redirhan/kisa-video-kurallari

Kit de règles pour vidéos courtes

Ce fichier prend les décisions une fois, avec leur justification. Au lieu de repenser les règles pour chaque vidéo, lis-le et mets-le à jour avec les commentaires des utilisateurs. Les chiffres proviennent de mesures effectuées sur 52 vidéos virales courtes publiées au cours des 12 derniers mois (turc et anglais, principalement en talking head) et de 12 tutoriels de montage. Une règle marquée "mesurée" est une règle issue de mesures ; celles marquées "des tutoriels" sont des affirmations partagées par au moins 3 formateurs.

Le réalisateur créatif est l'utilisateur. Avant de commencer le montage, propose la stratégie en termes simples (quels plans, hook, accents, style) et attends son approbation. Ta propre note "fini" ne signifie pas que c'est terminé ; demande la note de l'utilisateur.

Flux de travail (talking head)

1. Lis le matériau : extrais une transcription horodatée (ex. whisper.cpp -ojf ou WhisperX). Prépare une vue texte compressée montrant les phrases et les pauses.
2. Ne regarde que là où la décision est difficile : les prises multiples, une longue pause, un point de coupe. Au lieu de regarder la vidéo du début à la fin, examine quelques images et les horodatages de cet intervalle.
3. Écris un brief : quels plans, quelles lignes percutantes, quels mots accentués. Le reste est un travail mécanique.
4. Monte : avec ton propre outil (NLE, ffmpeg, Remotion, HyperFrames, CapCut…). N'écris jamais sur les fichiers sources ; place les sorties dans un dossier séparé.
5. Mesure et corrige : compare le rendu avec des références du même type (fréquence des coupes, hauteur des sous-titres, niveau sonore). Corrige d'abord la différence la plus coûteuse, en 3 passes maximum ; ensuite, indique clairement ce qui reste.

Choix des plans (travail du réalisateur ; le code ne fait que concrétiser)

• Choisis à partir de la transcription, pas en avançant/reculant la vidéo. Le meilleur plan pour chaque phrase = celui qui est fluide, le plus souvent le suivant. Supprime "euh", les faux départs et les mots répétés.
• Les coupes tombent exactement sur les mots : ~0,12 s avant le premier mot, ~0,25 s après le dernier mot ; n'empiète jamais sur un mot voisin. Deux parties coupées de la même séquence se rejoignent au milieu de l'espace.
• Marque la ligne qui énonce le point principal comme percutante (cadrage le plus serré, battement sonore si présent).
• La durée est déterminée par le matériau : les références talking head vont de 20 à 150 s, médiane 67 s (mesurée).

Hook (3 premières secondes)

• La parole et les sous-titres commencent dès la première image ; pas de plan d'ouverture silencieux. Première coupe ~1–3 s.
• Dans les extraits d'interviews, une boîte de question/titre fixe fonctionne bien les premières secondes. Qu'elle disparaisse avant que quelque chose d'autre n'arrive.
• Mesuré : l'outil de hook le plus courant est ce titre. Il est présent dans 6 des 14 talking heads (boîte rouge avec lettres blanches majuscules ou texte en forme de phrase, pilule blanche, ou titre en pleine vidéo pendant 6–12 s).
• Mesuré : dans les vidéos turques, la médiane de la première coupe est de 3,6 s, pas de coupe dans le hook. Le hook turc n'est pas porté par une coupe, mais par le titre.
• Des tutoriels : dans les 3 premières secondes, le spectateur reçoit simultanément un mouvement (une poussée, un élément qui se met en place, une action physique), du son et la phrase d'accroche à l'écran. La phrase d'accroche interpelle le spectateur ou donne une affirmation/chiffre concret et en suggère le résultat. Après le hook, le tempo reste constant ; il ne doit pas y avoir de partie où le montage s'éclaircit soudainement.

Sous-titres et accentuation

• 1–3 mots par cellule. Coupe à la ponctuation et aux pauses ≥ 0,3 s ; ne traverse jamais une coupe. Pas de cellule plus courte que 0,35 s (elle engloberait le mot suivant). En cas de silence ≤ 0,25 s, que le texte reste à l'écran (pas de scintillement).
• Les sous-titres sont une transcription : n'écris jamais ce qui n'est pas dit. Ne corrige que les erreurs de reconnaissance.
• L'accentuation est choisie selon le SENS (chiffre, gain, nom), pas selon un rythme. Pas un mot unique, mais l'expression entière. Plafond : environ 1 accentuation toutes les 6–8 secondes.
• Mesuré : les bons créateurs recolorient le mot-clé À L'INTÉRIEUR du sous-titre courant, de la même taille (jaune / vert). Seuls les montants d'argent sont agrandis, environ 1,2–1,4 fois. Une cellule d'accentuation séparée et 1,5 fois plus grande reste plus grande que toutes les références : à utiliser rarement, réservez-la aux chiffres.
• Apparence : police sans-serif grasse et simple ; texte blanc, contour noir + ombre douce, coupe franche. Accentuation : plus grasse, jaune chaud, un seul "pop" qui rebondit. Pas de glow coloré.
• Polices sous licence libre (OFL) : Montserrat, Inter, Poppins, Figtree, etc.
• Hauteur (depuis le haut du cadre, 0 = haut, 1 = bas) : centre du visage + 0,26, compressée entre 0,45 et 0,70. Mesuré : Hormozi 0,50 ; créateurs turcs ~0,67, talking heads anglais 0,56, vidéos de narration B-roll 0,72–0,78.
• Le style des sous-titres s'adapte au style de la vidéo. Experts calmes : disposition en phrase, 2 lignes de 4–6 mots, ombre douce ou pilule blanche. Haute énergie : 1–4 mots gras. Vidéos de narration : plus petits, police étroite, plus bas dans le cadre. Dans les références, la hauteur de ligne est de 0,023–0,04 du cadre.
• Des tutoriels : maximum 3 mots, partie inférieure centrale du cadre (yeux dans le tiers supérieur), pas de son sur chaque sous-titre, pas de mots de remplissage. Colore les mots-clés selon le sens (nombreux monteurs : vert = positif, rouge = négatif, jaune = autre).

Cadrage

• Recadrage lors de la coupe est un CHOIX de STYLE, pas une règle. Mesuré : dans 8 talking heads turcs et dans les vidéos d'experts calmes à une caméra, 0 % des coupes sont recadrées ; dans les montages anglais/à haute énergie, 71–75 % (Hormozi 0,90).
• Kit haute énergie : chaque coupe s'accompagne d'un changement de cadre visible : alternance large 1,0 / serré 1,28, ligne percutante 1,38. Un changement de 1,1 n'est pas perceptible. Centre du zoom = visage. Sur les 4–5 plans les plus longs, un zoom avant lent (×1,08).
• Kit expert calme : cadre fixe, jump cut sans recadrage (ou coupe large/serrée avec deux caméras), au maximum un zoom avant lent sur les longs plans (×1,03–1,05).
• Texte derrière le locuteur (avec masque de personne / segmentation) : 1–2 fois par vidéo, uniquement pour un mot d'accentuation grand entrant dans l'espace vide du mur. Garde les fenêtres de masque courtes (≤ 12 s).
• Des tutoriels : rien n'apparaît brusquement. Chaque élément entre avec un mouvement : entrée rapide / sortie lente, petite ascension + apparition + flou à net. Une photo ou une capture d'écran s'intègre au cadre. Sur les plans fixes, un zoom avant lent de 3–10 %.
• Des tutoriels (suivi du regard) : tout au long de la coupe, le point focal (visage, la carte la plus récente, mot-clé) reste à ~10 % de son emplacement précédent, surtout dans le hook. Ne casse cette règle qu'intentionnellement.

Son

• D'abord le son (parole). Les effets ne sont liés qu'à quelque chose de visible (une coupe, une accentuation qui se met en place).
• L'effet sur la coupe dépend du style. Mesuré (par séparation de stems) : 8 des 14 bons talking heads ne mettent AUCUN effet sur les coupes (Hormozi : 12 %, niveau de chance 21 %). Les vidéos B-roll et de narration sans visage mettent des whoosh / battements sur 20–80 % des changements visuels (bien au-dessus du niveau de chance). Les créateurs à haute énergie lient le son aux événements graphiques, pas aux coupes (compteur, élément qui se met en ordre). Note : les montées soudaines dans le son mixte se produisent déjà ~4 fois par seconde dans la parole ; pour compter les effets, mesure le stem séparé, pas le son mixte.
• Son de percussion sur l'accentuation uniquement dans le kit haute énergie.
• Niveaux, par rapport au pic p95 de la parole : interface/pop −14 dB, whoosh −12 dB, percussion −8 dB, son mème −3 dB. Les sons montants calent leur pic sur la coupe, les battements calent leur début sur la coupe. Maximum 4,5 effets en 10 secondes, espacés d'au moins 0,25 s.
• Le son mème ne chevauche jamais un mot.
• Livraison : −14 LUFS, true peak ≤ −1 dBTP (mesure, ne devine pas).
• Musique. Mesuré : 7 des 14 bons talking heads n'ont PAS de fond musical. Quand il y en a, la musique est environ 16 LU en dessous de la parole (médiane, intégrée) ; les fonds à haute énergie sont plus chauds (10–12 LU en dessous), les vidéos de narration 16–22 LU en dessous. Propose la version sans musique comme une option réelle, pas comme un plan B.
• Des tutoriels : pour un grand mouvement (zoom, glissement, whip, changement de scène), le PIC de l'effet tombe au pic du mouvement. Les sons légers de clic / d'interface vont sur les pop de texte et d'icônes. Un riser uniquement si une véritable ouverture arrive (introduction à la conclusion), un battement juste après la ligne-clé. Utilisé rarement, il garde son sens. La musique a un rôle : elle reste 15–25 dB sous la parole, monte au point de bascule (problème → solution), et baisse pour annoncer la fin.

Fins et transitions (retour du terrain)

• Finir pendant que le locuteur continue ("c'est pourquoi", "parce que", mot suivant < 0,7 s après) : prolonge jusqu'à la fin de la pensée. Le dernier élément s'estompe en 0,6 s avec image + son.
• Son de transition : whoosh doux, basse fréquence, pas d'attaque brusque, −18 dB par rapport à la parole.
• Coupe les longs plans en fragments jump-zoom dans les blancs de mots (≤ 4,2 s, ≤ 2,6 s dans le hook) ; ne coupe jamais à l'intérieur d'une expression accentuée. Pas de whoosh sur ces coupes.
• Des tutoriels : grandes transitions uniquement pour les grands moments (changement de chapitre ou de lieu). Partout ailleurs, coupe franche + son J/L.

Intensité

• Le montage soutient le contenu, ne devient pas la star. Une conversation calme ou personnelle reçoit moins de coupes et d'effets ; ne coupe pas pour couper. Un plan intéressant peut rester long.
• La fréquence des coupes est spécifique au genre : les vidéos courtes à plan unique avec graphiques intenses (MrBeast, Zach King) gagnent presque sans coupes. Compare uniquement avec le même genre.
• Les agents IA coupent moins et affirment trop : dis clairement ce qui n'est pas vérifié.

Interdictions

• Coupe à l'intérieur d'un mot ; sous-titre chevauchant un visage ou un sujet ; sous-titre traversant une coupe.
• Whoosh sur chaque coupe ; effet plus fort que la parole (sauf son mème délibéré).
• Texte de placeholder resté dans un modèle ("Entrez votre texte ici") : toujours le remplir et relire.
• Glow coloré sur le texte ; texte encore à l'écran quand la scène suivante arrive.
• Mettre l'image ou le son d'une référence dans le montage (les références sont uniquement pour la mesure).

Kits de style (résumé)

Kit	Cadre sur la coupe	Effet sur la coupe	Sous-titres	Musique
Expert calme	non (ou deux caméras)	non	disposition en phrase, 2 lignes, 4–6 mots	non ou ~16 LU en dessous
Haute énergie	1,0 / 1,28 sur chaque coupe, percutant 1,38	lié aux événements graphiques, percussion sur accentuation	1–4 mots gras, chiffres agrandis	10–12 LU en dessous
Narration B-roll	—	20–80 % des changements visuels	petits, étroits, en bas (0,72–0,78)	16–22 LU en dessous
Talking head turc	non	non	hauteur ~0,67, titre boîte hook	souvent non

---

Fichier de règles maintenu et mis à jour par l'agent utilisateur.