Video VIP Pro
Une vidéo brute entre. Vous retournez un montage premium fini en une seule fois. Ensuite, l'utilisateur dirige avec de courtes invites ("câu 3 đổi hiệu ứng", "màu cam", "bỏ VHS", "chữ to hơn"), chaque modification étant reconstruite à partir d'un petit script de construction.
Les scripts se trouvent dans scripts/ à côté de ce fichier. Exécutez-les comme python -X utf8 <skill>/scripts/<nom>.py. La configuration initiale est setup.ps1 (Windows) ou setup.sh ; elle exécute aussi scripts/get_sfx.py, qui télécharge le pack de sons tendance (environ 130 sons Mixkit répartis en 19 familles) sur cet ordinateur. Si une commande échoue avec un module ou une police manquante, exécutez setup.
Fichiers à lire
| quand | lire |
|---|---|
| toujours, avant la planification | references/edit_brain.md (passage créatif, 7 styles de montage, règles de variété, conception sonore tendance) + references/style.md (tous les effets + accessoires, caméra, thème) |
| pour choisir les effets / la couleur pour l'entreprise | la ligne correspondante de references/industries.md |
| un champ du plan que vous ne maîtrisez pas | grep references/plan.md (schéma complet) |
| genres sans tête parlante (montage, diaporama, tutoriel, podcast) | la section correspondante de references/recipes.md |
| pour démarrer le constructeur | copier templates/build_vip.py |
Flux de travail en un appel (faites tout sans demander, sauf si un choix change vraiment le résultat)
-
Brief. Déduisez ceci :
- Secteur : à partir de ce qui est dit ou vu.
- Thème :
- la couleur nommée par l'utilisateur, si elle existe ;
- sinon la couleur de la marque (logo, enseigne, uniforme) ;
- sinon la couleur par défaut du secteur.
- Format : 9:16 sauf si la source est horizontale et destinée à YouTube.
- Durée : gardez toutes les bonnes phrases.
Ne demandez que si l'utilisateur a fourni plusieurs fichiers sans indication.
-
Regarder. Exécutez
analyze.py SRC --every 2et lisez les feuilles. Notez :- où se trouve le visage : celui-ci devient
FACE; - où se trouve l'espace vide ;
- tout texte incrusté ;
- la couleur de la chemise, car le texte sur la poitrine doit rester lisible.
- où se trouve le visage : celui-ci devient
-
Transcrire. Exécutez
transcribe.py SRC --prompt "<marque, produit, noms>". Ensuite relisez le fichier.transcript.json:- corrigez les mots mal compris, en conservant le nombre de mots si possible ;
- écrivez les prix à la manière vietnamienne : "8.190.000đ" ou "8,19 triệu".
-
Choisir les phrases. Écrivez
edited/cuts.jsonavec une entrée par phrase que vous conservez, dans l'ordre :- supprimez les reprises (conservez la prise la plus tardive et la plus propre), les faux départs, "cắt nhé" et les blancs ;
- in = premier mot −0.08 s, out = dernier mot +0.15 s ; ajoutez"transcripts" (les fichiers .transcript.json sources) pour qu'aroll.py écrive aussi aroll.transcript.json pour les sous-titres et le cerveau sonore.
Ensuite exécutez
aroll.py edited/cuts.json -o edited/aroll.mp4 --speed 1.1. Il produit une seule piste A synchronisée labiale ainsi quearoll.json, qui contient les instants de début de phrase. -
Construire. Faites d'abord le passage créatif dans
references/edit_brain.md. Choisissez un style de montage, 3 motifs et une carte rythmique, puis écrivez le tableau du storyboard. Ne réutilisez jamais la séquence de la vidéo précédente. Copieztemplates/build_vip.pydansedited/et remplissez-le :- définissez
THEME,FACE,CAP_Y; - donnez à chaque phrase un
cap(i, top, text); - donnez à chaque phrase un mouvement de caméra (
cam), avec HOOK sur la phrase 0, un SNAP ou EMPH sur les 2-3 mots-clés les plus importants, et alternance PUSH / PUNCH / PULL sur le reste ; - ajoutez un effet VIP toutes les 3-5 s, choisi dans la ligne du secteur et placé sur le mot qui le nomme (un prix déclenche
CountUp, "3 điều" déclencheNumberList, "đau đầu" déclencheCracks) ; - conservez le cerveau sonore actif (
"sound_design": {"style": "trend", "brain": {...}}, voir edit_brain.md §4a) : les effets sonores suivent l'image, les sons narratifs suivent les mots. Lisez ensuite les suggestions desound_brain.pyet supprimez tout ce qui n'ajoute pas de sens ; - auparavant
"sound_design": "trend"signifiait : chaque effet reçoit automatiquement un son multicouche du pack tendance, donc n'ajoutez des sons à la main que là où ils portent l'histoire (montée avant une révélation, silence avant un punch) ; - ajoutez 2 à 4 scènes de givre par minute ;
- terminez par un CTA.
- définissez
-
Rendre. Exécutez
build_vip.py, puisrender.py plan_vip.json --draft. Les rendus de plus de 2 min s'exécutent en arrière-plan. Le premier rendu de chaque élément de mouvement prend 3-5 s ; le matage d'une personne prend environ 1 s par seconde d'effet. -
Vérifiez votre propre sortie. Exécutez
analyze.py <brouillon> --every 1et lisez chaque feuille. Recherchez :- du texte rogné ou couvrant le visage ;
- des effets qui atterrissent sur le mauvais mot ;
- des couleurs illisibles pour ce thème ;
- des images noires ou figées ;
- une sonie éloignée de −14 LUFS.
Corrigez le constructeur et refaites le rendu ; le cache de segment et de mouvement rend cela rapide. Autorisez au maximum 3 itérations par problème.
-
Final. Exécutez
render.py plan_vip.json(sans--draft). -
Livrer. Envoyez le MP4 (via
SendUserFilesi disponible). Ensuite :- donnez un résumé de 3 à 5 lignes : durée, thème, les effets utilisés et sur quelle phrase, et tout ce que vous avez deviné ;
- démarrez l'éditeur VIP en arrière-plan,
python -X utf8 <skill>/editor/server.py edited/plan_vip.json, pour que l'utilisateur puisse faire glisser, retimer, retaper et recolorier à la main pour 0 jeton.
Voix mixtes. Si la vidéo mélange une parole face caméra avec une voix-off, exécutez scripts/voice_match.py pour que les deux sonnent comme une seule voix (voir references/edit_brain.md §5). Parcourez chaque clip à la recherche de bonnes lignes face caméra (transcrivez-les toutes en une seule passe) avant de décider d'utiliser uniquement la voix-off.
Affinage par invite (après la première édition)
-
Modifiez toujours
build_vip.py, jamais le plan généré. Si l'utilisateur dit qu'il a changé des choses dans l'Éditeur VIP, relisez d'abordplan_vip.jsonet modifiez le plan directement, car une reconstruction supprimerait ses modifications manuelles. Dites-lui quelle approche vous adoptez. -
Correspondance des demandes aux modifications :
demande modification "đổi màu …" THEME"câu N …" le bloc pour la phrase N "bỏ / thêm hiệu ứng X" supprimer ou ajouter cette ligne motion(...)/layer(...)"chữ to / nhỏ" size"chữ thấp / cao" CAP_Youy"zoom nhiều / ít" les mouvements cam/cycle"nhạc khác" MUSIC"nhanh hơn" aroll.py --speed(puis reconstruire) -
Vérifiez avant le rendu complet : exécutez
render.py plan_vip.json --preview A-Bsur la seule plage modifiée, vérifiez-la, puis faites le rendu complet une fois.
Règles de qualité
- Sous-titres. Un
BlueTextpar phrase, remplaçant les sous-titres simples. Au plus un**mot-clé**par ligne. Sur la vidéo, utiliseztone: "video"; sur un givre clair, utiliseztone: "light". - Cadre propre. En plus des sous-titres, conservez au plus un autre élément à l'écran. Ne couvrez jamais le visage. En 9:16, gardez le texte hors du haut 10 % et du bas 20 %.
- Caméra. Un événement de caméra toutes les 3-6 s. Les grands mouvements (SNAP, EMPH) au maximum une fois toutes les 10 s.
- Recadrage popout. Le recadrage
popoutdoit commencer sous le menton, sinon la tête ne sortira pas du cadre. - Honnêteté. N'utilisez que les prix, spécifications, noms et citations qui apparaissent dans la vidéo ou le message de l'utilisateur.
- Médias sous licence uniquement. Utilisez les effets sonores synthétisés fournis, les propres fichiers de l'utilisateur, ou de la musique libre de droits. N'utilisez jamais de chansons protégées par le droit d'auteur ni de clips réuploadés.
Notes d'environnement
- Python et Node. Python 3.10+ avec
requirements.txt(faster-whisper, rembg, onnxruntime, opencv, numpy, fonttools, Pillow, edge-tts) et Node 18+ pourmotion/. Exécuteznpm cidansmotion/(setup le fait). - FFmpeg. Il doit s'agir d'une version complète avec libass.
- GPU.
- Une GPU NVIDIA accélère Whisper et l'encodage NVENC.
- Sans GPU, Whisper s'exécute sur CPU ; utilisez
--model smallpour la rapidité. - rembg utilise DirectML ou CUDA quand il est disponible.
- Polices. Be Vietnam Pro et Playfair Display sont fournies dans
assets/fontsetmotion/public/fonts. - Impression Windows. Définissez
PYTHONIOENCODING=utf-8avant d'imprimer du vietnamien à partir d'extraits ad-hoc. - Caches. Ils se trouvent dans
<plan>_work/. Supprimez ce dossier uniquement si le cache est corrompu.
Dépannage
- Un rendu de mouvement est vide : faites le rendu d'une image fixe avec
motion/render_motion.py COMP '<props>' --duration 2 --still 1 -o x.pnget examinez-la. - Mauvaise personne dans le matte (un logo ou une affiche sur le mur) : utilisez
popout"head": [x, w]pour limiter la colonne qui peut sortir, ou choisissez un moment plus calme. - Le son dérive après les coupes : ne joignez jamais de nombreux clips de parole segment par segment. Passez toujours par
aroll.py. - "effet sonore non trouvé" : les noms de recettes correspondent à des sons intégrés (voir
SFX_ALIASESdansrender.py). Déposez votre proprenom.mp3dansassets/sfx/pour en remplacer un. - Un effet que les scripts ne peuvent pas réaliser : faites-en le rendu avec une commande ffmpeg directe, ou écrivez une nouvelle composition dans
motion/src/blue/avec des couleurs entourées deT('…'), puis utilisez-la dans le plan.