:pencil:
Écriture de scripts vidéo
L'écriture de scripts pour la vidéo programmatique est la pratique de planifier, structurer et rédiger des scripts qui se traduisent directement en production vidéo pilotée par code. Contrairement à l'écriture de scénario traditionnelle, les scripts vidéo programmatiques sont des données structurées – chaque scène a une durée explicite, un nombre d'images, une description d'animation et un texte de narration qu'un moteur de rendu peut consommer. Cette compétence couvre l'interview des parties prenantes, la génération de scripts YAML structurés, le calcul du rythme et du nombre d'images, la rédaction de narration et la révision des scripts.
Quand utiliser cette compétence
Déclenchez cette compétence lorsque l'utilisateur :
- Souhaite écrire un script pour une vidéo programmatique ou générée par code
- A besoin de planifier la structure, le timing ou les transitions des scènes d'une vidéo
- Demande la création d'un storyboard dans un format structuré (YAML, JSON)
- Veut calculer le nombre d'images à partir de la durée et des FPS
- A besoin d'aide pour rédiger le texte de narration pour des scènes vidéo
- Pose des questions sur le rythme vidéo pour différents types de contenu (démo, explicatif, social)
- Souhaite exécuter un flux de travail d'entretien pour recueillir les exigences vidéo
- A besoin de réviser ou restructurer un script vidéo existant
Ne déclenchez PAS cette compétence pour :
- Le cinéma en prise de vues réelles ou l'écriture de scénario traditionnelle
- Les tutoriels de logiciels de montage vidéo (Premiere, Final Cut, DaVinci Resolve)
- Le contenu audio uniquement comme les podcasts ou la production musicale
- La conception d'images fixes ou les diapositives de présentation statiques
Principes clés
-
Basé sur l'entretien - Menez un entretien structuré (jusqu'à 30 questions réparties en 7 catégories) avant de générer une seule scène. Ne scriptez jamais à partir d'hypothèses.
-
Sortie structurée - Chaque script est un YAML valide avec un bloc
metaet un tableauscenes. Chaque scène a les champsid,duration,frames,narration,visual,animation,music,sfxettransition_to_next. -
Visuel d'abord - Rédigez le champ
visualavant lanarration. La narration doit compléter les visuels, ne jamais décrire de manière redondante ce qui est à l'écran. -
Conscience du rythme - Faites correspondre le nombre de scènes et la durée par scène au type de vidéo : les clips sociaux ont besoin de scènes de 3 à 8 secondes ; les vidéos explicatives peuvent respirer avec des scènes de 5 à 12 secondes.
-
Synchronisation narration-visuel - Chaque ligne de narration doit correspondre à ce qui est visible à ce moment-là. Une idée par scène. Le timing de la narration doit correspondre à la durée de la scène.
Concepts de base
Cadre de l'entretien
Recueillez les exigences à travers 7 catégories avant d'écrire :
| Catégorie | Questions | Exemples |
|---|---|---|
| Produit/Sujet | 5-7 | Quel est le produit ? Caractéristiques clés ? Problème résolu ? Différenciateur ? |
| Public | 3-5 | Spectateur cible ? Niveau technique ? Points douloureux ? |
| Objectifs vidéo | 3-4 | Type (démo/explicatif/social/annonce) ? Durée ? Chaîne ? |
| Ton & Style | 3-5 | Formel ou décontracté ? Énergique ou calme ? Vidéos de référence ? |
| Ressources | 3-5 | Logo ? Captures d'écran ? Couleurs de la marque ? Polices ? |
| Contenu | 4-6 | Messages clés ? Fonctionnalités à inclure absolument ? Appel à l'action ? Accroche d'ouverture ? |
| Préférences visuelles | 3-5 | Style d'animation ? Palette de couleurs ? Préférences de mise en page ? |
Format de script YAML
meta:
title: "string - titre descriptif"
duration: "string - durée totale (ex. 60s)"
type: "enum - demo | expliquer | social | annonce"
resolution: "string - ex. 3840x2160, 1920x1080"
fps: "number - 24, 30 ou 60"
audience: "string - qui regarde"
tone: "string - descripteurs séparés par des virgules"
total_frames: "number - durée_secondes * fps"
scenes:
- id: "string - identifiant unique en kebab-case"
duration: "string - ex. 4s, 8s"
frames: "number - durée_scène_secondes * fps"
narration: "string - max 15 mots par phrase"
visual: "string - ce que le spectateur voit à l'écran"
animation: "string - comment les éléments bougent, avec références d'images"
music:
track: "string - nom de la piste musicale"
volume: "number - 0.0 à 1.0"
duck: "boolean - baisser la musique pendant la narration"
sfx:
- type: "string - nom de l'effet sonore"
at: "string - horodatage dans la scène"
duration: "string - combien de temps il joue"
transition_to_next: "enum - coupure-sèche | fondu-enchaîné | fondu-au-noir | balayage-gauche | balayage-droite | aucun"
Rythme des scènes par type de vidéo
| Type de vidéo | Durée | Scènes | Par scène | Remarques |
|---|---|---|---|---|
| Démo produit | 30-120s | 6-15 | 5-10s | Centré sur les fonctionnalités, appels à l'action clairs |
| Explicative | 60-180s | 8-20 | 5-12s | Beaucoup de concepts, plus de marge |
| Clip social | 15-60s | 3-8 | 3-8s | Accroche dans les 3 premières secondes, rythme rapide |
| Annonce | 15-45s | 3-6 | 4-8s | Percutant, concentré sur un seul message |
Calcul des images
total_frames = durée_secondes * fps
images_scène = durée_scène_secondes * fps
Exemple : vidéo de 60s à 30fps = 1800 images totales
| Durée | 24 fps | 30 fps | 60 fps |
|---|---|---|---|
| 4s | 96 | 120 | 240 |
| 8s | 192 | 240 | 480 |
| 30s | 720 | 900 | 1800 |
| 60s | 1440 | 1800 | 3600 |
| 90s | 2160 | 2700 | 5400 |
Validez toujours que le nombre d'images des scènes totalise total_frames dans meta.
Tâches courantes
1. Exécuter le flux de travail d'entretien
Parcourez les 7 catégories dans l'ordre. Posez une question à la fois, résumez les réponses, puis passez à la suivante. Voir references/interview-questions.md pour le cadre complet de 30 questions. La version compressée pour les délais serrés utilise 10 questions essentielles : nom du produit, fonctionnalités clés, problème résolu, spectateur cible, niveau technique, type de vidéo, durée, chaîne, message clé et appel à l'action.
2. Générer un script de démo produit
meta:
title: "Démo Produit - Tableau de bord Acme"
duration: "60s"
type: demo
resolution: 3840x2160
fps: 30
audience: "Fondateurs SaaS et chefs de produit"
tone: "professionnel, confiant, minimal"
total_frames: 1800
scenes:
- id: intro
duration: "4s"
frames: 120
narration: "Découvrez Acme - le tableau de bord qui se construit tout seul."
visual: "Logo centré sur fond blanc chaud, fondu depuis la transparence"
animation: "fondu sur 30 images, maintien sur 90 images"
music:
track: "upbeat-corporate"
volume: 0.4
duck: false
sfx: []
transition_to_next: "coupure-sèche"
- id: fonctionnalite-1
duration: "8s"
frames: 240
narration: "Décrivez simplement ce dont vous avez besoin. Acme s'occupe du reste."
visual: "Maquette de navigateur montrant une entrée de prompt, texte tapé"
animation: "navigateur glisse du bas sur 20 images, la frappe commence à l'image 40"
music:
track: "upbeat-corporate"
volume: 0.2
duck: true
sfx:
- type: "clavier-qui-tape"
at: "1.3s"
duration: "3s"
transition_to_next: "fondu-enchaîné"
- id: fonctionnalite-2
duration: "8s"
frames: 240
narration: "Glissez, déposez, redimensionnez. Votre mise en page, vos règles."
visual: "Éditeur de tableau de bord avec widgets réarrangés par le curseur"
animation: "curseur se déplace vers le widget à l'image 30, le fait glisser vers une nouvelle position sur 60 images"
music:
track: "upbeat-corporate"
volume: 0.2
duck: true
sfx:
- type: "clic-doux"
at: "1.0s"
duration: "0.2s"
transition_to_next: "fondu-enchaîné"
- id: appel-action
duration: "6s"
frames: 180
narration: "Essayez Acme gratuitement sur acme.dev. Construisez votre premier tableau de bord en quelques minutes."
visual: "Texte d'appel à l'action centré avec URL, fond dégradé animé subtil"
animation: "texte apparaît en fondu sur 20 images, fond dégradé change lentement"
music:
track: "upbeat-corporate"
volume: 0.4
duck: false
sfx: []
transition_to_next: "fondu-au-noir"
Les scripts de démo complets ont généralement 6 à 15 scènes. Développez en ajoutant des scènes de problème, preuve sociale, tarification et conclusion en suivant la même structure YAML.
3. Générer un script de clip social
meta:
title: "Acme en 30 Secondes"
duration: "30s"
type: social
resolution: 1080x1920
fps: 30
audience: "Développeurs parcourant les flux sociaux"
tone: "énergique, percutant, moderne"
total_frames: 900
scenes:
- id: accroche
duration: "3s"
frames: 90
narration: "Arrêtez de construire des tableaux de bord de zéro."
visual: "Texte en gras sur fond dégradé dynamique"
animation: "texte claque depuis le haut sur 8 images, l'écran tremble pendant 4 images"
music:
track: "electronic-pulse"
volume: 0.5
duck: true
sfx:
- type: "impact-choc"
at: "0.2s"
duration: "0.3s"
transition_to_next: "coupure-sèche"
- id: demo
duration: "12s"
frames: 360
narration: "Tapez ce dont vous avez besoin. Acme le construit en direct."
visual: "Enregistrement d'écran : saisie d'un prompt, tableau de bord se générant en temps réel"
animation: "frappe pendant 120 images, tableau de bord se construit sur les 240 images restantes"
music:
track: "electronic-pulse"
volume: 0.3
duck: true
sfx:
- type: "clavier-qui-tape"
at: "0.5s"
duration: "4s"
transition_to_next: "coupure-sèche"
- id: resultat
duration: "8s"
frames: 240
narration: "Entièrement interactif. Données en temps réel. Prêt à partager."
visual: "Tableau de bord finalisé avec interactions au survol, données se mettant à jour en direct"
animation: "curseur survole les éléments déclenchant des infobulles, les données se rafraîchissent à l'image 120"
music:
track: "electronic-pulse"
volume: 0.3
duck: true
sfx: []
transition_to_next: "coupure-sèche"
- id: appel-action
duration: "7s"
frames: 210
narration: "Essayez gratuitement sur acme.dev."
visual: "Texte d'appel à l'action grand et centré, URL en dessous, fond dégradé de marque"
animation: "texte s'agrandit de 0 à taille réelle sur 15 images, se maintient"
music:
track: "electronic-pulse"
volume: 0.5
duck: false
sfx: []
transition_to_next: "aucun"
4. Calculer le nombre d'images à partir de la durée
Entrée : durée = 60s, fps = 30
Sortie : total_frames = 1800
Répartition des scènes :
intro : 4s * 30 = 120 images
fonctionnalite-1 : 8s * 30 = 240 images
fonctionnalite-2 : 8s * 30 = 240 images
preuve : 6s * 30 = 180 images
appel-action : 6s * 30 = 180 images
---
Somme : 32s = 960 images (il reste 840 images, besoin de plus de scènes)
Vérifiez toujours la somme. Si les scènes ne totalisent pas la durée, ajustez ou ajoutez des scènes.
5. Rédiger un texte de narration efficace
Règles :
- Max 15 mots par phrase - plus long ne peut pas être lu à temps
- Voix active, présent - "Acme construit votre tableau de bord" pas "sera construit"
- Faire correspondre la narration aux visuels - parlez de ce qui est à l'écran
- Une idée par scène - ne mettez pas deux concepts dans une seule ligne
- Commencer par le bénéfice - "Économisez 10 heures par semaine" pas "Notre fonctionnalité de suivi du temps"
- Inclure des pauses - narration vide (
"") pour laisser respirer - Vitesse de lecture - environ 2,5 mots par seconde
| Mauvais | Bon | Pourquoi |
|---|---|---|
| "Notre produit a été conçu pour aider les équipes à construire des tableaux de bord plus rapidement" | "Construisez des tableaux de bord en quelques minutes, pas en semaines." | Trop long, passif |
| "Cliquez sur le bouton plus dans le coin supérieur droit" | "Ajoutez un widget en un clic." | Laissez le visuel montrer l'emplacement |
| "Comme vous pouvez le voir, les données se mettent à jour en temps réel" | "Données en temps réel. Toujours à jour." | "Comme vous pouvez le voir" est un remplissage |
6. Planifier les transitions de scènes
| Transition | Quand l'utiliser |
|---|---|
coupure-sèche | Même sujet, rythme rapide ou contraste marqué |
fondu-enchaîné | Changement de sujet fluide, contenu connexe qui s'enchaîne |
fondu-au-noir | Fin de section, pause dramatique, scène finale |
balayage-gauche / balayage-droite | Comparaisons avant/après, progression chronologique |
aucun | Dernière scène de la vidéo |
Règle : utilisez au maximum 2 types de transition différents par vidéo pour la cohérence.
7. Réviser un script en fonction des retours
- Identifiez le type de retour : rythme, narration, visuels, structure ou ton
- Localisez les scènes concernées par leur
iddans le YAML - Appliquez les modifications uniquement aux champs concernés, préservez le calcul des images
- Revalidez : les durées des scènes doivent toujours totaliser la durée totale
- Recalculez les images si une durée a changé
- Documentez ce qui a changé :
# Révision : intro raccourcie de 6s à 4s suite aux retours (v2)
- id: intro
duration: "4s" # était 6s
frames: 120 # était 180
Anti-patrons / erreurs courantes
| Erreur | Pourquoi c'est faux | Que faire à la place |
|---|---|---|
| Écrire la narration avant les visuels | Conduit la vidéo vers un format tête parlante | Écrivez d'abord visual, puis narration pour compléter |
| Scènes de plus de 12 secondes | Les spectateurs perdent l'attention, le rythme semble lent | Divisez en deux scènes plus courtes |
| Nombre d'images non aligné | Le moteur de rendu produit un mauvais timing ou plante | Calculez toujours frames = durée * fps et vérifiez les sommes |
| Narration de plus de 15 mots par phrase | Ne peut pas être lue dans la durée de la scène | Divisez en phrases plus courtes |
| Pas d'accroche dans les 3 premières secondes | Les spectateurs sociaux défilent, les spectateurs intégrés se désengagent | Ouvrez avec une déclaration audacieuse, une question ou une surprise visuelle |
| Transitions incohérentes | La vidéo semble saccadée et amateur | Utilisez au maximum 2 types de transition par vidéo |
| Sauter l'entretien | Produit des scripts génériques qui manquent la cible | Recueillez toujours les exigences en premier |
| Descriptions visuelles vides | L'ingénieur de rendu ne peut pas construire la scène | Soyez précis sur la mise en page, les couleurs, le mouvement, les éléments |
Pièges
-
Arrondi du nombre d'images - Lorsque la durée ne se divise pas uniformément (par exemple, 3,5 s à 24fps = 84 images), arrondissez à l'entier le plus proche et ajustez la dernière scène. Ne laissez jamais d'images fractionnaires - les moteurs de rendu les tronquent ou génèrent une erreur.
-
Dépassement du timing de narration - À 2,5 mots/seconde, une scène de 4 s contient environ 10 mots. Écrire 20 mots pour une scène de 4 s signifie une narration précipitée ou une coupure. Vérifiez toujours le nombre de mots par rapport à la durée de la scène.
-
Résolution verticale vs horizontale - Les clips sociaux (TikTok, Reels, Shorts) utilisent 1080x1920 (vertical). Les intégrations YouTube/site web utilisent 1920x1080 ou 3840x2160. Confirmez le canal de distribution avant de définir la résolution.
-
Conflits de réduction du volume musical - Si chaque scène a
duck: true, le volume de la musique monte et descend constamment. Utilisez la réduction uniquement lorsque la narration est présente. Les scènes avec narration vide doivent avoirduck: false. -
Dérive de la durée totale - Après révision, les durées des scènes modifiées peuvent ne plus correspondre au total. Recalculez et corrigez toujours.