Communitygithub.com

video-vip-pro

Éditeur vidéo premium en un appel pour vidéos de présentation et commerciales dans tout secteur (boutique, immobilier, spa, alimentation, éducation, tech, finance, salle de sport, voyage, actualités, vlog) avec la couleur de marque de votre choix. Prend une vidéo brute, la retranscrit (vietnamien ou toute autre langue), supprime les mauvaises prises avec synchronisation labiale, ajoute des zooms rythmés avec flou de mouvement, sous-titres à deux niveaux, scènes en verre dépoli et ~50 effets VIP, puis génère un MP4 9:16/16:9. L'utilisateur affine ensuite avec des invites simples ou l'éditeur VIP local (0 jeton).

Qu'est-ce que video-vip-pro ?

Video VIP Pro est un outil d'édition vidéo premium automatisé conçu pour produire en un seul appel une vidéo professionnelle de type talking-head ou commerciale, sans nécessiter de montage manuel ni de jetons d'API supplémentaires. Il prend en charge de nombreux secteurs (boutique, immobilier, spa, alimentation, éducation, tech, finance, salle de sport, voyage, actualités, vlog) et s'adapte à la couleur de marque de l'utilisateur. Le flux de travail complet inclut la transcription (vietnamien ou toute langue), le choix et le découpage des phrases, l'ajout d'effets visuels rythmés, de sous-titres bicolores, de scènes en verre dépoli et d'une cinquantaine d'effets « VIP » (texte derrière la tête, flou de portrait, personnage sortant du cadre, prix qui défilent, tampons, déchirure, fissures, onde de choc, anneau orbital, looks film/VHS, maquettes d'interface), ainsi qu'une conception sonore tendance (plus de 130 sons Mixkit). Après la première version, l'utilisateur peut affiner l'édition via des commandes textuelles simples (changement de couleur, suppression/ajout d'effet, modification de texte, etc.) ou utiliser l'éditeur VIP local (Éditeur VIP) pour des réglages manuels sans consommation de jetons. L'outil s'appuie sur un script de construction (`build_vip.py`) et un moteur de rendu par lots. Il est destiné aux agents IA (comme Claude Code, Cursor, Codex) et fonctionne sur Windows et Linux, nécessitant Python 3.10+, Node 18+, FFmpeg complet avec libass, et une GPU NVIDIA optionnelle pour accélérer Whisper et le rendu.

Compatible avec~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/leminhhieu0707/video-vip-pro/tree/HEAD

Demander à votre IA préférée

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

Documentation

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

quandlire
toujours, avant la planificationreferences/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'entreprisela ligne correspondante de references/industries.md
un champ du plan que vous ne maîtrisez pasgrep references/plan.md (schéma complet)
genres sans tête parlante (montage, diaporama, tutoriel, podcast)la section correspondante de references/recipes.md
pour démarrer le constructeurcopier templates/build_vip.py

Flux de travail en un appel (faites tout sans demander, sauf si un choix change vraiment le résultat)

  1. 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.

  2. Regarder. Exécutez analyze.py SRC --every 2 et 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.
  3. 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".
  4. Choisir les phrases. Écrivez edited/cuts.json avec 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 que aroll.json, qui contient les instants de début de phrase.

  5. 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. Copiez templates/build_vip.py dans edited/ 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" déclenche NumberList, "đau đầu" déclenche Cracks) ;
    • 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 de sound_brain.py et 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.
  6. Rendre. Exécutez build_vip.py, puis render.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.

  7. Vérifiez votre propre sortie. Exécutez analyze.py <brouillon> --every 1 et 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.

  8. Final. Exécutez render.py plan_vip.json (sans --draft).

  9. Livrer. Envoyez le MP4 (via SendUserFile si 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'abord plan_vip.json et modifiez le plan directement, car une reconstruction supprimerait ses modifications manuelles. Dites-lui quelle approche vous adoptez.

  • Correspondance des demandes aux modifications :

    demandemodification
    "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_Y ou y
    "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-B sur la seule plage modifiée, vérifiez-la, puis faites le rendu complet une fois.

Règles de qualité

  • Sous-titres. Un BlueText par phrase, remplaçant les sous-titres simples. Au plus un **mot-clé** par ligne. Sur la vidéo, utilisez tone: "video" ; sur un givre clair, utilisez tone: "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 popout doit 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+ pour motion/. Exécutez npm ci dans motion/ (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 small pour la rapidité.
    • rembg utilise DirectML ou CUDA quand il est disponible.
  • Polices. Be Vietnam Pro et Playfair Display sont fournies dans assets/fonts et motion/public/fonts.
  • Impression Windows. Définissez PYTHONIOENCODING=utf-8 avant 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.png et 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_ALIASES dans render.py). Déposez votre propre nom.mp3 dans assets/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 de T('…'), puis utilisez-la dans le plan.

Skills associés