Communitygithub.com

micahwburgess-spec/panel-to-reels

Transformez un long enregistrement (conférence, panel, podcast, interview) en reels verticaux 9:16 avec sous-titres mot par mot et couvertures pour grille Instagram, en deux styles de sous-titrage. Idéal pour créer des courts, reels ou clips à partir d'une vidéo longue, ajouter des sous-titres incrustés ou générer des couvertures de reels.

Qu'est-ce que panel-to-reels ?

Panel to Reels est un skill spécialisé pour les agents IA (comme Claude Code) qui automatise la création de reels verticaux prêts à publier à partir d'un enregistrement long (conférence, panel, podcast, interview). Il découpe chaque clip sur des limites de mots, recadre en 9:16 autour du visage de l'orateur, ajoute des sous-titres mot par mot, et génère des couvertures adaptées à la grille Instagram. Le skill propose deux styles de sous-titrage : un style "buildup" (sous-titres blancs avec emphase rouge/bleu/magenta) et un style "brand" (couleurs et polices personnalisables via un fichier `styles.json`). Il nécessite un Mac avec Apple Silicon (utilisation d'Apple Vision pour le suivi facial et de mlx-whisper pour la transcription) et ffmpeg. Le workflow complet est détaillé : récupération de la source, transcription, sélection des moments, cadrage, construction, sous-titrage, rendu et révision. Des règles strictes encadrent l'attribution des paroles, la fidélité des citations et l'absence de génération de voix ou de visages. Le skill gère également les vidéos verticales déjà montées (y compris HDR iPhone) et propose des options avancées comme les lockups (lignes de crédit) et la détection HDR.

Compatible avec✓Claude Code~Codex CLI~Cursor
npx skills add micahwburgess-spec/panel-to-reels

Demander à votre IA préférée

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

Documentation

Panel to Reels

Transforme un long enregistrement en un lot de reels verticaux prêts à publier. Chaque reel est coupé sur des limites de mots, recadré en 9:16 autour du visage de l'orateur, sous-titré mot par mot, et associé à une couverture conçue pour la grille du profil Instagram. Chaque clip est rendu dans deux styles : buildup (sous-titres blancs, emphase rouge / bleu / magenta) et brand (vos couleurs et polices, définies dans styles.json).

Les scripts effectuent le travail mécanique. La qualité provient des décisions d'édition décrites dans ce fichier. Suivez le workflow dans l'ordre et ne sautez pas les étapes de révision.

Prérequis

  • Mac avec Apple Silicon (le suivi facial utilise Apple Vision, la transcription utilise mlx-whisper sur le GPU).
  • ffmpeg avec libx264 et libx265 (brew install ffmpeg).
  • Python 3 (le script d'installation crée son propre venv dans ~/.panel-to-reels/).
  • Disque : une source 4K de 90 minutes occupe environ 6 Go.

Installation unique, depuis le dossier de ce skill :

bash scripts/setup.sh

Exécutez chaque script via le wrapper pour utiliser le bon Python : bash scripts/run.sh <script> <args>. La ligne de commande exacte pour chaque script se trouve dans scripts/USAGE.md.

Le workflow

Travaillez dans un dossier de projet P (n'importe où de durable, jamais /tmp, que macOS vide). Chaque script prend P comme premier argument.

1. Obtenez la source à la plus haute résolution disponible

run.sh fetch P <url> ou copiez un fichier local vers P/source.<ext>. Un recadrage 9:16 d'un cadre 16:9 conserve environ un tiers de la largeur, donc une source 4K donne des reels nets. Les sources 1080p fonctionnent mais les zooms semblent flous. Si la personne possède l'enregistrement, demandez les fichiers originaux de la caméra ; ils sont bien meilleurs que n'importe quel téléchargement.

2. Transcription

run.sh transcribe P --prompt "noms des intervenants, noms d'entreprises, jargon". Le prompt est important : les noms sont bien plus souvent corrects. Ceci écrit transcript.txt avec un index de mot au début de chaque ligne. Vous choisissez les clips par ces index.

3. Si la personne a un style de référence, étudiez-le d'abord

Demandez 2 à 6 exemples de publications. Instagram bloque les téléchargements directs, mais les pages d'intégration publiques (instagram.com/reel/<id>/embed/captioned/) exposent souvent une vidéo et montrent toujours le texte de la légende. Extrayez des images et notez : police, taille, position des sous-titres, apparition des mots, mots en couleur, police et disposition du titre de couverture. Appliquez ce que vous voyez sur styles.json avant de rendre quoi que ce soit.

4. Lisez l'intégralité de la transcription et choisissez les moments

Lisez-la en entier. Ne parcourez pas la première moitié. Un bon clip :

  • Est une idée autonome en 20 à 80 secondes.
  • Commence par une phrase forte : une affirmation, un chiffre, une question ou un moment narratif. Si la meilleure phrase est au milieu d'une réponse, commencez là.
  • Se termine sur un point fort, pas en pleine réflexion.

Privilégiez la personne pour qui vous créez ces contenus (ses propres réponses d'abord). Ignorez les moments déjà publiés par l'événement ou un autre compte ; demandez à la personne ou vérifiez ses liens. Présentez la shortlist sous forme de tableau (clip, intervenant, phrase d'accroche, horodatage) et laissez la personne couper ou ajouter avant de construire.

5. Confirmez que l'intervenant est à l'écran (ne sautez pas)

run.sh peek P <start> <end> pour chaque candidat. Les montages multi-caméras passent souvent à un plan de réaction ou un plan large pendant qu'une personne parle. Règles :

  • Si l'intervenant est hors champ pendant la majeure partie du clip, abandonnez-le. Un recadrage vertical mettrait le visage de quelqu'un d'autre sur ses paroles.
  • Un bref plan de réaction (moins d'un tiers du clip) peut rester en mode letterbox : le plan large est superposé à un remplissage flou, afin que personne ne soit mal identifié.
  • Identifiez les personnes par leurs vêtements et leur position, puis confirmez avec la transcription (qui est présenté, qui répond). Ne devinez pas les noms d'après l'apparence.

6. Coupez sur les index de mots

Écrivez chaque clip dans P/clips.json (schéma dans scripts/USAGE.md, exemple dans examples/clips.example.json).

  • spans sont des plages d'index de mots inclusives. Plusieurs spans créent des coupes franches. Utilisez-les pour resserrer un discours décousu, jamais pour changer le sens.
  • fix corrige les erreurs de transcription dont vous êtes certain ("poundé" dit comme "foundé", "Claude sur un fichier D" signifiant "CLAUDE.md"). Une chaîne vide supprime un mot.
  • Si une phrase est déformée et que vous ne pouvez pas être sûr de ce qui a été dit, contournez-la. Ne mettez pas de mots dans la bouche de quelqu'un.
  • Lorsqu'un clip commence par la question d'un animateur, gardez la question uniquement comme contexte. Ne laissez jamais les répliques de l'animateur être lues comme celles de l'invité.

7. Cadrage

run.sh shots P <clips> trouve les coupes caméra (y compris les fondus lents), rend une image avec repères par plan, et affiche les centres des visages détectés. Placez le x de l'intervenant dans framing pour chaque plan.

  • crop est la hauteur du recadrage en fraction de la source : environ 0.62 pour un plan moyen de trois ou quatre personnes, 0.42 à 0.5 pour un plan large.
  • Les caméras portées qui panoramiquent nécessitent une marque de cadrage pour chaque mouvement ; le suiveur suit les mouvements fluides mais peut perdre un whip rapide.
  • Voisins assis proches : donnez le x exact des centres de visages imprimés, pas une estimation.

8. Construisez et vérifiez

run.sh build P <clips>, puis extrayez 10 à 16 images de chaque clip de base. L'intervenant doit être cadré dans chaque image. Corrigez le cadrage et reconstruisez avant les sous-titres.

9. Sous-titres, emphase et couvertures

  • Emphase : sélectionnez manuellement les mots qui portent l'idée (chiffres, noms, le nom sur lequel le point aboutit) dans emphasis. Toute page de sous-titre sans emphase en reçoit une automatique.
  • Titre : 4 à 9 mots, fidèle à ce qui a été dit, percutant. Mettez le point d'orgue entre *astérisques* pour qu'il reçoive l'accentuation. Il ne doit pas revendiquer plus que ce que l'intervenant a dit.
  • Image de couverture : intervenant face à l'objectif, bouche fermée si possible. Si le titre couvre la bouche, augmentez cover_shift (il fait glisser la photo vers le haut et estompe le bord).
  • Les vidéos selfie en mode talking-head sont situées plus bas dans le cadre que les images de panel : réglez caption_center vers 1430 pour que les sous-titres soient sur la poitrine, pas la bouche.

10. Rendu, révision, publication

run.sh render_all P rend chaque clip dans chaque style, exporte vers P/export/<Style>/ et affiche un tableau de vérification. Ensuite, révisez vous-même : une planche contact de toutes les couvertures à la taille de la grille, et trois ou quatre images de chaque reel. Enfin, rédigez le texte de publication pour chaque clip dans la voix de la personne. Les citations doivent correspondre à la transcription mot pour mot. Ne tagguez que les handles que vous avez confirmés. Marquez les handles inconnus [handle] pour que la personne les remplisse.

Règles strictes

  • N'attribuez jamais de paroles à la mauvaise personne. En cas de doute, abandonnez le clip.
  • Les citations dans les sous-titres, couvertures et textes de publication correspondent exactement à la transcription.
  • Ne placez jamais le nom ou la marque d'une autre organisation sur un contenu qui ne lui appartient pas. Les lockups proviennent de styles.json ; définissez-les par projet.
  • Pas de chiffres, résultats ou affirmations inventés dans les titres ou les textes.
  • Les visages et les voix sont uniquement ceux de l'enregistrement réel. Ne générez ni ne clonez jamais un intervenant.

Vidéos verticales déjà montées

Pour les vidéos talking-head finies (y compris HDR iPhone), ignorez le découpage et le cadrage : run.sh transcribe P --file <video> --clip <ID>, ajoutez le clip à clips.json avec "source_file" défini et "caption_center": 1430, puis run.sh render_all P --clips <ID>. Les index pour fix et emphasis proviennent de P/base/<ID>.words.txt. Le fichier source n'est jamais modifié.

Styles et lockups

styles.json contient les préréglages. Chacun a un label (le nom du dossier d'export), un bloc caption (polices, tailles, couleurs de surbrillance qui cyclent par page de sous-titre ou un dégradé, couleur du fond) et un bloc cover (couleurs d'accentuation, teintes inférieures, lignes de lockup, séparateur, bloom optionnel). Copiez-le dans P et modifiez-le pour personnaliser un projet. examples/summit-oak-styles.json montre une configuration entièrement personnalisée. Les polices sont chargées par nom de fichier depuis le dossier fonts/ de ce skill ; les polices variables utilisent la syntaxe "Sora:ExtraBold".

Le lockup est constitué des deux petites lignes sous chaque titre de couverture. Définissez-le dans le style, et remplacez-le par clip avec "lockup": ["LIGNE UN", "LIGNE DEUX"] dans clips.json. Les clips d'événement portent le nom de l'événement ; les vidéos personnelles portent le nom et la marque de la personne, jamais ceux de l'événement.

Pièges appris à la dure

  • Les vidéos iPhone sont en HDR (HLG). Superposer des graphismes sRGB normaux les fait briller et les sature. Les scripts détectent le HLG et convertissent les sous-titres en HDR et conservent une sortie HEVC 10 bits. Les aperçus du Finder ou des captures ffmpeg simples semblent sombres et plats ; vérifiez avec des images hlg.frame() ou sur un téléphone.
  • La sortie CSV de ffprobe peut porter une virgule finale (arib-std-b67,). Comparez avec in ou supprimez-la.
  • Les panels montés utilisent souvent des fondus, pas des coupes franches. La détection de scène par score les manque ; le détecteur de différence d'image dans shots.py les rattrape.
  • Les sous-titres blancs disparaissent sur les écrans d'application blancs. Les sous-titres reçoivent automatiquement un fond sombre lorsque l'arrière-plan derrière eux est clair.
  • Whisper divise les tokens comme $2 ,400 et 80 %. Les sous-titres les recollent, donc les index d'emphase pointent sur la première partie.
  • Instagram affiche les couvertures recadrées en 3:4 sur la grille du profil (y 240 à 1680 de 1920). Gardez tout le texte des couvertures à l'intérieur de cette bande.
  • macOS vide /tmp après quelques jours. Gardez les projets et le venv à un endroit durable.
  • Certaines versions de ffmpeg n'ont pas drawtext et certaines versions Intel ne peuvent pas utiliser l'encodeur matériel. Les scripts utilisent PIL pour tout le texte et libx265 pour le HDR, donc ils fonctionnent dans les deux cas.

Construit par Micah Burgess, Summit Oak AI. summitoakai.com

Skills associés