Long video voice
Étape 7 du workflow long-video. Sortie : un dossier de fichiers audio, un par ligne parlée, chacun nommé par scène et par locuteur. Ou une décision que la vidéo n'a pas besoin de parole.
Une scène correspond à un clip du script (un plan, 10 secondes maximum), numéroté dans l'ordre de la vidéo, comme dans les étapes précédentes.
Avant de commencer
- Trouver le projet dans
~/.long-video/projects/<slug>/. Exigervideo-script.mdavecstatus: approvedetfilm-style.md. - Charger la configuration du projet : langue, source et fournisseur de la voix off (
audio.voiceover),providers.tts, niveau d'approbation, budget. - Lire le mode de parole et les descriptions des voix depuis
film-style.md. - Si
audio/ouvoice-scripts/existent déjà, demander : continuer (lister ce qui est fait), ou recommencer.
Étape 1 : La vidéo a-t-elle besoin de parole ?
À déterminer avant de demander. Vérifier :
- le mode de parole dans
film-style.md(narrateur, personnages, mixte), - la source
audio.voiceover.sourcedans la configuration (none,self-recorded,cloud-tts,local-tts), - combien de lignes de narration ou de dialogue le script contient, et dans combien de scènes.
Ensuite, donner une recommandation avec une raison, et demander la confirmation. Exemple : "Le script contient 142 lignes de narration dans 96 des 104 scènes, et la configuration utilise la synthèse vocale cloud. Je recommande une vidéo narrée. Voulez-vous que je crée les voix ?"
- Si le script n'a pas de lignes parlées, ou si la configuration indique aucune voix off : recommander de passer, avec la raison.
- Approuvé. Continuer avec l'Étape 2.
- Non nécessaire. Définir
"voice_mode": "none"et"stage": "voice-skipped"dansproject.json. Dire que les étapes suivantes utiliseront uniquement la musique et les effets sonores. Arrêter. - En désaccord avec la recommandation. Suivre l'utilisateur. Mettre à jour la note de configuration si la parole était
noneet que l'utilisateur la souhaite maintenant.
Ne jamais créer de voix sans la confirmation de l'utilisateur.
Étape 2 : Constituer le casting vocal
- Lister chaque locuteur : le narrateur (s'il y en a un) et chaque personnage qui a des dialogues. Compter les lignes pour chacun.
- Pour chaque locuteur, prendre la description de la voix depuis
film-style.md(âge, ton, accent, vitesse). Si une description manque, en proposer une à partir de la description du personnage dansvisual-bible.mdet la marquer "proposée". - Afficher le casting sous forme de tableau : locuteur, id, nombre de lignes, description de la voix. Demander à l'utilisateur de confirmer ou de modifier.
- Ids des locuteurs :
narrator, ou l'id du personnage sans le préfixechar-(par exemplechar-maradevientmara). Ces ids seront utilisés dans les noms de fichiers.
Étape 3 : Choisir comment l'audio est créé
Demander : "Claude doit-il générer les voix, ou allez-vous les créer vous-même (enregistrer ou utiliser votre propre outil) ?"
- Claude génère. Aller à l'Étape 4.
- Je les crée. Aller à l'Étape 6.
- Les deux. Écrire les scripts vocaux (Étape 6) et générer aussi (Étape 4).
- Si
audio.voiceover.sourceestself-recorded, aller directement à l'Étape 6.
Étape 4 : Trouver un outil vocal et créer des échantillons
Lire references/voice-generation.md. En résumé :
- Utiliser la méthode enregistrée dans la configuration (
providers.tts) si elle existe. La tester. - Chercher des outils connectés dans cette session qui génèrent de la parole (un serveur MCP ElevenLabs ou similaire, ou des compétences avec des outils vocaux).
- Vérifier les variables d'environnement de clé API sur l'appareil. N'afficher que "définie" ou "non définie".
- Vérifier les outils de synthèse vocale locaux.
- Si rien n'est trouvé, demander si l'utilisateur a une clé API (en tant que variable d'environnement, jamais collée dans le chat), un serveur MCP à connecter, ou un site de synthèse vocale dans le navigateur. Ou passer à l'Étape 6.
Les échantillons vocaux viennent en premier. Ne jamais générer l'audio complet avant que l'utilisateur n'ait approuvé les voix.
- Pour chaque locuteur, choisir une voix qui correspond à la description. Lister les voix de l'outil et choisir parmi elles. Ne jamais utiliser un id de voix de mémoire. Si l'outil peut concevoir une nouvelle voix à partir d'une description, le proposer pour les voix difficiles à assortir.
- Créer un court échantillon par locuteur (5 à 15 secondes). Utiliser une vraie ligne du script que ce locuteur dit, dans la langue de la configuration. Pour le narrateur, utiliser les premières lignes. Inclure la note de diction si la ligne en a une.
- Enregistrer les échantillons dans
audio/samples/sous le nomsample_<speaker>.mp3. - Présenter chaque échantillon avec le locuteur, le nom de la voix et la ligne. Demander à l'utilisateur de l'approuver, ou de demander une autre voix. Si l'utilisateur demande une autre voix, créer un nouvel échantillon (un à la fois, jamais de tentatives groupées). Répéter jusqu'à ce que chaque locuteur soit approuvé.
- Enregistrer les voix approuvées dans
voice-cast.md(locuteur, nom de la voix, id de la voix, réglages, fichier d'échantillon). Mettre à jour la liste des voix dansfilm-style.mdpour correspondre.
Ne pas répéter un appel de génération pour réessayer. Chaque appel peut être facturé à nouveau.
Étape 5 : Générer les lignes
- Lire
references/voice-script-format.md. Construire la liste des lignes à partir du script : un élément par ligne parlée, dans l'ordre des scènes. - Informer l'utilisateur du nombre de lignes, de la durée totale parlée et du coût approximatif. Demander avant de commencer. Proposer de commencer par une plage, par exemple les scènes 1 à 10.
- Scène de test. Générer la première scène avec parole. La lire ou signaler sa durée. Demander si le rendu est correct. Ajuster les réglages d'abord.
- Générer dans l'ordre des scènes en utilisant uniquement les voix approuvées. Appliquer les notes de diction. Utiliser les notes de prononciation de la liste des lignes.
- Enregistrer chaque ligne sous
audio/lines/scene-<NNN>_<speaker>_<NN>.<ext>. Ne jamais écraser un fichier sans demander. - Après chaque fichier, mesurer sa durée avec
ffprobe. La comparer avec la durée de la scène dans le script (voir le format de référence pour les règles d'ajustement). Enregistrer le résultat. - Si une ligne ne correspond pas à sa scène, ne pas modifier les mots. Proposer des options : un débit légèrement plus rapide (10% maximum), une scène plus longue (toujours dans la limite de 10 secondes), ou diviser la ligne en deux scènes avec l'approbation de l'utilisateur.
- D'un coup ou une par une : demander à l'utilisateur. Une par une joue le résultat de chaque ligne, attend l'approbation ou une demande de refaire.
- Si l'outil crée son propre audio dans les clips vidéo (synchronisation labiale), demander s'il faut conserver cet audio ou utiliser ces fichiers. Noter la réponse dans
audio/status.md.
Si la génération échoue ou que l'utilisateur refuse, recourir à l'Étape 6 pour les scènes restantes.
Étape 6 : Scripts vocaux pour l'utilisateur
- Créer
audio/lines/pour les fichiers audio terminés etvoice-scripts/pour les listes de lignes. Afficher les chemins complets. - Écrire des fichiers par lots de 20 scènes (
scenes-001-020.md) etvoice-scripts/index.md, en suivant le format de référence. Chaque ligne contient :- le nom de fichier à enregistrer :
audio/lines/scene-007_narrator_01.mp3 - le locuteur et la description de la voix
- le texte exact, la note de diction et les notes de prononciation
- la durée de la scène, pour que l'audio puisse être vérifié par rapport à celle-ci
- le nom de fichier à enregistrer :
- Demander : d'un coup, ou une par une.
- D'un coup. Afficher les chemins des dossiers et un exemple. L'utilisateur travaille à travers les fichiers de lots.
- Une par une. Afficher la première ligne avec son nom de fichier. Attendre que l'utilisateur dise qu'elle est enregistrée. Vérifier que le fichier existe avec le bon nom et mesurer sa durée. Puis afficher la ligne suivante.
- Proposer de vérifier le dossier à tout moment : comparer les fichiers avec l'index, et lister les fichiers audio manquants, mal nommés ou trop longs.
Étape 7 : Statut et finition
- Tenir
audio/status.mdà jour avec le tableau du format de référence. Valeurs de statut :pending,done,needs-manual,skipped. - Mettre à jour
project.json:"stage": "voice-prompts-done"après l'enregistrement des listes de lignes, et"stage": "voice-done"lorsque chaque ligne parlée a un fichier audio et que l'utilisateur approuve l'ensemble. - Indiquer à l'utilisateur les chemins de
audio/etvoice-scripts/, le temps de parole total par rapport au temps vidéo, et ce qui manque ou est trop long. - Proposer d'enregistrer l'outil de travail dans la configuration (
providers.tts), méthode et noms uniquement. - Proposer de continuer avec
long-video-sound(effets sonores, ambiance et musique de fond). Ne démarrer que si l'utilisateur est d'accord. Ne démarrer aucune autre étape ultérieure sauf si l'utilisateur le demande et que cette étape existe.
Règles
- Ne jamais créer de voix sans la confirmation de l'utilisateur à l'Étape 1.
- Ne jamais générer l'audio complet avant que les échantillons vocaux ne soient approuvés.
- Ne jamais modifier les mots du script. Si une ligne ne correspond pas, demander d'abord.
- Ne jamais utiliser un identifiant de voix qui ne provient pas de la propre liste de voix de l'outil ou de l'utilisateur.
- Ne jamais demander de clés API dans le chat. Ne jamais saisir de mots de passe ou résoudre de CAPTCHA dans un navigateur.
- Ne jamais répéter un appel de génération en silence pour réessayer. Chaque appel peut être facturé à nouveau.
- Ne jamais renommer un fichier après que la liste des lignes a été approuvée.
- Garder les messages du chat courts. Mettre les listes de lignes complètes dans des fichiers.