des sous-titres et vérifie chaque point de l'Étape 6. Titre : « Votre banque sait que vous êtes fauché avant vous. » Vignette : Jo regardant la caméra, avec les mots « Vérifiez ce chiffre chaque lundi ».

Skills associés