Communitygithub.com

NeverSight/learn-skills.dev

Guide complet pour la production de vidéos explicatives : écriture de script, voix-off, visuels et montage. Couvre les formules de script, les règles de rythme, la planification des scènes et les pipelines multi-outils.

Qu'est-ce que learn-skills.dev ?

Ce skill est un guide complet dédié à la création de vidéos explicatives, du script au montage final, en utilisant l'interface en ligne de commande `belt` de inference.sh. Il est conçu pour les développeurs et les créateurs de contenu souhaitant produire des démos produits, des vidéos de démonstration, des tutoriels d'intégration et des vidéos explicatives pour les réseaux sociaux. Le guide détaille plusieurs formules de script éprouvées (Problem-Agitate-Solve, Before-After-Bridge, Feature Spotlight) avec des durées et des décomptes de mots précis, ainsi que des règles de rythme pour la narration (120-170 mots par minute selon le type de contenu). Il propose des commandes CLI concrètes pour générer des scènes visuelles via des modèles comme Google Veo ou ByteDance Seedance, produire des voix-off avec Dia TTS, et assembler le tout via un pipeline de montage audio/vidéo. Le skill couvre également les aspects audio (musique de fond, volume) et les bonnes pratiques pour éviter les erreurs courantes (script trop long, absence d'accroche, musique trop forte).

Compatible avec~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/NeverSight/learn-skills.dev/tree/HEAD/data/skills-md/101-skills/skills/explainer-video-guide

Demander à votre IA préférée

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

Documentation

Installer le skill CLI belt : npx skills add belt-sh/cli

Guide de la Vidéo Explicative

Créez des vidéos explicatives, du script au montage final, via la CLI inference.sh.

Démarrage Rapide

Nécessite la CLI inference.sh (belt). Instructions d'installation

belt login

# Générer une scène pour une vidéo explicative
belt app run google/veo-3-1-fast --input '{
  "prompt": "Animation style motion design épurée, flux de données abstrait entre nœuds connectés, palette bleue et blanche, esthétique professionnelle et corporate, transitions fluides"
}'

Formules de Script

Problème-Agitation-Solution (PAS) — 60 secondes

SectionDuréeContenuNombre de mots
Problème10sÉnoncez le point douloureux du spectateur~25 mots
Agitation10sMontrez pourquoi c'est pire que ce qu'il pense~25 mots
Solution15sPrésentez votre produit/idée~35 mots
Fonctionnement20sMontrez 3 étapes ou fonctionnalités clés~50 mots
CTA5sUne action claire à réaliser~12 mots

Avant-Après-Pont (BAB) — 90 secondes

SectionDuréeContenu
Avant15sMontrez l'état frustrant actuel
Après15sMontrez le résultat idéal
Pont40sExpliquez comment votre produit y parvient
Preuve sociale10sStatistique rapide ou témoignage
CTA10sProchaine étape claire

Focus sur une Fonctionnalité — 30 secondes (réseaux sociaux)

SectionDuréeContenu
Accroche3sFait surprenant ou question
Fonctionnalité15sMontrez une fonctionnalité résolvant un problème
Résultat7sL'issue/l'avantage
CTA5sEssayez / En savoir plus

Règles de Rythme

Type de contenuMots par minuteNotes
Narration standard150 mpmRythme de conversation
Technique/complexe120 mpmLaissez le temps de comprendre
Énergique/réseaux sociaux170 mpmPlus rapide pour le format court
Contenu pour enfants100 mpmClaire et lente

Règle clé : 1 scène par message clé. Ne mettez pas plusieurs idées dans un seul visuel.

Durées Recommandées par Scène

  • Plan d'ensemble : 3-5 secondes
  • Démonstration de fonctionnalité : 5-8 secondes
  • Texte/statistique à l'écran : 3-4 secondes (doit être lisible)
  • Transition : 0,5-1 seconde
  • Écran CTA : 3-5 secondes

Production Visuelle

Types de Scènes

# Produit en contexte
belt app run google/veo-3-1-fast --input '{
  "prompt": "Vidéo de démonstration produit propre, mains tapant sur un ordinateur portable montrant une interface de tableau de bord, bureau moderne lumineux, lumière naturelle douce, professionnel"
}'

# Visualisation de concept abstrait
belt app run bytedance/seedance-2-0 --input '{
  "prompt": "Motion design abstrait, flux de données colorés reliant des formes géométriques flottantes, animation fluide, fond sombre avec éléments lumineux, esthétique tech",
  "generate_audio": true
}'

# Plan mode de vie/résultat
belt app run google/veo-3-1-fast --input '{
  "prompt": "Personne heureuse se relaxant sur un canapé avec un ordinateur portable, souriant à l'écran, salon lumineux et aéré, lumière chaude d'après-midi, client satisfait, style publicitaire lifestyle"
}'

# Comparaison avant/après
belt app run falai/flux-dev-lora --input '{
  "prompt": "Comparaison écran partagé, à gauche bureau encombré avec papiers et stress, à droite espace de travail propre et minimaliste organisé, différence spectaculaire, design épuré"
}'

Image vers Vidéo pour les Scènes

# Générer d'abord une image fixe
belt app run falai/flux-dev-lora --input '{
  "prompt": "Espace de travail professionnel avec interface holographique lumineuse, futuriste mais épuré, éclairage bleu accentué"
}'

# L'animer
belt app run falai/wan-2-5-i2v --input '{
  "prompt": "Douce avancée de caméra, éléments holographiques flottant et tournant subtilement, légers changements de lumière ambiante",
  "image": "path/to/workspace-still.png"
}'

Production de la Voix-off

Conseils d'Écriture de Script

  • Phrases courtes. Maximum 15 mots par phrase.
  • Voix active. "Vous pouvez suivre vos données" pas "Vos données peuvent être suivies."
  • Ton conversationnel. Lisez à voix haute — si ça sonne raide, réécrivez.
  • Une idée par phrase. Une phrase par battement visuel.

Générer la Voix-off

# Narration professionnelle avec Dia TTS
belt app run falai/dia-tts --input '{
  "prompt": "[S1] Fatigué de passer des heures sur des rapports que personne ne lit ? Il existe une meilleure solution. Découvrez DataFlow. Il transforme vos données brutes en histoires visuelles... en quelques secondes. Connectez votre source, choisissez un modèle, et partagez. Essayez DataFlow gratuitement dès aujourd'hui."
}'

Contrôle du Rythme dans la Synthèse Vocale

TechniqueEffetExemple
Point .Pause moyenne"Ceci change tout. Voici comment."
Points de suspension ...Longue pause (dramatique)"Et le résultat... était incroyable."
Virgule ,Courte pause"Rapide, simple, puissant."
Point d'exclamation !Emphase/énergie"Commencez à construire dès aujourd'hui !"
Point d'interrogation ?Intonation montante"Et s'il y avait une meilleure façon ?"

Musique et Audio

Recommandations pour la Musique de Fond

  • Volume : 20-30% sous la narration (duck de 6-12 dB quand la voix joue)
  • Style : adapté au ton de la marque (corporate = électronique ambiant, startup = indie entraînant)
  • Structure : crescendo d'intro (3 premières secondes) -> boucle subtile sous la narration -> crescendo au CTA
  • Pas de voix : instrumental uniquement sous la narration
# Générer une musique de fond
belt app run <music-gen-app> --input '{
  "prompt": "musique de fond corporate entraînante, électronique moderne, 90 BPM, positif et professionnel, sans voix, adapté à une vidéo explicative produit"
}'

Pipeline de Montage

Workflow de Production Complet

# 1. Générer la voix-off
belt app run falai/dia-tts --input '{
  "prompt": "[S1] Votre script ici..."
}'

# 2. Générer les visuels des scènes (en parallèle)
belt app run google/veo-3-1-fast --input '{"prompt": "description scène 1"}' --no-wait
belt app run google/veo-3-1-fast --input '{"prompt": "description scène 2"}' --no-wait
belt app run google/veo-3-1-fast --input '{"prompt": "description scène 3"}' --no-wait

# 3. Fusionner les scènes en séquence
belt app run infsh/media-merger --input '{
  "media": ["scene1.mp4", "scene2.mp4", "scene3.mp4"]
}'

# 4. Ajouter la voix-off à la vidéo
belt app run infsh/video-audio-merger --input '{
  "video": "merged-scenes.mp4",
  "audio": "voiceover.mp3"
}'

# 5. Ajouter les sous-titres
belt app run infsh/caption-videos --input '{
  "video": "final-with-audio.mp4",
  "caption_file": "captions.srt"
}'

Durée Vidéo par Format

FormatDuréePlateforme
Teasing réseaux sociaux15-30sTikTok, Instagram Reels, YouTube Shorts
Démo produit60-90sSite web, page d'accueil
Explication de fonctionnalité90-120sYouTube, email
Tutoriel/guide pas à pas2-5minYouTube, centre d'aide
Vidéo pitch investisseur2-3minComplément de deck

Types de Transitions

TransitionQuand l'utiliserEffet
CoupePar défaut entre scènes liéesPropre, professionnel
Fondu enchaînéPassage du temps, changement d'ambianceDoux, contemplatif
BalayageNouveau sujet ou sectionSéparation claire
Zoom/PousséeZoom sur un détailAttirer l'attention
Cut adaptéSimilarité visuelle entre scènesIntelligent, mémorable

Erreurs Courantes

ErreurProblèmeCorrection
Script trop verbeuxVoix-off précipitée, spectateur submergéRéduisez à 150 mpm maximum
Pas d'accroche dans les 3 premières secondesLes spectateurs partent immédiatementCommencez par le problème ou une statistique surprenante
Visuels en retard sur la narrationDéconnexion confuseLes visuels doivent correspondre ou légèrement précéder les mots
Musique de fond trop forteNarration inaudibleDuck la musique de 6-12 dB sous la voix
Pas de sous-titres85% des vidéos sociales sont regardées en silenceAjoutez toujours des sous-titres
Trop d'idéesLe spectateur ne retient rienUn message central par vidéo

Compétences Associées

npx skills add inference-sh/skills@ai-video-generation
npx skills add inference-sh/skills@video-prompting-guide
npx skills add inference-sh/skills@text-to-speech
npx skills add inference-sh/skills@prompt-engineering

Parcourir toutes les applications : belt app store

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

NeverSight/learn-skills.dev

Use when generating or modifying Remotion video code, creating demo videos, or working with the demo-video/ directory

NeverSight/learn-skills.dev

Create AI avatar and talking head videos via inference.sh CLI. Recommended: P-Video-Avatar (fastest, cheapest, built-in TTS). Also: OmniHuman, Fabric, PixVerse. Audio: Inworld TTS-2 (100+ languages, emotion steering for characters), ElevenLabs, Kokoro. Capabilities: audio-driven avatars, text-to-avatar, lipsync videos, talking head generation, virtual presenters, UGC content. Use for: AI presenters, explainer videos, virtual influencers, dubbing, marketing videos, UGC ads, gaming avatars, NPC dialogue. Triggers: ai avatar, talking head, lipsync, avatar video, virtual presenter, ai spokesperson, audio driven video, heygen alternative, synthesia alternative, talking avatar, lip sync, video avatar, ai presenter, digital human, ugc, ugc video, ugc ad, avatar ugc

NeverSight/learn-skills.dev

Create AI marketing videos for ads, promos, product launches, and brand content. Models: Veo, Seedance, Wan, FLUX for visuals, Kokoro for voiceover. Types: product demos, testimonials, explainers, social ads, brand videos. Use for: Facebook ads, YouTube ads, product launches, brand awareness. Triggers: marketing video, ad video, promo video, commercial, brand video, product video, explainer video, ad creative, video ad, facebook ad video, youtube ad, instagram ad, tiktok ad, promotional video, launch video

NeverSight/learn-skills.dev

Generate AI videos with Google Veo, Seedance 2.0, HappyHorse, Wan, Grok and 40+ models via inference.sh CLI. Models: Veo 3.1, Veo 3, Seedance 2.0, HappyHorse 1.0, Wan 2.5, Grok Imagine Video, OmniHuman, Fabric, HunyuanVideo. Capabilities: text-to-video, image-to-video, reference-to-video, video editing, lipsync, avatar animation, video upscaling, foley sound. Use for: social media videos, marketing content, explainer videos, product demos, AI avatars. Triggers: video generation, ai video, text to video, image to video, veo, animate image, video from image, ai animation, video generator, generate video, t2v, i2v, ai video maker, create video with ai, runway alternative, pika alternative, sora alternative, kling alternative, seedance, happyhorse

NeverSight/learn-skills.dev

ElevenLabs automatic dubbing - translate and dub audio/video into 29 languages while preserving speaker voice via inference.sh CLI. Capabilities: auto speaker detection, voice-preserving translation, video dubbing, audio localization. Use for: content localization, video translation, multilingual content, international distribution. Triggers: dubbing, dub video, translate audio, video translation, audio translation, localize content, elevenlabs dubbing, eleven labs dub, multilingual dub, voice translation, auto dub, language dub, content localization

NeverSight/learn-skills.dev

Still-to-video conversion guide: model selection, motion prompting, and camera movement. Covers Wan 2.5 i2v, Seedance, Fabric, Grok Video with when to use each. Use for: animating images, creating video from stills, adding motion, product animations. Triggers: image to video, i2v, animate image, still to video, add motion to image, image animation, photo to video, animate still, wan i2v, image2video, bring image to life, animate photo, motion from image

NeverSight/learn-skills.dev

Generate talking head avatar videos with Pruna P-Video-Avatar via inference.sh CLI. Turn a portrait image into a realistic speaking video with built-in TTS. 18x faster and 6x cheaper than competitors. Models: P-Video-Avatar, P-Image (for portrait generation). Capabilities: text-to-avatar, audio-driven avatars, 30 voices, 10 languages, 720p/1080p, built-in TTS, dynamic backgrounds, full-body control. Use for: AI presenters, product demos, explainer videos, virtual influencers, marketing, education, multilingual content, UGC, gaming avatars. Triggers: avatar video, talking head, ai avatar, p-video-avatar, pruna avatar, video avatar, ai presenter, digital human, virtual presenter, lipsync, talking avatar, ai spokesperson, heygen alternative, synthesia alternative, veed alternative, fabric alternative, omnihuman alternative

NeverSight/learn-skills.dev

Generate videos with Pruna P-Video and WAN models via inference.sh CLI. Models: P-Video, WAN-T2V, WAN-I2V. Capabilities: text-to-video, image-to-video, audio support, 720p/1080p, fast inference. Pruna optimizes models for speed without quality loss. Triggers: pruna video, p-video, pruna ai video, fast video generation, optimized video, wan t2v, wan i2v, economic video generation, cheap video generation, pruna text to video, pruna image to video

NeverSight/learn-skills.dev

Render videos from React/Remotion component code via inference.sh. Pass TSX code, get MP4. Supports all Remotion APIs: useCurrentFrame, useVideoConfig, spring, interpolate, AbsoluteFill, Sequence. Configurable resolution, FPS, duration, codec. Use for: programmatic video generation, animated graphics, motion design, data-driven videos, React animations to video. Triggers: remotion, render video from code, tsx to video, react video, programmatic video, remotion render, code to video, animated video, motion graphics code, react animation video

NeverSight/learn-skills.dev

Video ad creation with exact platform-specific specs for TikTok, Instagram, YouTube, Facebook, LinkedIn. Covers dimensions, duration limits, AIDA framework, and caption requirements. Use for: video ads, social media ads, paid media creative, video marketing, ad production. Triggers: video ad, social media ad, tiktok ad, instagram ad, youtube ad, facebook ad, linkedin ad, video creative, ad specs, paid media, video marketing, ad production, reels ad, stories ad, pre roll, bumper ad

NeverSight/learn-skills.dev

Best practices and techniques for writing effective AI video generation prompts. Covers: Veo, Seedance, Wan, Grok, Kling, Runway, Pika, Sora prompting strategies. Learn: shot types, camera movements, lighting, pacing, style keywords, negative prompts. Use for: improving video quality, getting consistent results, professional video prompts. Triggers: video prompt, how to prompt video, veo prompts, video generation tips, better ai video, video prompt engineering, video prompt guide, video prompt template, ai video tips, video prompt best practices, video prompt examples, cinematography prompts

NeverSight/learn-skills.dev

YouTube thumbnail design with specific dimensions, contrast rules, and mobile preview optimization. Covers safe zones, text placement, face expression psychology, and A/B testing. Use for: YouTube thumbnails, video cover images, click-through optimization. Triggers: youtube thumbnail, thumbnail design, video thumbnail, click through rate, ctr optimization, youtube cover, video cover image, thumbnail maker, thumbnail tips, youtube design, video preview image

NeverSight/learn-skills.dev

Landing page conversion optimization with layout rules, hero section design, and CTA psychology. Covers above-the-fold formula, social proof placement, mobile design, and F-pattern reading. Use for: startup landing pages, product pages, SaaS marketing, conversion optimization. Triggers: landing page, hero section, above the fold, conversion optimization, landing page design, cta button, hero image, landing page layout, saas landing page, product page design, conversion rate, landing page best practices

NeverSight/learn-skills.dev

Configure and use the hosted YouTube Data MCP end-to-end with minimal user input. Use when users want the agent to verify Node.js and `npx`, configure MCP server config (Windows/macOS, Cursor/Codex/OpenClaw/OpenCode), request API key at setup time, run post-install capability discovery (`tools/list` and `get_patch_notes`), and then strongly recommend helper skill and Python setup for full local document and spreadsheet workflows.

NeverSight/learn-skills.dev

Creates 120fps GPU-accelerated animations with Motion.dev (Framer Motion successor) for React, Next.js, Svelte, and Astro projects. Use when user requests animation, motion, scroll effects, parallax, hero animations, gestures, drag interactions, spring physics, whileHover effects, whileInView animations, animated UI, micro-interactions, page transitions, or layout animations. Generates production TypeScript/JSX code with accessibility (prefers-reduced-motion) and performance validation (≥60fps). Supports entrance animations, gesture interactions (hover/tap/drag), scroll-based reveals, and layout transitions using spring physics and natural timing. Do NOT use for CSS-only transitions (use native CSS), static sites without JavaScript, Vue animations (use motion-v variant instead), or SVG/Canvas complex animations (GSAP better suited).

NeverSight/learn-skills.dev

Static artifact craft skill for self-contained HTML/CSS/JS documents: docs, sheets, dashboards, explainers, slides, tools, and landing pages. Use when the user asks for a durable, openable, shareable web deliverable they'll keep or hand off — a report, a dashboard, a slide deck, a data table, a page. Local folder first, temporary public link via tunnel (localhost.run), optional durable publish to Surge, GitHub Pages, or Cloudflare. Not for quick look renders, inline snippets, or throwaway scratch. Not for SPA frameworks, backend APIs, database apps, or production product UI.

NeverSight/learn-skills.dev

FFmpeg commands for video/audio conversion, trimming, compression, and processing. Use when user mentions "ffmpeg", "convert video", "compress video", "extract audio", "trim video", "gif from video", "video codec", "transcode", "screen recording", "merge videos", "video to mp4", "reduce file size", or any media processing task.

NeverSight/learn-skills.dev

Vim keybindings, motions, text objects, and operators for efficient text editing. Use when user asks about "vim commands", "vim motions", "text objects", "vim keybindings", "vim cheat sheet", "learn vim", "vim in VS Code", or any Vim editing tasks.

NeverSight/learn-skills.dev

Download YouTube videos, extract/proofread/translate subtitles, and render them onto video. Use whenever the user asks to download a YouTube video with subtitles, translate video subtitles to Chinese, add subtitles/burn subtitles to a video, or do ASR transcription on video audio. Covers the full pipeline: video download → subtitle extraction → proofreading → translation → SRT generation → subtitle rendering. Also use for "下载视频加字幕", "视频翻译字幕", "把字幕烧录到视频中". For pure subtitle file creation without rendering (just SRT output), this skill handles that too — stop before Phase 5.

NeverSight/learn-skills.dev

Grok Build ONLY. Turn a 2D character still into smooth animation sprites via image_gen/image_edit base → image_to_video (6s/10s run-in-place) → ffmpeg frames → magenta chroma-key → dense sampled sprites (strip/grid/GIF). Use when the user wants video-to-sprite, motion capture from generated video, smoother run/walk cycles from dense frames, or runs /video2dsprite. Do NOT use on Codex/Claude — only Grok Build has image_to_video. Prefer generate2dsprite for crisp pixel sheets without video.

Skills associés