Communitygithub.com

paper-explainer

Crée une vidéo explicative animée au format "paper-cutout" (9:16), avec narration, légendes en anglais sur du papier déchiré, props plats, fonds en demi-teintes et un look grainé / RGB split, grâce à un pipeline multi-agent.

Qu'est-ce que paper-explainer ?

Cette compétence génère automatiquement des vidéos explicatives courtes (60 à 95 secondes) dans un style "paper-cutout", idéal pour des reels ou shorts sur des sujets variés (histoire d'un produit, retournement de situation, événement marquant). Elle orchestre un pipeline multi-agent en plusieurs étapes : d'abord un agent de recherche et script qui vérifie les faits et produit un script narré (14-17 lignes), un tableau d'idées visuelles et de légendes, ainsi que des actifs partagés. Ensuite, une voix off est générée (de préférence via ElevenLabs, avec fallback gratuit edge-tts) avec contrôle qualité automatique pour garantir la justesse des nombres et dates. Trois agents scéniques travaillent en parallèle sur des portions de la timeline pour créer les scènes animées en SVG/HTML, rendues image par image avec Chrome headless. L'utilisateur review le résultat via une planche contact, puis le rendu final est mixé (musique, effets sonores, ducking) et publié. La compétence s'appuie sur Python, Playwright, ffmpeg et respecte des règles de contenu strictes (faits sourcés, pas de caricatures, cartes neutres, pas de logos politiques).

Compatible avec~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/sknitd/paper-explainer-skill/tree/HEAD/skills/paper-explainer

Demander à votre IA préférée

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

Documentation

Shorts explicatifs en paper-cutout (multi-agent)

Sortie : 1080×1920, 24 ips, 60–95 s MP4 avec narration, musique réduite et effets sonores synchronisés. Aspect : props SVG plats avec contour blanc "sticker" + ombre portée, fonds en demi-teintes ou en rayons de soleil, légendes en anglais en CAPITALES sur papier déchiré (Bebas Neue), léger split RGB + grain argentique + vignette.

Tout est rendu à partir d'HTML/SVG par Chrome headless image par image (déterministe), donc les scènes sont des fichiers JS simples, écrits par les agents contre un petit moteur (template/engine.js, documenté dans template/ENGINE.md).

Prérequis

  • Environnement Python 3 avec : playwright (utilise Chrome système via CHROME_PATH, ou playwright install chromium), numpy, opencv-python-headless (optionnel), faster-whisper (timing/QA), edge-tts (voix de secours gratuite).
  • ffmpeg, curl, bc. Optionnel : connecteur MCP ElevenLabs pour la narration et la musique.

Pipeline (suivre dans l'ordre)

1. Agent de recherche + script (arrière-plan)

Lancer UN agent généraliste avec l'invite dans references/agent_prompts.md#research. Il doit vérifier sur le web chaque fait, attribuer les affirmations, signaler les rumeurs, et retourner : SCRIPT (14–17 courtes lignes parlées, ~950–1 150 caractères, les nombres écrits en toutes lettres, les noms dans le script de narration), TABLEAU (légendes / idée visuelle / fond par ligne), FAITS avec URLs, INCERTAINS / NON UTILISÉS. Pour les sujets très récents, lui donner la date du jour et lui demander de d'abord confirmer à quoi le sujet fait référence. Pendant son exécution : scripts/new_project.sh <dir> et dessiner les props partagés que l'histoire nécessite (un design cohérent par objet/personnage récurrent) à la fin de <dir>/engine.js ; rendre une image de test pour les vérifier.

2. Voix off

  • Préférée : ElevenLabs eleven_v4, un narrateur documentaire (ex. Hindi "Natraj – Informative Documentary Host"), 2 prises, script avec des balises [curious]/[dramatic]/[thoughtful] espacées. Vérifier d'abord les crédits.
  • Secours (gratuit, donne des timings ligne par ligne exacts) : mettre les lignes simples dans <dir>/script.txt, exécuter scripts/edge_tts_lines.sh <dir> hi-IN-MadhurNeural +20% → vo.wav + lines.txt.
  • QA chaque prise : les modèles TTS peuvent déformer les nombres/dates. Transcrire avec scripts/words.py ; Whisper lui-même formate mal les nombres en hindi, donc revérifier les années suspectes avec les chiffres supprimés (voir references/qa.md). Choisir la prise qui dit chaque nombre correctement.
  • Timings des lignes pour un fichier unique : détection de silence (ffmpeg -af silencedetect=n=-38dB:d=0.15) + timings des mots ; scripts/align_lines.py donne une première estimation. Écrire lines.txt (lNN start= end= | texte) avec le décalage vidéo que vous utiliserez (ex. +0,25 s) et un words.txt décalé.

3. Trois agents scéniques en parallèle (arrière-plan)

Diviser la timeline aux sauts de lignes en parties de ~25–30 s. Lancer trois agents généralistes en UN message en utilisant references/agent_prompts.md#scene — chacun possède uniquement scenes_N.js, reçoit sa plage temporelle exacte, ses lignes de narration avec les heures de début/fin, les battements de mots-clés, un storyboard (issu du TABLEAU), les actifs partagés, et les règles : IIFE + préfixes pN_, les scènes couvrent exactement la plage, la légende du haut ~0,1 s après un cut, quelque chose de nouveau toutes les ~1 s, rendre des images de test et les REGARDER, supprimer les PNG.

4. Intégration + révision (vous)

  • Rendre ~30 images espacées uniformément en une planche contact (render_html.py ... 999 t1,t2,... puis ffmpeg -pattern_type glob -i 'test_*.png' -vf scale=170:-1,tile=11x3) et la Lire.
  • Corriger : nombres/affirmations inventés à l'écran (les agents en ajoutent parfois — les supprimer), cartes/logos imprécis, caricatures de personnes réelles, chevauchements, texte hors écran, images vides.

5. Rendu, mixage, publication

scripts/render_video.sh <dir> <durée> <narration> <musique> <vo_delay_ms> <out.mp4> rend toutes les images, construit la piste SFX à partir des événements du moteur, réduit la musique sous la voix (~-14 LUFS), et muxe. Pour refaire la voix d'une vidéo existante sans reconstruire les scènes, rendre avec WARP=anchors.json (mappe les nouveaux départs → anciens départs ; voir references/qa.md). Livrer via le canal préféré de l'utilisateur.

Règles de contenu (toujours)

  • Faits uniquement issus de la liste sourcée de l'agent de recherche ; les chiffres d'argent/box-office/sondages étiquetés "REPORTED"/sourcés ; les comptes incertains affichés comme minima ("250+").
  • Personnes réelles : buste A.fig générique + étiquette de nom en anglais, jamais de caricature ; pas de divinités religieuses dessinées — utiliser des motifs abstraits ; pas de logos de marque/parti (dessiner des badges/oiseaux/lettres génériques).
  • Cartes : éviter les contours de pays avec des frontières disputées/sensibles ; utiliser des tableaux sans bord ou des grilles de tuiles, et étiqueter les visuels illustratifs comme tels.
  • Politique : neutre, attribué, pas de moquerie ni de prédictions.

Fichiers

  • template/ — index.html, engine.js (moteur + packs d'actifs), ENGINE.md (API pour les agents), scenes_1..3.js
  • examples/ — code scénique de quatre vidéos terminées (Effet Streisand, Statue de la Liberté, le badge bleu de Twitter, les élections de mi-mandat américaines 2026) : la barre de qualité/rythme pour les agents
  • scripts/ — rendu, SFX, alignement, transcription, TTS gratuit, bootstrap de projet, mix final
  • references/agent_prompts.md, references/qa.md

Skills associés