Que fait long2short ?
Vous êtes le monteur : vous choisissez les moments, rédigez les accroches et les stickers, et jugez du cadrage. Les scripts effectuent le gros du travail (transcription, détection de scènes, suivi, coupe, rendu) et tournent localement. Tout passe par une CLI :
python3 <skill>/scripts/l2s.py [-p PROJET] <commande> ...
<skill> est le dossier de cette compétence. Un dossier projet (par défaut <dossier vidéo>/long2short) contient project.json, la proxy, la transcription, la liste des scènes et un dossier par clip (clips/clipNN/). Les clips terminés vont dans project.json → out (par défaut <dossier vidéo>/clips).
Prérequis : macOS (Apple Vision pour le suivi, VideoToolbox pour le ProRes rapide), ffmpeg, Node (npx HyperFrames), Xcode command line tools (swiftc), whisper-cli + un modèle ggml (ou python whisper). Le calage temporel des sous-titres (forced alignment) fonctionne pour les langues à alphabet latin ; les nombres sont écrits en toutes lettres pour l'allemand dans force_align.py – étendez spell() pour d'autres langues. Rien n'est fourni avec cette compétence à part les instructions et le code. La première fois sur une machine, exécutez l2s.py setup – il télécharge tout dans ~/.cache/long2short : un environnement Python privé (torch/torchaudio pour le forced alignment), les effets sonores CC0, la police des sous-titres (Montserrat, OFL) et, si aucun n'est installé, un modèle whisper.cpp ; il compile aussi les helpers Apple Vision. Puis l2s.py doctor. Relancez setup dès que doctor signale un élément manquant. Si quelque chose manque, montrez à l'utilisateur la commande d'installation exacte.
1. Préparer la vidéo (une fois par vidéo)
l2s.py init "/chemin/video.mp4" --lang de
Crée la proxy, l'audio 16 kHz, la transcription mot à mot (transcript.txt avec codes temporels), scenes.json et les planches contact (sheets/, une image par scène avec codes temporels). Les longues vidéos prennent quelques minutes – lancez-le en arrière-plan et informez l'utilisateur.
Ajoutez les erreurs de transcription récurrentes (noms, marques) dans project.json → glossary ({"Air bee and bee": "Airbnb"}) ; elles sont corrigées automatiquement lors du mapping des mots sur un clip.
2. Choisir les moments (votre jugement)
Lisez references/editorial.md avant de choisir. En bref : lisez l'intégralité du transcript.txt, regardez chaque planche contact (c'est ainsi que vous trouvez les moments forts sans parole – une machine au travail, un animal, une révélation importante), puis écrivez une shortlist pour l'utilisateur : numéro, titre provisoire/accroche, plages sources, durée, pourquoi ça marche. Durée par défaut 60–90 s (les Creator Rewards de TikTok ne rémunèrent que les vidéos de plus d'une minute) sauf si l'utilisateur souhaite autre chose. Attendez l'accord de l'utilisateur avant de lancer le rendu d'un lot lorsqu'il a demandé à examiner les sélections ; sinon continuez.
Chaque clip doit être autonome. Un spectateur voit cette personne et ce sujet pour la première fois : les 3 premières secondes (texte d'accroche + première ligne) doivent indiquer où l'on se trouve et de quoi il s'agit (ex. "À Lisbonne…"), et le clip ne doit pas s'appuyer sur d'autres parties de la vidéo ("après ce voyage", "comme je l'ai dit", "le deuxième"). Commencez après ces formules ou supprimez-les.
3. Construire chaque clip
l2s.py -p P plan NN "A-B[,C-D]" [--teaser VS VE AS] [--seed T:CX:CY]
l2s.py -p P words NN # affiche les mots avec leurs indices – corrigez le texte dans words_raw.json
l2s.py -p P align NN [MM ...] # forced alignment : calage temporel exact des mots (le modèle est chargé une fois pour tous les clips)
# écrivez clips/clipNN/hf_config.json (voir references/config.md)
l2s.py -p P finish NN "NN_titre-court" # coupe -> graphismes -> rendu -> composition
- Les plages sont des secondes absolues de la source. Coupez aux limites des phrases ; utilisez les temps des mots dans
words.json. Les segments sont concaténés dans l'ordre ; un--teaser(plan payoff de 2–3 s montré en premier, avec l'audio deAS) permet une entrée en matière forte. - La révision du cadrage coûte des tokens – ne regardez que lorsqu'on vous le demande.
planafficheno anomaliesou une liste d'ANOMALIES. Ouvrez alorsclips/clipNN/spec.review.jpg(boîte jaune = fenêtre 9:16, point rouge = sujet suivi, grille cyan par pas de 0,1). - Les objets (drone, robot, voiture) ne sont pas trouvés automatiquement : pour une section signalée comme "no person", lisez la position de l'objet sur la grille et relancez
planavec--seed T:CX:CY(temps source, x, y en 0–1). Il s'accroche à l'objet et le suit. - Corrections de texte avant l'alignement. Corrigez les mots mal interprétés dans
words_raw.json; si un passage est inintelligible, supprimez-le des sous-titres (dropdans hf_config) plutôt que de deviner. - Lancez
alignune fois pour plusieurs clips afin de gagner du temps.
4. Livrer
Rapportez un petit tableau : clip, durée, chemin du fichier, accroche, et une légende prête à publier avec des hashtags. Ne revérifiez pas les rendus image par image lorsque l'utilisateur a dit qu'il les examinerait lui-même. Les fichiers intermédiaires sont volumineux (~2 Go par clip dans clips/clipNN/) ; proposez de les supprimer après que l'utilisateur a approuvé les résultats.
Style fixe (approuvé – ne modifiez pas sans demande)
- Sous-titres : Montserrat Black, majuscules, blanc avec contour noir, 1–3 mots, mot actif jaune
#FFD400avec un léger pop, mots clés sur une pastille jaune ; centrés horizontalement et verticalement dans le tiers inférieur ; apparaissent 0,12 s avant le mot. - Accroche : pastilles noires en haut, mots accentués jaunes, premières ~3 s. Stickers d'info : pastille jaune + emoji en haut, auto-dimensionnés à la largeur de l'image.
- Son : 5 à 7 effets subtils par clip (pop, whoosh, impact, ka-ching ; CC0, téléchargés par setup), pas de musique (la musique est ajoutée dans l'application). Loudness −14 LUFS, crête réelle −1 dBTP.
- Cadrage : une seule fenêtre 9:16, suivi fluide. Pas de zoom punch-in ni de mise en page "fit" avec barres floues/lattes – les deux ont été essayés et rejetés (le zoom arrière donnait l'impression d'écraser).
Quand quelque chose semble anormal, lisez references/troubleshooting.md – il liste les causes racines déjà rencontrées (débordements de scène, tremblement, retard des sous-titres, …) et comment les scripts les traitent.