Compétence de clipping vidéo court autonome et conscient du format – Production vidéo virale (clip-short v2.4)
Une compétence d'ingénierie vidéo agentique qui ingère des sources longues, comprend le format source et l'histoire, choisit un traitement visuel approprié, produit une vidéo verticale mobile-first, puis prouve à partir du MP4 exporté que le résultat est correct.
v2.4 conserve le routeur à trois axes et comble l'écart entre la qualité revendiquée et visible : QA fail-closed, revue sémantique multimodale authentique, horodatages narration-à-visuel, vérifications des locuteurs par plan, identité réelle des objets, validation des limites de diagramme, tests de collision légende/objet, OCR de vignette, traçabilité reproductible et apprentissage des performances de campagne.
v2.0 a remplacé le modèle fixe « une recette pour chaque source » par trois décisions indépendantes :
- Quelle est la source ? (archétype visuel)
- Quelle est l'histoire ? (archétype narratif)
- Quel traitement sert cette histoire ? (traitement de montage)
Le split-screen 54/46 est un préréglage puissant au sein de ce système, pas une loi universelle. Aucun clip n'est marqué prêt avant d'avoir passé la porte de qualité de production basée sur le fichier réellement rendu.
Quand l'utiliser
- Ingérer et visionner des livestreams bruts, conférences, podcasts et VODs de plusieurs heures pour trouver des candidats de courte durée à forte rétention.
- Sélectionner les candidats avec la formule de Valeur Attendue Maximale (
EV), contrôlée par l'éligibilité de la campagne. - Classer le matériau source selon les trois axes indépendants (
visual_archetype,narrative_archetype,editing_treatment). - Acheminer la mise en page via le Moteur de Mise en Page Adaptative (recadrage plein écran, commutation de locuteurs, split-screen adaptatif, PiP, suivi progressif de diagrammes, narration scène par scène, documentaire minimaliste).
- Appliquer un accrochage aux limites linguistiques propres à la campagne : ouvertures en phrases complètes, zéro mot de remplissage, ponctuation terminale, et durée respectant les règles de campagne sans tronquer le payoff.
- Vérifier les transcriptions et la terminologie du domaine avant le packaging.
- Générer une typographie cinétique respectueuse des visages avec dégagement de zone de sécurité.
- Séparer cinq couches de texte distinctes : titre HUD, sous-titres, titre YouTube, titre de miniature, légende de campagne.
- Exécuter une inspection post-rendu complète sur le MP4 exporté et échouer en mode
REJECTED_RENDER. - Noter avec une porte de production succès/échec plus un score de performance potentielle éditoriale.
- Enregistrer les métriques réelles de campagne et les réinjecter dans les sélections futures.
- Préparer un package de soumission vérifié pour une version par étapes approuvée par un humain.
Architecture & Index des Sous-compétences
[ Source Maître 4K / 1440p Brut ]
|
v
+-----------------------------------+
| 1. Pré-vérification Campagne | ---> [subskills/campaign-preflight.md]
| - Durée / son / contenu | Échec fail-closed vers HUMAN_REVIEW
| - Droits & source approuvée | quand les règles sont manquantes
+-----------------------------------+
|
v
+-----------------------------------+
| 2. Classification à Trois Axes | ---> [subskills/format-router-templates.md]
| A. Archétype visuel source | [references/clipper-format-archetypes.md]
| B. Archétype narratif |
| C. Traitement de montage |
+-----------------------------------+
|
+-----------------------+-----------------------+
| |
v v
+-----------------------------+ +-----------------------------+
| 3. Vérification Transcription | | 4. Accrochage Linguistique |
| - Confiance ASR | | - Ouverture phrase complète |
| - Terminologie domaine | | - 0 mots de remplissage |
| - Vérifications entités/acronymes | | - Ponctuation terminale |
| - Diff sous-titres originaux | | - Durée propre à la campagne |
| [subskills/transcript- | | [subskills/linguistic- |
| verification.md] | | boundary-snapping.md] |
+-----------------------------+ +-----------------------------+
| |
+-----------------------+-----------------------+
|
v
+-----------------------------------+
| 5. Mise en Page Adaptative & | ---> [subskills/pip-split-screen-geometry.md]
| Montage des Beats Sémantiques |
| - Routage de recadrage basé format |
| - Changement de focus visuel sujet |
| - Suivi progressif de diagrammes |
+-----------------------------------+
|
v
+-----------------------------------+
| 6. Typographie & Métadonnées | ---> [subskills/kinetic-typography-safe-zones.md]
| - Zones de sécurité visages | [subskills/faithful-metadata-packaging.md]
| - 5 couches de texte séparées |
| - Construction miniature dédiée |
+-----------------------------------+
|
v
+-----------------------------------+
| 7. Porte de Production & Score | ---> [subskills/pre-render-quality-gates.md]
| - Portes techniques pré-rendu | [references/viral-scoring-rubric.md]
| - QA post-rendu complète | [subskills/regression-fixtures.md]
| - Porte succès/échec + éditorial |
+-----------------------------------+
|
v
+-----------------------------------+
| 8. Version Approuvée par Humain | ---> [subskills/fleet-staged-publishing.md]
| - Package de soumission | [subskills/autonomous-10m-cadence-daemon.md]
| - Approbation humaine requise | [subskills/performance-feedback.md]
| - Boucle de rétroaction métriques |
+-----------------------------------+
Normes de Production Fondamentales (OBLIGATOIRE)
1. Classification à Trois Axes Obligatoire
Ne jamais mapper une source directement sur un modèle de montage fixe. Classifier indépendamment :
- Axe A — Archétype visuel source : Ce qu'est physiquement la séquence (tête parlante solo, podcast multi-caméras, facecam dans coin + partage d'écran, enregistrement plein écran, tableau blanc/diagramme, diaporama, jeu + facecam, jeu plein écran, illustration/animation narrée, documentaire/B-roll narré, sport/action, performance live, démonstration produit, débat deux locuteurs).
- Axe B — Archétype narratif : Ce qu'est l'histoire (curiosité/mystère, opinion contraire, explication/éducation, débat/désaccord, histoire personnelle, démonstration/résultat, comédie/chute, réaction, liste/étapes, révélation émotionnelle).
- Axe C — Traitement de montage : Comment cette histoire spécifique doit être montrée (recadrage plein écran, commutation dynamique de locuteurs, split-screen adaptatif, picture-in-picture, zoom progressif de diagramme, narration scène par scène, sous-titres animés, B-roll contextuel, traitement documentaire minimaliste).
Les six modèles FORMAT_* hérités restent des préréglages de traitement valides (combinaisons nommées des trois axes). Ils ne sont pas le classifieur.
2. Moteur de Mise en Page Adaptative (Le 54/46 Doré est un Préréglage, Pas une Loi)
La mise en page est sélectionnée à partir du contenu source, pas appliquée par défaut :
| Contenu source | Mise en page |
|---|---|
| Locateur portrait / tête parlante | Recadrage portrait plein écran |
| Podcast paysage | Recadrage vertical conscient du visage |
| Deux locuteurs | Commutation dynamique de locuteurs avec durée minimale de maintien |
| Facecam dans coin + partage d'écran | Split-screen adaptatif 54/46 ou PiP |
| Diagramme d'architecture large | Suivi horizontal progressif et zoom composant |
| Enregistrement d'écran | Recadrage et zoom de la fenêtre active |
| Animation illustrée | Suivi de scène plein écran |
| B-roll narré / documentaire | Visuels contextuels plein écran |
| Présentation diapositives | Isolation diapositive avec incrustation locuteur uniquement si utile |
| Jeu / sport | Recadrage sûr pour l'action avec incrustation facecam |
| Performance live | Cadrage scène complète avec coupes synchronisées au rythme |
| Démonstration produit | Recadrage centré sur l'objet avec visibilité des mains/résultat |
Le Split Mobile 54/46 Doré reste le préréglage par défaut pour les séquences avec incrustation PiP dans le coin :
- Panneau supérieur : $1080 \times 1040$ ($54.17%$), recadrage tête-épaules.
- Panneau inférieur : $1080 \times 880$ ($45.83%$), carte de support isolée par saillance.
- Jointure : 4px
#1E293Bà $y = 1038$.
Il ne doit pas être imposé aux diagrammes panoramiques, illustrations narrées, documentaires plein écran, ou sources où le split réduit les étiquettes en dessous de la lisibilité mobile. Lorsque le diagramme entier ne tient qu'en le réduisant, divisez le diagramme en beats sémantiques et zoomez chaque composant à la place.
3. Montage des Beats Sémantiques Remplace les Phases Temporelles Fixes
Le focus visuel change lorsque le sujet ou l'argument change, pas lorsqu'un horodatage arbitraire est atteint :
- Podcast style Lex : montrer le questionneur sur la question, le répondant sur l'explication, le locuteur pertinent sur la contradiction, et maintenir la conclusion sur le locuteur qui la délivre.
- Mystère style Veritasium : illustration d'ouverture intrigante, enquêteur et agriculteurs pendant la mise en place, révélation progressive sur les mouches, maintenir la faucille et la confession pour le payoff.
- Explicateur technique style Theo : locuteur pendant l'analogie, diagramme d'interface/harnais pendant le mécanisme, zoom ciblé pendant la syntaxe spéciale, nœud final pendant l'exécution de l'outil.
La progression en 5 phases horodatées ne peut être utilisée que comme solution de repli lorsque la détection de beat n'est pas disponible. Les phases fixes ne remplacent jamais le focus sémantique.
4. Durée Prioritaire à la Narration et Conformité Campagne
Ordre de résolution pour la durée :
- Règle de campagne (
min_seconds/max_secondsexplicites) — priorité la plus élevée. - Achèvement narratif — ne jamais couper un payoff terminal pour atteindre un nombre par défaut. Compresser la mise en place à la place.
- Cible par défaut $18.0\text{s} - 22.5\text{s}$ ; plafond flexible $23.5\text{s}$ lorsque nécessaire pour terminer une pensée.
Les exigences de campagne remplacent les valeurs par défaut de la maison pour la durée, le son, le contenu, les hashtags, les mentions, le compte, l'audience et la divulgation. Les règles de campagne manquantes ou ambiguës échouent en mode HUMAN_REVIEW.
5. Vérification de la Transcription Avant Emballage
Ne pas faire aveuglément confiance à Whisper ou à tout modèle ASR. Avant de noter ou d'emballer :
- Vérifier la terminologie du domaine, les acronymes et les entités nommées par rapport aux dictionnaires.
- Comparer avec les sous-titres sources originaux lorsqu'ils sont disponibles.
- Vérifier la confiance ASR et signaler les substitutions inhabituelles.
- Exiger un examen humain de la terminologie de faible confiance.
- Ne jamais publier un titre ou une légende construit sur une entité non vérifiée.
6. Typographie Respectueuse des Visages et Cinq Couches de Texte Séparées
Garder ces couches cohérentes sémantiquement mais distinctes textuellement :
- Titre HUD vidéo — badge de curiosité supérieur, 3–6 mots, max 38 caractères, pas de ponctuation finale, disparaît après l'accroche.
- Sous-titres parlés — légendes mot à mot alignées temporellement.
- Titre YouTube — recherchable et fidèle, peut utiliser une paraphrase fidèle.
- Titre de miniature — un titre principal, construit dans une étape de miniature dédiée.
- Légende de campagne et hashtags — exigences spécifiques à la campagne.
Placement conscient du visage : positionner le titre et les légendes à partir des repères faciaux détectés, pas d'une coordonnée fixe unique. Ne jamais couvrir les yeux, la bouche ou l'expression clé du locuteur. Les légendes conservent MarginV = 920 (ligne de base $y = 1000$) dans le préréglage 54/46 ; les mises en page adaptatives calculent une zone de sécurité équivalente qui dégage le visage du sujet et tout texte source.
Règles de miniature : un seul titre, pas de fragments de sous-titres, pas de carte de titre dupliquée, visage et yeux non obstrués, image de support communique immédiatement le sujet, lisible en taille mobile.
7. QA Post-Rendu Complet et Porte de Production
Toutes les décisions de qualité sont prises sur le MP4 réellement exporté, pas sur la configuration de rendu. Rejeter (REJECTED_RENDER) en cas d'échec critique :
- Superposition de débogage : code, expressions de filtre ou variables internes visibles dans n'importe quelle image.
- Curseur : curseur de souris involontairement visible.
- Intégrité du recadrage : diagramme, texte ou sujet important coupé.
- Lisibilité graphique : visuel de support illisible en taille mobile.
- Occlusion du visage : titre ou légendes masquent des traits faciaux importants.
- Collisions de texte : légendes chevauchent le texte source existant.
- Intégrité de la miniature : titres dupliqués ou texte excessif.
- Exactitude des légendes : mots parlés diffèrent des légendes affichées.
- Continuité visuelle : images noires, gels ou transitions accidentelles.
- Conformité campagne : durée, son, contenu ou exigences du compte violés.
Générer une planche contact à 0.25s, 1.0s, chaque transition de scène majeure, chaque transition de légende/graphique majeure, le point médian, et les 2 dernières secondes. Effectuer une revue de lecture complète avant de marquer prêt.
8. Deux Scores Séparés
- Porte de qualité de production — succès/échec. Conformité campagne, intégrité du rendu, exactitude des légendes, audio, lisibilité visuelle et droits. Un échec critique rejette