Pipeline Vidéo Sans Visage (Faceless Video)
Construisez une vidéo pour chaîne sans visage sous forme d'un pipeline déterministe en 4 étapes. Source de décomposition :
~/2nd Brain/2nd Brain/Wiki/research-faceless-youtube-claude-code-pipeline-2026-06-26.md.
Règles strictes (risque de plateforme + qualité)
- Voix = ElevenLabs Voice Artist (plan payant de Phill), PAS d'enregistrement humain. La crainte que « la voix IA vous fasse bannir » de la vidéo source est FAUSSE — voir la politique de divulgation YouTube dans
Sources/youtube-synthetic-content-disclosure-policy-2026-06-26.md. La vraie règle : la divulgation YouTube pour contenu modifié/synthétique est requise pour la musique IA, une voix synthétique qui N'EST PAS le propre clone du créateur, ou une IA réaliste de vraies personnes/lieux/événements — et n'est PAS requise pour les animations/doodles. La divulgation est sans coût (aucun impact sur l'audience/monétisation), donc PAR DÉFAUT OUI chaque fois que la vidéo contient de la musique IA ou une voix synthétique non personnelle (ce que notre pipeline fait toujours). Définissez-la dans YouTube Studio → Attributs → « Utilisation de l'IA » → Oui. Définissez « Pour enfants » = Oui uniquement pour le contenu destiné aux enfants (HISTOIRE/garde d'enfants). - Un seul jeton de style, chaque image. Verrouillez une seule description de style en amont ; chaque image générée la porte textuellement pour que la chaîne reste visuellement cohérente.
- Autorité adaptée au mode (voir le commutateur Étape 0). FAIT/non-fiction : citez des études/dates/statistiques réelles, faites des recherches avant d'écrire, vérifiez l'exactitude des affirmations. HISTOIRE/fiction : récit inventé ; l'autorité est l'émotion, pas les faits ; vérifiez plutôt l'adéquation à l'âge et à la marque (par ex. garde d'enfants = doux, sûr, adapté à l'âge). Ne présentez JAMAIS la fiction comme un fait et n'inventez PAS de « faits » en mode factuel.
- Images fixes + voix off, pas d'animations. C'est le format des chaînes de doodles. Si l'utilisateur veut des animations/effets de montage, déléguez à
video-directorà la place.
Substrat — Distinction IMPORTANTE
La vidéo source utilise Higgsfield (Claude Code MCP). Nous n'utilisons PAS Higgsfield. La plateforme d'images de Phill est Artlist (artlist.io, AI Toolkit), pilotée dans le navigateur via browser-harness. NB : « artist.io » est une faute de frappe pour artlist.io.
- Génération d'images (principale) : Artlist AI Toolkit sur
toolkit.artlist.io/image-video-generator?mode=image(modèle Nano Banana 2, 16:9 / 2K). Mécanismes éprouvés en production décrits à l'Étape 3. - Génération d'images (solution de repli) :
mcp__margot__image_generate(également Nano Banana 2) — uniquement pour les tests sans surveillance. Jamais Higgsfield. - Voix off : ElevenLabs TTS via API REST. Clé + voix par défaut dans
~/.hermes/.env(ELEVENLABS_API_KEY,ELEVENLABS_VOICE_ID) — à résoudre par programme, ne jamais copier-coller. Pas d'enregistrement humain. - Récupération de transcription :
yt-dlp. Horodatages : alignement ElevenLabs (principal) ouwhisper-cli(solution de repli). Assemblage :ffmpeg.
Dossier de travail
Créez ~/faceless-video/<topic-slug>/ et conservez tous les artefacts : reference-format.md, script.md, voiceover.mp3, transcript.json, images/NN.png, final.mp4.
Étape 0 — COMMUTATEUR DE MODE (DEMANDER D'ABORD, avant tout)
Le moteur sert des tâches opposées selon les clients/applications, donc la PREMIÈRE question à chaque exécution est :
« Est-ce un script FAIT (non-fiction) ou HISTOIRE (fiction) ? » Enregistrez
modedans le dossier de travail (mode.txt). Il branche l'ensemble du processus :
| FAIT (non-fiction) | HISTOIRE (fiction) | |
|---|---|---|
| Cas d'usage | produit éducatif, explicatifs, « le saviez-vous » | contes pour enfants, paraboles, histoires pour le coucher/de marque |
| Référence | accroche + corps en 3 piliers + conclusion | personnage → défaut → quête → leçon → résolution |
| Autorité | études/statistiques/dates réelles recherchées ; vérification d'exactitude | résonance émotionnelle ; vérification d'adéquation à l'âge/à la marque |
| Règle stricte | n'inventez jamais de faits | ne présentez jamais la fiction comme un fait |
| Divulgation YouTube | Utilisation de l'IA = Oui (musique IA/voix présente) | Utilisation de l'IA = Oui + Pour enfants = Oui (destiné aux enfants) |
Si l'appelant sous-entend déjà le mode (par ex. « une histoire pour ma femme sur la garde d'enfants » → HISTOIRE ; « expliquez X pour mon produit » → FAIT), confirmez-le en une ligne plutôt que de redemander. La gestion des références par défaut, le modèle de script et les vérifications découlent tous de ce commutateur.
Étape 0b — Jeton de style (une fois par chaîne, puis réutilisé)
Demandez à l'utilisateur 3 à 5 captures d'écran de référence du style visuel cible. Invitez l'analyse :
« Analysez le style visuel de cette image pour un générateur d'images IA. Donnez (1) une courte description de style positive que je puisse coller comme invite, (2) une liste d'invites négatives pour éviter une dérive vers un résultat réaliste ou trop sophistiqué. Concentrez-vous uniquement sur le style, pas sur le sujet. » Enregistrez le résultat sous
style-token.mddans la racine de la chaîne (réutilisé pour toutes les vidéos de cette chaîne).
Étape 1 — Script (se ramifie en fonction du mode de l'Étape 0)
- Demandez le sujet et une URL de vidéo de référence éprouvée dans le même mode (une chaîne de faits pour FAIT, une chaîne d'histoires pour HISTOIRE — ne mélangez pas les genres).
- Récupérez la transcription de référence :
yt-dlp --write-auto-sub --sub-lang en --skip-download --sub-format vtt -o 'ref-%(id)s.%(ext)s' '<URL>'. Nettoyez le.vtt(supprimez les horodatages/balises, dédupliquez les lignes défilantes de sous-titres automatiques). - Décomposez en un modèle réutilisable, par mode :
- FAIT : accroche (les micro-rythmes), introduction/promesse, le corps en 3 piliers, phrases de transition, longueur totale.
- HISTOIRE : protagoniste + un défaut partagé, le manque, l'incident déclencheur, le voyage, une démonstration MONTRÉE (pas racontée), une phrase de sagesse mémorable, la réalisation intérieure, une conclusion tournée vers l'avenir.
Enregistrez sous
reference-format.md.
- Rédigez un NOUVEAU script sur le sujet dans ce modèle. FAIT : exécutez d'abord la compétence
source-ingestpour extraire des données crédibles de niveau 1-2 dans la bibliothèqueSources/, puis rédigez le script en ne citant que ces sources enregistrées et vérifiez chaque affirmation par rapport à elles. HISTOIRE : inventez librement, vérifiez l'adéquation à l'âge/à la marque. Produisez un script PROPRE (sans indications de scène) dansscript.md. - Confirmez le script avec l'utilisateur avant de générer la voix off.
Étape 2 — Voix off + horodatages (ElevenLabs, automatisé)
- Générez la voix off à partir de
script.mdvia le point de terminaison with-timestamps d'ElevenLabs (retourne l'audio + l'alignement des caractères en un seul appel) :curl -s -X POST "https://api.elevenlabs.io/v1/text-to-speech/$ELEVENLABS_VOICE_ID/with-timestamps" -H "xi-api-key: $ELEVENLABS_API_KEY" -H "content-type: application/json" -d '{"text":"<script>","model_id":"eleven_multilingual_v2"}'→ enregistrez l'audio base64 dansvoiceover.mp3et l'alignement danstranscript.json. - Dérivez des segments d'horodatage par phrase/phrase à partir de l'alignement — chaque segment devient une image. (Solution de repli si l'alignement est inutilisable :
whisper-cli -f voiceover.wav -ml 1 --output-json -of transcriptaprèsffmpeg -i voiceover.mp3 voiceover.wav.) - La voix est propre à chaque chaîne/client, pas fixe — choisissez la voix ElevenLabs qui correspond au mode/à la marque (par ex. voix chaleureuse et douce pour une fiction sur la garde d'enfants ; voix claire et autoritaire pour un produit éducatif factuel). Passez ce
voice_idau lieu de celui par défaut dansELEVENLABS_VOICE_ID. Parcourez la bibliothèque vocale ElevenLabs de l'utilisateur lors du choix. - Pas de pause humaine — l'Étape 2 s'exécute sans surveillance.
Étape 3 — Une image par horodatage (Artlist AI Toolkit, éprouvé dans le navigateur)
Par segment : invite de scène + jeton de style verrouillé textuellement. Pilotez Artlist via browser-harness (nécessite le Chrome de Phill connecté ; débogage à distance Way-1 activé). Mécanismes durement acquis :
- Ouvrez
toolkit.artlist.io/image-video-generator?mode=image. L'invite est unediv[contenteditable=true]; le bouton Générer correspond à l'innerTextGenerate. Les paramètres par défaut sont déjà 16:9 / 2K / 1 image (bon). - Par image : capturez les UUID générés existants → cliquez sur la boîte,
document.execCommand('selectAll'),type_text(invite)→ cliquez sur Générer → interrogez jusqu'à ce que le texte du chargeur (on its way|Almost ready|Generating) disparaisse ET qu'un nouvel UUID apparaisse. - Le résultat se trouve sur
ai-toolkit-generations.imgix.net/...png?...&s=<sig>. Extrayez l'UUID avec l'expression régulière GÉNÉRIQUE[0-9a-f]{8}-[0-9a-f]{4}-...{12}\.png(le préfixe du nom de fichier varie :image-<uuid>OU-t-e-x-t_-t-o_-i-m-a-g-e-<uuid>). Téléchargez la source EXACTE — toute modification d'un paramètre imgix (par ex.w=) casse la signature → 403. - Procédez UNE À LA FOIS. Les rafales rapides mettent en file d'attente/limitent et la vue en grille virtualise le DOM, ce qui casse la détection de nouveau UUID. Si une génération se termine après la fenêtre d'interrogation, récupérez-la depuis la grille (téléchargez les UUID non mappés distincts, montez, mappez visuellement).
Solution de repli (uniquement sans surveillance) :
mcp__margot__image_generate— enregistre sous<save_as>.jpg, tenez compte de l'extension.
Étape 4 — Assemblage
Construisez un concat FFmpeg qui maintient chaque image pendant (prochain_début - ce_début) secondes et muxe la voix off :
- Générez une liste de concat avec les durées par image à partir des horodatages.
ffmpeg -f concat -safe 0 -i list.txt -i voiceover.wav -c:v libx264 -pix_fmt yuv420p -c:a aac -shortest final.mp4- Recommandez des images source 2K pour les véritables mises en ligne (basse résolution uniquement pour les tests).
Étape 5 — Finalisation (pour une véritable mise en ligne, pas un test)
Transformez l'assemblage brut en un livrable fini :
- 1080p — restituez le concat mis à l'échelle/rembourré en
1920:1080(rembourrage blanc qui se fond avec le fond de carnet de croquis),crf 19. - Fondus —
fade=t=in:st=0:d=0.6:color=whiteetfade=t=outsur les ~0,8 dernières secondes. Gardez les coupures franches sur les battements entre les images (dans le style — NE PAS faire de fondu enchaîné). - Fond musical — générez une piste calme via Artlist AI Music (
toolkit.artlist.io/music-generator?mode=music, Lyria 3 ; même processus navigateur que pour les images, résultat est un.wavsigné surcms-toolkit-artifacts.artlist.io/...music-<uuid>— téléchargez la source EXACTE). Mixez SOUS la VO :volume≈0.13(~−18 dB),afadeentrée 1,5 s / sortie ~1,8 s,amix=inputs=2:normalize=0. Vérifiez avecvolumedetect: pic global < 0 dB (pas d'écrêtage), moyenne musique ~15+ dB en dessous de la VO.
Résultat
final-1080p-music.mp4 (le livrable) + un style-token.md réutilisable. Signalez le chemin et les artefacts de chaque étape. Pour la stratégie de publication/chaîne, déléguez à video-distribution-strategist ; n'oubliez pas la divulgation du contenu synthétique lors de la mise en ligne.