Communitygithub.com

reelwright

Transformez un court briefing en un mini-documentaire MP4 narré et sous-titré, en utilisant les modèles de texte, d'image et de parole de Pollinations ainsi que ffmpeg.

Qu'est-ce que reelwright ?

Reelwright est un outil puissant permettant de transformer un simple paragraphe d'intention en une vidéo complète au format 1080p, H.264/AAC. Le processus comprend la génération d'un plan de scènes, la création d'une illustration par scène, la synthèse vocale, l'incrustation de sous-titres, des fondus enchaînés et un effet Ken Burns sur chaque plan. Le tout est vérifié par un rapport de validation garantissant que le fichier est effectivement lisible. Cet outil est particulièrement adapté aux mini-documentaires, aux diaporamas narrés et aux reels pour les réseaux sociaux avec voix off. Il repose sur les modèles d'IA de Pollinations pour tout l'aspect créatif, ne dépendant localement que de ffmpeg/ffprobe. Reelwright peut être exécuté en une seule commande pour un résultat rapide, ou étape par étape pour un contrôle plus fin du wording. La vérification finale est robuste : elle s'assure de la présence des flux vidéo et audio, des codecs H.264/AAC, de la résolution 1920×1080, et peut même transcrire l'audio final pour comparer le texte obtenu avec le script original. Les coûts sont transparents : les modèles par défaut sont gratuits, et les appels sont réutilisés en cache lors des re-rendus.

Compatible avec~Claude Code✓Codex CLI~Cursor
npx skills add https://github.com/SvirepyiBambr/pollinations-reelwright/tree/main/skills/reelwright

Demander à votre IA préférée

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

Documentation

Que fait reelwright ?

Reelwright prend un paragraphe d'intention et retourne une vidéo finie en 1080p, H.264/AAC : un plan de scènes écrit, une illustration par scène, une voix off, des sous-titres incrustés, des fondus enchaînés, un effet Ken Burns lent sur chaque plan, et un rapport de vérification qui prouve que le fichier est vraiment lisible.

Tout l'aspect créatif provient de Pollinations. La seule dépendance locale est ffmpeg/ffprobe.

Quand l'utiliser

  • « Fais-moi une vidéo de 60 secondes sur X. »
  • « Transforme cet article en diaporama narré. »
  • « J'ai besoin d'un reel pour les réseaux sociaux avec voix off et sous-titres. »
  • « Explique X en cinq scènes avec des images. »

Pas pour : le montage long, les têtes parlantes, les séquences que vous possédez déjà, ou tout ce qui nécessite une vraie caméra. Reelwright est un explainer illustré, pas un éditeur vidéo.

Installation

npx @pollinations/cli auth login     # connexion unique à Pollinations
npm install                          # installe ffmpeg-static + ffprobe-static

Reelwright prend la clé de --api-key, puis POLLINATIONS_API_KEY, puis la connexion stockée par polli auth login dans ~/.pollinations/credentials.json. Privilégiez la connexion : l'utilisateur approuve un code sur l'appareil dans le navigateur et aucune clé ne passe jamais dans la conversation. Remplacez par une variable d'environnement lors de l'exécution en CI.

Si ffmpeg est déjà dans le PATH, Reelwright l'utilise. Sinon, il utilise les binaires statiques dans node_modules, puis $FFMPEG / $FFPROBE.

Exécution

Une commande, du brief au fichier fini :

python3 skills/reelwright/scripts/reelwright.py make \
  --brief examples/salt-road/brief.txt \
  --out examples/salt-road \
  --scenes 5 \
  --transcribe

Ou étape par étape, ce qui est mieux quand le wording compte :

# 1. plan : le modèle de texte écrit le titre, le sous-titre, le style et N scènes
python3 skills/reelwright/scripts/reelwright.py plan --brief brief.txt --out myreel --scenes 5

# 2. éditez myreel/project.json à la main si une ligne est faible — c'est le moment économique pour corriger

# 3. rendu : images, parole, clips, multiplexage
python3 skills/reelwright/scripts/reelwright.py render --project myreel

# 4. vérification : ffprobe du résultat, transcription optionnelle de l'audio et comparaison avec le script
python3 skills/reelwright/scripts/reelwright.py check --project myreel --transcribe

Les sorties atterrissent dans le répertoire du projet :

FichierCe que c'est
project.jsonLe plan : titre, style, scènes, choix de modèles. Éditable.
images/scNN.jpgUne illustration par scène, plus scNN.prompt.txt avec le prompt exact.
audio/scNN.mp3Narration par scène.
clips/scNN.mp4Clip Ken Burns silencieux par scène.
timings.jsonDébut/fin de scène, durée de narration, durée de scène dérivée.
captions.assTitre, sous-titre, sous-titres par scène, ligne de crédit.
reel.mp4Le livrable.
poster.jpgImage à 1,2 seconde, pour les vignettes.
render.json, check.jsonRapports de rendu et de vérification lisibles par machine.

Comment fonctionne le timing

La durée des scènes n'est pas devinée : Reelwright mesure chaque MP3 de narration avec ffprobe, ajoute un temps de pad fixe, et construit la timeline à partir de ces nombres. Les sous-titres sont écrits dans la même timeline, donc un sous-titre ne peut pas dériver de la voix à laquelle il appartient. Les fondus enchaînés superposent les clips d'une quantité fixe, et les décalages xfade sont calculés à partir des mêmes durées.

C'est la partie que la plupart des générateurs de diaporamas se trompent. Si vous changez PAD, FADE ou MIN_SCENE, tout ce qui suit s'ajuste automatiquement.

Vérification

check n'est pas une évaluation superficielle. Il lit le fichier fini et échoue bruyamment quand :

  • il n'y a pas de flux vidéo ou audio ;
  • le codec n'est pas H.264 / AAC ;
  • la résolution n'est pas 1920×1080 ou la fréquence d'images n'est pas 30 ;
  • la durée réelle dérive de plus de 0,8 seconde par rapport à la timeline planifiée ;
  • une image ou un fichier audio référencé par la timeline est manquant ;
  • captions.ass a moins de lignes de dialogue que de scènes ;
  • avec --transcribe : la transcription vocale de l'audio final couvre moins de 80% des mots du script, ce qui détecte les pistes silencieuses, tronquées ou dans une mauvaise langue.

Cette dernière vérification est la plus intéressante. C'est une preuve de bout en bout peu coûteuse que l'audio dans le MP4 est bien la narration que vous avez demandée, et non un 200 OK avec un corps vide.

Coût et modèles

Valeurs par défaut, toutes remplaçables par des drapeaux :

  • texte : openai/gpt-5.4-nano — un appel pour le plan, plus un appel de réparation si la validation échoue
  • image : tongyi-mai/z-image-turbo — un appel par scène
  • parole : openai/tts-1, voix onyx — un appel par scène

Tous les modèles par défaut sont gratuits (paid_only: false), y compris la transcription openai/whisper-large-v3 derrière --transcribe, donc un compte gratuit peut exécuter tout le pipeline de bout en bout.

Un reel de cinq scènes nécessite cinq images et cinq courts clips de parole. Relancer render réutilise tout ce qui est déjà sur le disque ; --force régénère. --seed rend la génération d'images reproductible.

Rédaction du brief

Le brief est l'étoile polaire du script, alors donnez-lui des battements, pas des adjectifs :

Titre : La Route du Sel.

Un mini-documentaire de 50 secondes expliquant pourquoi la mer est salée. Suivez une goutte
d'eau de pluie d'une montagne de granit jusqu'à l'océan. Cinq battements, dans l'ordre :

1. La pluie tombe sur une montagne de granit et commence à ruisseler vers le bas.
2. Un ruisseau de montagne creuse la roche et transporte des minéraux dissous.
3. La rivière s'élargit et porte sa charge minérale vers la mer.
4. Le soleil chauffe l'océan ; l'eau s'élève en vapeur, le sel reste.
5. Cristaux de sel sur le rivage au crépuscule.

Style visuel : illustration éditoriale à la gouache, palette de teal et ambre sourds,
 papier texturé pressé à froid, grain doux, composition cinématographique large 16:9.

Une ligne de style dans le brief vaut plus que tout ingénierie de prompt ultérieure : elle est reportée textuellement dans chaque prompt d'image, ce qui maintient cinq générations séparées comme un seul film.

Modes d'échec à connaître

  • 402 de Pollinations — le compte derrière la clé n'a plus de pollen. Le script le dit au lieu de déverser un blob JSON.
  • image_prompt contenant des mots — les modèles adorent écrire « une carte étiquetée Évaporation ». Le prompt système interdit le texte, et chaque prompt d'image reçoit une queue « pas de texte, pas de lettrage, pas de logos », mais un mauvais plan est moins cher à corriger dans project.json qu'à re-rendre.
  • Narration plus longue que prévu — les scènes s'étirent pour s'adapter à la voix. Rien n'est coupé ; la vidéo devient plus longue. Utilisez moins de mots par scène si vous avez besoin d'une durée fixe.
  • Pas de ffmpeg — npm install dans le dépôt est la solution prévue. Le message d'erreur nomme à la fois le package et la variable d'environnement.
  • Sous-titres dans une écriture non latine — ASS est UTF-8 et DejaVu Sans couvre le latin, le cyrillique et le grec. Pour le CJK ou l'arabe, changez la police dans captions.ass et assurez-vous qu'elle est installée sur la machine de rendu.

Skills associés