🎬 Générateur de Vidéo en Un Clic
Description
Appelle l'API Chanjing pour effectuer le TTS, la synthèse d'avatar numérique, la génération de vidéo par IA et l'encapsulation locale. Intègre ffmpeg / ffprobe pour l'assemblage, le transcodage et l'alignement des pistes. Les détails d'orchestration et de sécurité se trouvent dans les §3–§8 et dans templates/. La commande de génération finale est décrite au §5.
Dépendances d'exécution
Binaires ou équivalents nécessaires (voir §5 et run_render.py pour les détails d'appel) :
- ffmpeg : assemblage, transcodage, encapsulation
- ffprobe : métadonnées (durée, résolution, rotation) pour l'alignement avec les pistes d'avatar numérique
- chan-skill (ou appel direct via
pythonaux scripts des sous-compétences du même dépôt) : pilote les CLIchanjing-tts,chanjing-video-compose,chanjing-ai-creation, etc.
Variables d'environnement et déclarations lisibles par machine
- Variables d'environnement optionnelles (valeurs par défaut ou chemins inférés, non obligatoires avant l'exécution) : voir le haut de
scripts/run_render.pyet le code source des sous-compétences ; le chemin des identifiants se trouve dansmanifest.yamlcredentials. - Conformité
permissions,clientPermissions,agentPolicy, modèle d'identifiants :manifest.yaml
§3.2 aligné avec run_render.py ; en cas de conflit avec manifest.yaml, manifest.yaml prévaut.
Commandes d'utilisation
- ClawHub (le slug dépend du registre, généralement identique au nom du skill) :
clawhub run chanjing-one-click-video-creation - Connexion directe à ce dépôt :
python scripts/run_render.py --input workflow.json --output-dir ./outputs/run1(à exécuter dans le répertoire du skill, ou avecSKILLS_DIR/CHANJING_ONE_CLICK_VIDEO_SKILLS_ROOT/CHAN_SKILLS_DIR)
Aide-mémoire
| Contenu | Emplacement |
|---|---|
Workflow, duration_sec, null/fusion, validation du sujet | §4.1 |
Découpage, miroir pair/impair, scenes[], scene_count/video_type ; premier plan voiceover ≤20 caractères (obligatoire) | Début de storyboard_prompt.md « Découpage du texte » ; script_prompt.md pour le premier plan ; video_brief_plan.md |
Technologie de rendu, statut, partial/success, contraintes strictes | render_rules.md §1–§4 ; §7, §8 |
ref_prompt / prompt de génération IA | storyboard_prompt.md + history_storyboard_prompt.md ; pointeur §4.2 |
| Champs du corps de la requête et valeurs par défaut | §6 |
run_render.py, processus fils CLI | §5 |
| Sécurité, identifiants, périmètre de confiance, stratégie | manifest.yaml + §3.1 (§3.1 ne répète pas le tableau de manifest) |
| Variables d'environnement, binaires, effets de bord, écriture sur disque | §3.2 |
Conflits : L'implémentation du rendu est définie par render_rules.md ; les règles relatives à ref_prompt sont définies par storyboard_prompt.md / history_storyboard_prompt.md (pointeur récapitulatif §4.2). run_render.py implémente uniquement §5 + render_rules.md, sans ajouter de règles métier. Exécution : orchestration manuelle des sous-compétences, utilisation de run_render uniquement, ou mixte.
1. Ce qu'elle fait
- Sujet ou texte complet →
video_plan, texte de narration complet, storyboard - TTS : priorité au texte entier ; si trop long, fusion par lots selon le découpage (détails et limites de caractères dans
render_rules.md§3·C.4) - Découpage de l'audio par plan
- Plans avec avatar numérique :
chanjing-video-compose(piloté par l'audio) - Plans IA :
ref_prompt→chanjing-ai-creation→ synthèse avec l'audio du plan - Encapsulation : alignement de la piste d'avatar numérique commune → concaténation via ffmpeg → fichier MP4 local
2. Quand l'utiliser / Quand ne pas l'utiliser
| Adapté | Pour obtenir une vidéo finale ; narration et montage IA ; l'utilisateur demande explicitement une vidéo courte |
| Pas adapté | Uniquement un script/un titre ; pas de demande de vidéo ; montage de séquences existantes uniquement |
3. Prérequis
- Authentification :
chanjing-credentials-guard; le chemin et les champs des identifiants se trouvent dansmanifest.yamlet §3.1 ; en l'absence d'identifiants, les processus fils peuvent utiliseropen_login_page.py - Plan/Script/Storyboard : logique locale de l'agent, aucune clé API LLM externe nécessaire (le chemin obligatoire de ce skill ne dépend pas d'un LLM externe)
- Binaires locaux et structure du dépôt : §3.2 (
ffmpeg/ffprobe,SKILLS_DIR, etc.) - Avatar numérique et timbre vocal : Ne pas utiliser de variables d'environnement ou de fichiers cachés dans le dépôt pour enregistrer des valeurs « par défaut » pour
audio_man/person_id/figure_typeentre les tâches. Chaque tâche doit les renseigner explicitement à la racine duworkflow.json; l'agent, en fonction duvideo_plan(ex.video_type), du personnage de narration et de la sémantique du sujet, appellelist_voices.pyetlist_figures.py(--sourceaveccommon/customisedselon la tâche) et écrit les valeurs choisies ;audio_mandoit correspondre à l'audio_man_idde l'avatar sélectionné. - Sélection des avatars numériques publics (interdiction de prendre uniquement les premiers résultats) : utiliser
list_figures.py --source common --jsonpour récupérer les candidats (augmenter si nécessaire--page-sizeou paginer pour couvrir suffisamment d'entrées), puis comparer chaque entrée avant de finaliser :name,figures[].type(→figure_type),figures[].width/height(format d'image cohérent avec D.1c),audio_man_id,audio_name(si présent) et leur adéquation avec levideo_plan/personnage de narration (genre, tempérament, secteur, tranche d'âge). Par défaut, privilégier un avatar jeune et dynamique : prioriser les noms ouaudio_namecontenant des signaux positifs comme jeune/jeune fille/garçon/étudiant/énergie/jeunesse ; ne sélectionner un personnage mature, autoritaire, d'âge moyen, etc. que si le sujet ou l'utilisateur le demande explicitement. Pour la sourcecustomised, comparer égalementname,width/height,audio_man_id, etc., sans prendre les premières entrées sans comparaison.
3.1 Sécurité, identifiants et périmètre de confiance
Les variables d'environnement et les binaires sont définis par manifest.yaml et §3.2. En révision, se référer à la description et à manifest.yaml (incluant agentPolicy).
- Capacités et étapes : description étape par étape au §1 ; responsabilités de
run_renderet processus fils au §5 (non répété ici). - Identifiants principaux / chemins / primaryEnv : voir
manifest.yaml; les chemins et le comportement d'écriture sont détaillés dans le tableau de §3.2 « État des identifiants » et viaCHANJING_OPENAPI_CREDENTIALS_DIR(compatible avecCHANJING_CONFIG_DIR). - Sensibilité et conformité : Ne pas afficher les clés complètes, ne pas commiter
credentials.jsondans le dépôt ; permissions recommandées0700/0600(idéalement définies par le script de configuration). - Confiance et comportement sortant : HTTPS, téléchargement des médias via les URL retournées, écriture dans
--output-dir(voir §3.2 « Effets de bord typiques » et tableau de persistance) ; juger par vous-même si vous faites confiance aux hôtes et liens Chanjing. - Navigateur :
webbrowser.open/open_login_page.pyen l'absence d'identifiants (voir §3.2 même tableau). - Stratégie de l'agent :
agentPolicydansmanifest.yaml(pasalways, ne modifie pas d'autres skills).
3.2 Contrat d'exécution (variables d'environnement, binaires, effets de bord et écriture sur disque)
Aligné avec le comportement de scripts/run_render.py et des sous-compétences du même dépôt ; cohérent avec le YAML en en-tête et manifest.yaml. En cas de parallélisme avec une autre documentation produit, les sources de ce dépôt, manifest.yaml et le présent document font foi.
Variables d'environnement (surcharge optionnelle)
Le nommage suit les Règles de conformité.md §3 à la racine du dépôt. La liste ne détaille pas les variables optionnelles une par une : l'exécution est possible sans elles. Le répertoire des identifiants se trouve dans manifest.yaml credentials (directoryEnv, defaultPath). openapi_base_url, one_click_skills_repository_root, one_click_ref_prompt_max_chars, one_click_ai_creation_model_code dans run_render.py et les variables d'environnement des processus fils sont les implémentations de la surcharge optionnelle et de la compatibilité des anciens noms pour ce skill.
Note : Certaines variables comme
FIRST_DIGITAL_HUMAN_MAX_CHARSdans la documentation externe ne sont actuellement pas lues parrun_render.py.
Binaires externes
| Binaire | Nécessité | Utilisation |
|---|---|---|
ffmpeg | Nécessaire pour exécuter run_render.py | Assemblage, transcodage, encapsulation audio/vidéo, etc. Non requis si l'on orchestre uniquement les API sans exécuter ce script de rendu. |
ffprobe | Idem | Lecture de la résolution, durée, métadonnées de rotation, etc., pour l'alignement avec les pistes d'avatar numérique. |
Effets de bord typiques lors de l'exécution du script (par catégorie)
| Type | Description |
|---|---|
| HTTPS sortant | API Chanjing Open ( CHANJING_OPENAPI_BASE_URL / compatible CHANJING_API_BASE ), ainsi que le téléchargement des médias via les URL video_url / audio retournées par les interfaces/CDN. |
| Fichiers locaux | Dans le répertoire run_render.py --output-dir : final_one_click.mp4, workflow_result.json, work/ (audio intermédiaire, vidéos segmentées, liste de concaténation, etc.) ; se référer à la commande en cours et à templates/render_rules.md. |
| Processus fils | ffmpeg / ffprobe ; run_render appelle via subprocess les CLI Python dans les dossiers skills/chanjing-tts, chanjing-video-compose, chanjing-ai-creation du même dépôt. |
| Navigateur | En cas d'absence d'identifiants ou de demande de connexion, la chaîne d'authentification peut exécuter webbrowser.open ou open_login_page.py de chanjing-credentials-guard (comportement cohérent avec les _auth.py des différents skills). |
Étendue des modifications persistantes et contrôlabilité par l'utilisateur
Ces éléments sont des effets de bord attendus pour ce skill ; l'emplacement d'écriture peut être contrôlé via les chemins et variables d'environnement, sans polluer implicitement les répertoires non concernés.
| Catégorie | Écrire quoi | Emplacement typique | Comment l'utilisateur contrôle |
|---|---|---|---|
| État des identifiants | app_id / secret_key écrits, access_token, expire_in après rafraîchissement, etc. | CHANJING_OPENAPI_CREDENTIALS_DIR/credentials.json (par défaut ~/.chanjing/credentials.json ; compatible avec CHANJING_CONFIG_DIR) | Définir le nom recommandé ou l'ancien nom ; ou déplacer/supprimer ce fichier ; ne pas commiter la clé secrète dans le dépôt. |
| Artéfacts de la vidéo en un clic | final_one_click.mp4, workflow_result.json, work/, etc. | Défini par run_render.py --output-dir (généralement outputs/<nom_de_la_tâche>/) | Utiliser un --output-dir explicite ; conserver ou supprimer ce dossier après la tâche selon les besoins. |
| Autres scripts de téléchargement (sous-compétences) | Résultats de la synthèse vers le local | download_result.py des sous-compétences : par défaut dans le répertoire de travail courant sous outputs/<ligne_de_produit>/, ou via un chemin absolu --output | Exécuter dans le cwd prévu, ou toujours passer --output ; voir le SKILL.md de la sous-compétence concernée. |
| Fichiers temporaires / de processus | Fusion TTS, découpage, cache avant upload, etc. | Principalement dans le work/ sous le output-dir mentionné, ou un sous-répertoire convenu par le script | Gérés avec le répertoire de sortie. |
Fichier d'identifiants : chemin et sémantique de lecture/écriture dans le tableau ci-dessus, ligne État des identifiants ; configuration initiale dans skills/chanjing-credentials-guard/SKILL.md.
4. Compilation des règles
4.1 Orchestration du workflow
Fusion : null = ne pas écraser. Ordre : valeur par défaut de base → écrase si non null → correction booléenne/entière. Valeurs par défaut des champs au §6 ; les absences non listées dans le tableau sont lues par run_render.py (et les processus fils) selon l'implémentation et les variables d'environnement (à l'exception du timbre : audio_man, person_id/avatar_id, figure_type proviennent uniquement du workflow.json, voir §3).
duration_sec : référence de planification, pas une limite supérieure pour ffmpeg. La durée de la vidéo finale est basée sur le TTS+ffprobe. scene_count se trouve dans video_brief_plan.md ; le découpage et le nombre de séquences IA dépendent des mesures réelles et de la ligne de temps des sous-titres (render_rules.md §3·C.5). Interdiction de rogner la narration déjà finalisée pour atteindre la durée (sauf demande de l'utilisateur).
Sujet : Rejeter les espaces blancs <5 caractères, les chaînes de remplissage (ex. « bonjour », « test ») ; possibilité de développement ; en mode strict, échec si ambigu.
Étapes : 1) Plan → video_brief_plan (échec = échec total ; modèle dans video_brief_plan.md) 2) Script (accroche / alignement du premier paragraphe avec le premier plan : limite stricte de ≤20 caractères, voir script_prompt.md) 3) Storyboard : découpage sémantique ; storyboard_prompt.md (voiceover du premier plan avec la même limite stricte) ; history_storyboard_prompt.md pour les époques non contemporaines ; DH chanjing-video-compose, IA chanjing-ai-creation ; TTS/plans IA multiples/mux render_rules.md §3, §5 4) Render : render_rules.md §3 (incluant §3·C.6), §4 (tableaux 4–6) ; contrôle qualité du ref_prompt dans storyboard_prompt.md / history_storyboard_prompt.md (§4.2) ; retry/partial render_rules.md §1 5) Succès : render_rules.md §1
Rendu uniquement : run_render.py + full_script + scenes[]. Ordre : Plan → Script → Storyboard → Render (voir les étapes ci-dessus pour le modèle à utiliser à chaque phase).
4.2 Prompt de génération vidéo IA (ref_prompt) — Pointeur
Source unique de vérité (les révisions se basent sur les modèles, ce document ne répète pas les tableaux D.1–D.4) :
| Champ | Modèle |
|---|---|
Contemporain, contexte par défaut D.0 et inférence culturelle, longueur D.1, D.1a, D.1b (sujet aux hallucinations, partagé par tout le skill), D.2 contemporain, visual_prompt manuel, D.3, D.4 assemblage contemporain et 7 éléments / clusters thématiques / assemblage d'un plan simple / auto-vérification | templates/storyboard_prompt.md → « Prompt de génération vidéo IA (vérité contemporaine) » |
| D.2 non contemporain, routage, logique de flux historique, cohérence culturelle et nationale, discipline des espaces réservés, articulation avec D.3/D.4 | templates/history_storyboard_prompt.md |
| Ethnicité, styles historiques/non contemporains chinois et expressions en anglais lors de l'apparition de personnages | templates/visual_prompt_people_constraint.md (ancrage ethnique explicite, section Historique / Non contemporain ; également render_rules.md §4 tableaux 4–6) |
Référence uniquement ici : audio long divisé en segments render_rules.md §3·C.6 ; limite de caractères CHANJING_ONE_CLICK_VIDEO_REF_PROMPT_MAX_CHARS (compatible AI_VIDEO_PROMPT_MAX_CHARS). En cas de conflit entre le modèle et l'implémentation de render_rules.md, c'est render_rules.md qui prévaut.
5. Orchestration automatisée (run_render.py)
Dépendances : authentification ; SKILLS_DIR / CHANJING_ONE_CLICK_VIDEO_SKILLS_ROOT / CHAN_SKILLS_DIR (§3) ; chanjing-tts / chanjing-video-compose / chanjing-ai-creation
Responsabilités : ① TTS+audio_task_state ; fusion par lots et limite de caractères par lot voir render_rules.md §3·C.4 (TTS_BATCH_MAX) ② Découpage (render_rules.md §3·C.5) ③ S'il y a des plans IA, terminer d'abord le premier avatar numérique et ffprobe (incluant rotate) → puis soumettre les prompts IA avec aspect_ratio/clarity basés sur cette référence (voir render_rules.md §3·C.6 et debug.ai_video_submit_params) ④ Polling parallèle des autres DH/AI ⑤ Alignement des pistes IA sur cette référence ffprobe ⑥ Concaténation ffmpeg ⑦ Ajout de niveaux en anglais après ref_prompt pour les prompts IA multiples ; longueur totale limitée par CHANJING_ONE_CLICK_VIDEO_REF_PROMPT_MAX_CHARS (compatible AI_VIDEO_PROMPT_MAX_CHARS)
Ne fait pas : ne génère pas de plan/script/storyboard ; ne détermine pas automatiquement contemporain/non contemporain ; n'utilise pas list_tasks.py pour les tâches contemporaines (render_rules.md §4, entrée 8)
Orchestration manuelle : doit toujours satisfaire render_rules.md §3, §4 et §5 ; les détails de §3 (comme silencedetect, minterpolate, débit binaire de la piste de référence, changement d'avatar sur un même segment audio découpé, silence entre les lots TTS, etc.) sont tous conservés.
MVP d'entrée
| Champ | Obligatoire | Description |
|---|---|---|
full_script | Oui | Concaténation des voiceover de chaque plan par scene_id, norm cohérente |
scenes | Oui | scene_id, voiceover, use_avatar ; plans IA : ref_prompt (storyboard_prompt.md / history_storyboard_prompt.md ; §4.2) ; subtitle optionnel |
audio_man | Oui | Doit correspondre à l'audio_man_id de l'avatar numérique sélectionné |
person_id/avatar_id | Conditionnel | Obligatoire s'il y a un plan DH |
figure_type | Non | Doit correspondre au figure_type de l'avatar sélectionné via list_figures.py (obligatoire si plusieurs formes pour un avatar public) |
subtitle_required | Non | false par défaut ; si true, grave les sous-titres pour les plans avatar numérique (--subtitle show) |
speed/pitch | Non | 1/1 par défaut |
ai_video_duration_sec | Non | 5 ou 10, 10 par défaut |
model_code | Non | Par défaut CHANJING_ONE_CLICK_VIDEO_CREATION_MODEL_CODE (compatible AI_VIDEO_MODEL) ou Doubao-Seedance-1.0-pro ; creation_type=4 ; ne pas passer ref_img_url |
max_retry_per_step | Non | 1 par défaut (§6) |
python scripts/run_render.py --input workflow.json --output-dir ./outputs/run1
Sortie : final_one_click.mp4 ; workflow_result.json ; work/
6. Entrée (corps de la requête)
norm : supprimer \r, espaces en début/fin ; vide → chaîne vide ; cohérent avec run_render.py. Narration : d'abord full_script, puis le premier non vide parmi script→copy_text→input_script→content. Pas de topic : utiliser la première phrase comme sujet (tronquer à 40 caractères si un signe de ponctuation de fin de phrase est rencontré, sinon 24 caractères). null/fusion §4.1.
| Champ | Obligatoire | Description |
|---|---|---|
topic | Conditionnel | Sinon, voir règle de la première phrase ; recommandé ≥5 caractères |
industry/platform/style | Non | industry vide ; platform/style : DEFAULT_* ou douyin/narration opinion |
duration_sec | Non | DEFAULT_DURATION ou 60 ; référence de planification |
use_avatar | Non | true par défaut |
avatar_id/voice_id | Non | vide ; ne pas utiliser de variables d'environnement pour définir un timbre ou un avatar par défaut ; spécifier audio_man/person_id (et figure_type s'il y a un plan DH) dans workflow.json ; l'agent appelle list_voices.py et list_figures.py (source cohérente avec le video_plan / demande explicite de l'utilisateur) et sélectionne après comparaison du name, de la forme, du format d'image, de audio_name, etc. ; interdiction de prendre les premières entrées sans comparaison ; préférence par défaut pour un avatar jeune (voir §3) |
subtitle_required | Non | false par défaut (pas de sous-titres gravés pour la vidéo finale avec avatar numérique ; run_render passe hide) |
cover_required | Non | true par défaut |
strict_validation/allow_auto_expand_topic/max_retry_per_step | Non | true/false/1 |
full_script | Non | Chaîne vide par défaut |
script_title/script_hook/script_cta | Non | Chaîne vide par défaut |
script/… | Non | Voir l'ordre de narration ci-dessus |
7. Sortie JSON
| Clé | Signification |
|---|---|
status | success / partial / failed |
video_plan | Plan |
script_result | title, hook, full_script, cta |
storyboard_result.scenes[] | scene_id, duration_sec, voiceover, subtitle, visual_prompt, use_avatar |
render_result | video_file, scene_video_urls, render_path, degrade_log |
| Autres | error, debug… |
Aucune dégradation du rendu : si une étape échoue, le processus est interrompu, sans basculer automatiquement vers un rendu uniquement DH ou uniquement IA. Partial : n'a pas atteint success (ex. anomalie dans run_render mais écriture de workflow_result.json) ; ne signifie pas que la dégradation ci-dessus est autorisée, ne dispense pas du contrôle qualité de type storyboard_prompt.md·D.1b. degrade_log=[] en cas de succès ; en cas d'échec, conserver autant que possible le script et le storyboard déjà produits.
8. Contraintes strictes
Listées dans templates/render_rules.md §4 ; le croisement avec ref_prompt est détaillé dans storyboard_prompt.md / history_storyboard_prompt.md (pointeur §4.2). Cette section sert de point d'ancrage.
9. Limitations
- MP4 local ; pas d'upload
- Un segment AI dure généralement 5–10s ; s'il y a une longue narration, plusieurs segments
- Durée de la vidéo finale = durée totale de la piste TTS ; peut différer de
duration_sec - TTS : priorité à la piste entière, fusion par lots si trop long ; la limite par lot et la stratégie de fusion (incluant
TTS_BATCH_MAX) sont définies dansrender_rules.md§3·C.4 - L'échec de la génération IA peut provenir de la plateforme/modèle ; essayer d'augmenter
max_retry_per_step, de raccourcirref_prompt, de diviser le plan ; vérifierworkflow_result.json