Communitygithub.com

motion-voice

Voix d'un montage Papercut synchronisée avec l'image. Trois chemins : Qwen3-TTS local, votre propre enregistrement ou un autre TTS, ou une voix de substitution. Couvre les règles de livraison, voice.json, les sous-titres et le minutage des scènes. Utilisez-le pour 'configurer la voix', 'refaire la voix', 'synchroniser le script'.

Qu'est-ce que motion-voice ?

Ce skill permet de produire les fichiers de voix et de minutage nécessaires aux étapes avancées d'un projet Papercut. Il crée les fichiers `voice/final_narrator/<id>.wav` (un WAV par ligne de script) et `timing_narrator.js` (début et fin pour chaque mot) via trois chemins distincts : un chemin A utilisant le TTS local Qwen3-TTS, un chemin B pour votre propre enregistrement ou un autre TTS, et un chemin C pour une voix de substitution. Ensuite, il construit les sous-titres et le plan des scènes. Le skill fournit des instructions détaillées pour chaque chemin, y compris la configuration de `voice.json`, les règles de livraison (respiration, emphase, ton), la gestion des sous-titres et le passage au rendu final. Il est conçu pour fonctionner avec la bibliothèque Papercut Motion et nécessite un projet déjà structuré avec `script.json` et `episode.json`.

Compatible avec~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/boytegar/motion-skills/tree/HEAD/skills/motion-voice

Demander à votre IA préférée

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

Documentation

Voix Papercut

Chaque étape avancée a besoin de deux éléments dans le dossier « narration » : voice/final_narrator/<id>.wav (un WAV par ligne de script) et timing_narrator.js (un début et une fin pour chaque mot). Ce skill les produit via l'un des trois chemins, puis construit les sous-titres et le plan des scènes. La référence complète pour les scripts se trouve dans $MOTION_LIB/core/voice/README.md.

Pré-vol

  • Bibliothèque : $MOTION_LIB, sinon la ligne MOTION_LIB= dans ~/.config/motion-explainer/config.env, sinon demander une fois. Exportez-la, et . "$MOTION_LIB/env.sh" charge ASR_PY, QWEN_TTS_PY et les autres valeurs de configuration dans le shell.
  • Un projet structuré (motion-build, étape 1) avec narration/script.json et video/episode.json contenant scenes. new_episode.sh copie build_timing.py dans narration/.
  • Si l'utilisateur a déjà un TTS installé, utilisez-le tel quel sans le reconstruire (chemin B, ou A s'il s'agit de Qwen3-TTS). Demandez une fois lequel et où il s'exécute. Sinon, demandez quel chemin, et dites ce dont il a besoin :
CheminBesoinsMode d'installation
A. Qwen3-TTS localle venv vocal de $MOTION_LIB/core/voice/setup_tts.sh (téléchargement du modèle 2,3-4,2 Go)Complète
B. Votre propre enregistrement ou un autre TTSun backend ASR (mlx-whisper ou faster-whisper) et librosa + numpy pour le passage de hauteur, dans le Python nommé par ASR_PY et QWEN_TTS_PYComplète, ou ces paquets à la main
C. Substitutionffmpeg ; macOS pour --sayStandard

Si le chemin nécessite plus que ce que l'installation a, exécutez ./install.sh --doctor et passez la main à motion-setup. Sans ASR, build_timing.py n'estime que 2,75 mots par seconde, donc les sous-titres dérivent par rapport à l'audio réel.

Chemin A : Qwen3-TTS local

Depuis le dossier de la série :

cp $MOTION_LIB/core/voice/voice.example.json voice/voice.json     # une fois par série ; modifiez-le
$MOTION_LIB/core/voice/narrate.sh voice/voice.json episodes/NN-slug/narration
$MOTION_LIB/core/voice/finalize.sh voice/voice.json episodes/NN-slug/narration episodes/NN-slug/narration/voice/takes/narrator [num.json]
  • voice.json : speaker (CustomVoice: Aiden, Dylan, Eric, Ryan, Serena, Vivian, Sohee, Ono_anna, Uncle_fu) et instruct. Recommandé : CustomVoice 1.7B, Ryan ou Aiden, instruct "amical, naturel, conversationnel, comme parler à un ami ; pauses claires entre les phrases ; mettez l'accent sur le mot clé de chaque ligne". takes_per_line par défaut à 3. tempo reste à 1.0 (les autres valeurs nécessitent rubberband). qa_targets définit la plage de hauteur et la correspondance ASR (0.9).
  • Une ligne de script peut contenir tts (texte réécrit pour la prononciation ; les sous-titres conservent text) et son propre instruct. num.json fait correspondre les chiffres aux mots parlés ({"13 000": "treize mille"}) afin que la correspondance ASR ne échoue pas sur les chiffres.
  • Exécutez un processus TTS à la fois ; le modèle 1.7B est gourmand en mémoire.
  • finalize.sh exécute ASR et la hauteur sur chaque prise, en choisit une par ligne, la coupe, normalise le volume à -16 LUFS, réexécute ASR sur les finales et écrit timing_narrator.js. Après écoute, placez les corrections dans voice/picks_override.json ({"l3_name": 2}) et réexécutez avec SKIP_PICK=1.
  • La Conception Vocale (décrire une voix avec des mots) est un mode de Qwen3-TTS que narrate.py ne pilote pas. Générez-la ailleurs et utilisez le chemin B.

Chemin B : votre propre enregistrement ou un autre TTS

  • Placez un WAV par ligne dans voice/final_narrator/<id>.wav, ou des prises brutes sous voice/takes/narrator/<id>_<k>.wav et exécutez finalize.sh comme ci-dessus.
  • Pour les lignes terminées, transcrivez-les, écrivez voice/chosen_narrator.json comme {id: "voice/final_narrator/<id>.wav"}, puis depuis narration/ :
$ASR_PY $MOTION_LIB/core/voice/asr.py voice/final_narrator/*.wav > voice/asr_narrator_final.json
CHOSEN=voice/chosen_narrator.json TIMING_OUT=timing_narrator.js python3 build_timing.py voice/asr_narrator_final.json

Chemin C : substitution

Depuis le dossier narration/ :

python3 $MOTION_LIB/core/tools/placeholder_vo.py [--wps 3.0] [--say [VOIX]]

Il écrit des WAV silencieux (ou la voix say macOS avec --say) et timing_narrator.js à partir de script.json seul, en répartissant les temps des mots par longueur de mot. --wps 3.5 à 4 se rapproche du rythme cible (par défaut 3.0). Le montage peut être construit et minuté d'abord, puis la voix refaite plus tard : échangez les WAV, réexécutez finalize.sh, réexécutez build_vo.py, et les repères de mots suivent.

Règles de livraison

La livraison est humaine, posée et accentuée. Le spectateur doit suivre chaque ligne dès la première écoute.

  • Respiration. Une vraie pause à chaque fin de phrase et entre les battements de liste (« Bien. Bien. Bien. »). Commencez avec 0,3-0,4 s entre les lignes (gap dans episode.json, par défaut 0,22 ; gaps ajoute un battement supplémentaire après une ligne nommée) et jugez à l'oreille. Les pauses ne se mettent qu'aux limites de phrase ou de proposition : un écart de 0,2 s à l'intérieur d'une phrase, comme « copié, | en prenant… », se lit comme un décalage. Utilisez le plafond de 30 s pour respirer au lieu de couper les pauses, et ne ralentissez jamais le tempo pour y arriver.
  • Accentuation. Les un ou deux mots sur lesquels chaque ligne s'appuie (le nombre, le mot-piège, le verdict) proviennent de la table de mise en scène du script. Passez-les comme instruct par ligne.
  • Ton. Conversationnel et légèrement amusé, pas un ton d'annonceur. Les questions sonnent comme de vraies questions, l'accroche sonne curieuse, l'appel à l'action est chaleureux. Le narrateur ne plaisante toujours pas ; l'image le fait.
  • Modèle clone (sans instructions). Avec une voix clonée (ref_audio + ref_text, modèle de base), les leviers sont le texte et la prise. Écrivez les pauses dans la ponctuation (points entre les battements de liste, une question courte comme sa propre phrase). Générez plusieurs graines d'une seule prise continue (SEED_BASE, takes_per_line), choisissez celle qui a le plus de mouvement de hauteur sur les mots cibles et ASR 0.9 ou mieux, et refaites une ligne plate seule (ONLY=l4_peak) et splicez-la à une limite de phrase. Ne clonez qu'une voix dont vous avez le droit d'utiliser.
  • Script entier en une fois donne une prosodie cohérente : générez une prise, split_take.py la coupe par ligne, puis définissez "gap": 0 dans episode.json. Par scène, c'est bien si l'utilisateur préfère.
  • Jouez les trois premières lignes à l'utilisateur avant l'exécution complète : ONLY=l1_hook,l2_...,l3_... narrate.sh ....

Sous-titres et minutage

Depuis video/, une fois que episode.json contient scenes :

python3 $MOTION_LIB/core/tools/build_vo.py     # public/vo/voiceover.wav, public/vo/captions.json, src/plan.json
python3 $MOTION_LIB/core/tools/timing_md.py    # Section Timing de STORYBOARD.md

captions.json est un Caption[] de Remotion ; les limites de scène proviennent des horodatages des mots ; la durée de la composition est durationInFrames de plan.json. build_vo.py signale toute scène de moins de 1,2 s. Sans bibliothèque, transcrivez le WAV avec le skill de sous-titres Remotion (whisper.cpp) ou tout outil de reconnaissance vocale qui renvoie des horodatages de mots.

Les sous-titres sont une balise déchirée par mot, des pages de 1 à 3 mots, à 3,5-4 mots par seconde ($MOTION_LIB/style/$MOTION_STYLE/docs/style-guide.md, sections 11 et 13).

Remise

L'étape suivante est motion-build (maquettes, scènes, son, rendu). Elle lit src/plan.json et la section Timing de video/STORYBOARD.md. Tout changement ultérieur de voix réexécute build_vo.py et timing_md.py ; le cache de scène rend alors tout à nouveau.

Individual skills in this repo

This repo contains 8 individual skills — each has its own dedicated page.

bang-motion

Render a reel in the Bang Motion style: high-end cinematic motion graphics with a multi-layer glowing-horizon background, floating colour-mesh blobs, living film grain, frosted-glass UI cards, editorial kinetic typography, a breathing camera, and anti-PPT pacing. Use when the user says cinematic motion graphic, promo opener, product launch reel, kinetic typography, SaaS product tour, glassmorphic UI, anti-slides, or asks for a video that moves like footage instead of a deck. Gunakan skill ini setiap kali user meminta "video promo", "opener", "intro animasi", "motion graphic", "bumper", "kinetic typography", "animasi teks sinematik", "explainer", "video penjelasan" (jurnalisme visual, kartun edukasi, kolase), atau menunjukkan referensi video promosi/explainer dan ingin dibuatkan versi web-nya — bahkan bila mereka tidak menyebut kata "motion graphic" secara eksplisit. Juga gunakan bila user mengeluh hasil animasi web "seperti PPT/presentasi" dan ingin lebih sinematik, atau ingin meren...

isometric

Render a reel in the Isometric style: calm precise product line art in 2:1 dimetric isometric on a white or dark ground, drawn only with constant 2px hairlines, white-filled faces so nearer objects hide farther lines, rounded slabs with visible thickness, stacked layers, repeated-part grids, and one tiny dark accent per frame. Use when the user says isometric, product line art, technical illustration, exploded hardware view, or asks for a clean documentation-grade diagram look.

motion-build

Build and render a papercut episode from a storyboard with the library. Scaffolds the project, builds scenes with parallel agents, assets and audio, renders the mp4, then harvests reusables. Use for "build the reel", "scaffold an episode", "rebuild scene 4", "render it".

motion-explainer

Make a papercut reel, video or explainer end to end. Short vertical (9:16) cut-paper explainers from a link (repo, product page, announcement), idea to mp4. Also routes partial asks to the stage skills and hands out the style prompt for other tools.

motion-qa

Check a papercut reel's stills against the style DNA and the storyboard. Renders contact sheets at a few timestamps, runs the full checklist, then writes the delivery summary. Use for "QA the reel", "check my scenes look like paper", "is this ready to post".

motion-script

Turn a link into a papercut reel script. Researches a sourced facts list, writes the 75-95 word script on the 10-beat spine, a banner fact track, a staging table with one set per banner, and the humour pass. Use for "write the script", "research this repo for a reel".

motion-storyboard

Storyboard a papercut script before any code. Writes the Camera / Cut table, one block per scene with frame-level events on each stressed word, the SFX plan and the proof beat. Use for "storyboard this script" or "plan the camera moves and cuts".

papercut

Render a reel in the Papercut style: layered construction paper brought to life with paper grain, torn edges, stacked shade strips, drop shadows, rigid cut-out animation, a slow camera push, taped headline banners and word-by-word torn-tag captions. Use when the user says cut paper, papercraft, paper cutout, paper collage, construction paper, or asks for the default handcrafted explainer look.

Skills associés