Communitygithub.com

Andersonlimahw/lemon-ai-hub

Synchronisez narration, sous-titres, musique et effets sonores avec l'image — rédaction de narration, verrouillage du script, synthèse vocale ou voix enregistrée, horodatage au mot près, blocs de sous-titres, fenêtres de plan dérivées de la piste audio, budgets de pause, ducking et cibles de loudness. Idéal pour les vidéos explicatives narrées, les changements de voix off, les sous-titres ou toute vidéo où le timing doit suivre l'audio.

Qu'est-ce que lemon-ai-hub ?

Cette compétence vous permet de synchroniser précisément la narration, les sous-titres, la musique et les effets sonores avec les images, en utilisant la piste audio comme horloge maîtresse. Elle est conçue pour les vidéos explicatives narrées, les changements de voix off, les sous-titres ou tout projet vidéo où le timing doit suivre l'audio. Compatible avec les plateformes TTS (ElevenLabs, Azure, OpenAI, Google, edge-tts, Kokoro, Piper) et les voix enregistrées, elle prend en charge la rédaction de narration, le verrouillage du script, l'horodatage au mot près, la construction de timeline avec des fenêtres de plan, des blocs de sous-titres, des budgets de pause (dwell), le ducking audio et le respect des cibles de loudness. Son workflow en huit étapes guide l'utilisateur de l'écriture de la narration au mixage final, avec des vérifications intermédiaires pour garantir la qualité avant de finaliser le rendu.

Compatible avec~Claude Code✓Codex CLI~Cursor
npx skills add https://github.com/Andersonlimahw/lemon-ai-hub/tree/HEAD/plugins/motion-movie-expert/skills/voice-video-sync

Demander à votre IA préférée

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

Documentation

Synchronisation Voix ↔ Vidéo

Règle zéro : la piste vocale donne le tempo. L'image est calée sur l'audio mesuré, jamais sur des durées estimées.

1. Écrire la narration

  • Commencez par la situation du spectateur, pas une définition. Une seule histoire ; la cause avant l'effet.
  • Convertissez les nombres en échelle ressentie (« de la taille d'un annuaire », pas « 3,2 Mo »).
  • Les métaphores doivent avoir du poids ; le narrateur a un point de vue.
  • Ne décrivez pas ce que l'image montre déjà ; dites ce que l'image ne peut pas montrer.
  • Terminez en faisant écho à l'ouverture. Les limites de chapitre se relaient : la dernière ligne du chapitre N prépare la première ligne du chapitre N+1.
  • Budget par débit de parole : anglais ≈ 125–150 mots/min (les voix TTS varient — mesurez un échantillon) ; portugais ≈ 140–160 mots/min ; chinois ≈ 4–5,5 caractères/s.

Format du fichier script (un paragraphe = un plan, | sépare les blocs de sous-titres) :

# CHAPITRE 1 Pourquoi les cartes ment
Chaque carte que vous avez vue | a été dessinée par quelqu'un | avec une raison.

Mercator voulait que les marins | puissent tenir un cap droit.
## pause 0.6

## pause <secondes> demande une pause d'au moins cette durée après le paragraphe (temps d'attente pour la dernière image). Produisez-la dans l'audio — <break time="600ms"/> en SSML pour la TTS, ou silence inséré lors de l'assemblage de fichiers par paragraphe. L'outil de timeline ne décale jamais les timings ; il vérifie la pause.

2. Verrouiller le script

Affichez le script complet avec le nombre de mots et la durée estimée, et obtenez un « approuvé » explicite. Après le verrouillage, chaque timing est dérivé de l'audio ; changer un mot recalcule tous les plans qui le suivent.

3. Produire la voix

  • TTS (par défaut en l'absence d'enregistrement) : demandez à l'utilisateur un moteur/voix préféré(e). Envoyer du texte à une TTS cloud (ElevenLabs, Azure, OpenAI, Google, edge-tts) partage le script avec ce fournisseur — confirmez d'abord. Les options locales (Kokoro, Piper) gardent les données sur la machine.
  • Voix enregistrée : acceptez du WAV 48 kHz. Coupez le silence, conservez les respirations naturelles, normalisez plus tard dans le mix.
  • Gardez un fichier par paragraphe ou un fichier maître avec des horodatages ; les deux fonctionnent avec l'outil de timeline.

4. Obtenir les horodatages

Utilisez les horodatages au niveau du mot ou du segment provenant de la réponse API TTS, ou alignez de force l'audio avec le script (WhisperX, whisper-timestamped, stable-ts, ou Whisper avec word_timestamps=True). Normalisez-les en ce JSON :

{"segments": [{"text": "Chaque carte que vous avez vue", "start": 0.00, "end": 1.42,
  "words": [{"word": "Chaque", "start": 0.00, "end": 0.21}]}]}

5. Construire la timeline

python3 <racine-plugin>/scripts/build_timeline.py mots.json --script script.txt --fps 30 \
  --out-dir timeline/ --max-chars 42 --min-dwell 1.0

Produit timeline.json (plans avec images de début/fin, blocs de sous-titres, débuts de chapitre), captions.srt, captions.vtt, et des avertissements pour : mots du script manquants dans l'audio (ou mots audio manquants dans le script), sous-titres trop longs ou trop rapides à lire, plans dont le dernier sous-titre laisse moins de --min-dwell secondes avant le plan suivant (ajoutez une pause dans l'audio ou fusionnez), pauses ## pause demandées que l'audio ne contient pas, et silences de plus de 3 s. Les mots qu'un aligneur forcé n'a pas horodatés (fréquent pour les nombres dans WhisperX) sont interpolés entre leurs voisins. Transmettez timeline.json à la composition ; ne retapez jamais les numéros d'image à la main.

6. Règles pour les sous-titres

  • ≤42 caractères par ligne, ≤2 lignes, ≥1,0 s à l'écran, ≈17 caractères/s de vitesse de lecture maximum.
  • Coupez aux limites des syntagmes, jamais entre un article et un nom.
  • Gardez les sous-titres hors de la zone inférieure de l'interface utilisateur en 9:16 et loin du texte UI à l'écran.
  • Sous-titres incrustés pour les réseaux sociaux ; SRT/VTT séparés pour YouTube et les lecteurs web.

7. Mixage

CoucheCible
Loudness intégré (final)−14 LUFS pour les réseaux/web (−16 acceptable) ; −23 LUFS pour la diffusion TV
Pic vrai≤ −1 dBTP
Musique sous la voixducking de 8–12 dB pendant la parole, 150–300 ms d'attaque/relâchement
Effets sonores≈10 dB sous la musique ; sur l'image causale, pas après

Mesurez avec <racine-plugin>/scripts/qc.sh loudness final.mp4 (ajoutez -23 pour la diffusion TV). Lorsque les compétences audio HyperFrames sont installées, hyperframes-audio fournit le ducking (« voiceover carve »), l'égalisation et l'automatisation dans la composition ; sinon, utilisez sidechaincompress et loudnorm de FFmpeg (deux passages).

8. Point de contrôle de prévisualisation

Rendez les premières ≤30 s avec la voix, les sous-titres et la musique et demandez : « Voix, rythme, taille des sous-titres et cadence — OK ? » Changer le rythme après ce point signifie relancer la TTS et retimériser tout.

Individual skills in this repo

This repo contains 9 individual skills — each has its own dedicated page.

Andersonlimahw/lemon-ai-hub

When the user wants to plan a product launch, feature announcement, or release strategy. Also use when the user mentions 'launch,' 'Product Hunt,' 'feature release,' 'announcement,' 'go-to-market,' 'beta launch,' 'early access,' 'waitlist,' 'product update,' 'how do I launch this,' 'launch checklist,' 'GTM plan,' or 'we're about to ship.' Use this whenever someone is preparing to release something publicly. For ongoing marketing after launch, see marketing-ideas. For the offer being launched (bonuses, guarantees, scarcity, naming), see offers.

Andersonlimahw/lemon-ai-hub

Create and edit motion videos end to end — product motion films, motion graphics, narrated explainers, captioned clips, UI animation recreations, and recuts. Orchestrates brief, storyboard, choreography, build (HyperFrames or any deterministic renderer), voice/caption sync, and render QC. Use when the user asks to make, animate, storyboard, narrate, caption, edit, or render a video or motion piece; skip for static images and web UI work with no video deliverable.

Andersonlimahw/lemon-ai-hub

Build and render a deterministic video composition — HyperFrames (HTML + GSAP) by default, or a custom seek(t) + Playwright + FFmpeg pipeline. Covers project setup, composition contract, timeline rules, creative direction for frames, lint/check/snapshot, preview, and local render. Use when implementing an approved storyboard as code.

Andersonlimahw/lemon-ai-hub

Motion law for multi-scene videos — seam continuity (axis, direction, speed, phase), carriers, causal motion, springs and timing, camera, transitions, stillness, and loop design. Use when planning or fixing how scenes connect and move, before and during any animation build.

Andersonlimahw/lemon-ai-hub

Short design-led motion graphics where motion is the message — kinetic typography, stat count-up, chart/data-viz reveal, logo sting, lower third or callout, animated map, tweet/news/headline card, webpage or UI walkthrough, and image-plus-data fusion. Usually under 10 s, up to about 30 s, no narration; renders to MP4 or a transparent overlay. Use when the user wants a short motion graphic, animated stat/chart/logo/map/card, or overlay; when the upstream HyperFrames `motion-graphics` skill is installed, use it for exact CLI flags and registry blocks.

Andersonlimahw/lemon-ai-hub

Turn a video idea, product, or script into an approved master prompt and pre-implementation storyboard — intake, concept, 8–12 state sequence, beat grid, transition map, camera plan, audio cue plan, and render architecture. Use before building any new video, or when a video brief is vague.

Andersonlimahw/lemon-ai-hub

Motion tokens, spring presets, and React/Next.js (motion/react) interaction patterns for product UI that appears in a video — rebuilding real product screens faithfully, animating them as seekable scenes, and keeping the live product's motion consistent with the film. Use when a motion video shows or recreates product UI; for web UI work with no video deliverable use design-expert instead.

Andersonlimahw/lemon-ai-hub

Edit existing video and verify any render before delivery — recut, trim, reframe to other aspect ratios, burn in or attach captions, swap or remix audio, loop, and export; plus the QC gates (probe, contact sheet, stills per beat, loudness, loop seam, legibility, facts, PII). Use for editing footage or for the final check of any motion video.

Andersonlimahw/lemon-ai-hub

Agent skill at plugins/video/SKILL.md

Skills associés