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 viaCHROME_PATH, ouplaywright 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, exécuterscripts/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 (voirreferences/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.pydonne une première estimation. Écrirelines.txt(lNN start= end= | texte) avec le décalage vidéo que vous utiliserez (ex. +0,25 s) et unwords.txtdécalé.
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,...puisffmpeg -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.figgénérique + 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.jsexamples/— 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 agentsscripts/— rendu, SFX, alignement, transcription, TTS gratuit, bootstrap de projet, mix finalreferences/agent_prompts.md,references/qa.md