Prétraitement multimédia HyperFrames
Trois commandes CLI qui produisent des actifs pour les compositions : tts (parole), transcribe (timestamps) et remove-background (vidéo transparente). Chacune télécharge un modèle à la première exécution et le met en cache dans ~/.cache/hyperframes/. Déposez la sortie dans le projet, puis référencez-la depuis le HTML de la composition — voir le skill hyperframes pour les conventions des éléments audio/vidéo.
Synthèse vocale (tts)
Générez de l'audio de parole localement avec Kokoro-82M. Pas de clé API.
npx hyperframes tts "Texte ici" --voice af_nova --output narration.wav
npx hyperframes tts script.txt --voice bf_emma --output narration.wav
npx hyperframes tts --list # les 54 voix
Sélection de la voix
Associez la voix au contenu. La voix par défaut est af_heart.
| Type de contenu | Voix | Pourquoi |
|---|---|---|
| Démo produit | af_heart/af_nova | Chaleureux, professionnel |
| Tutoriel / guide | am_adam/bf_emma | Neutre, facile à suivre |
| Marketing / promotion | af_sky/am_michael | Énergique ou autoritaire |
| Documentation | bf_emma/bm_george | Anglais britannique clair, formel |
| Décontracté / social | af_heart/af_sky | Accessible, naturel |
Multilingue
Les identifiants de voix encodent la langue dans la première lettre : a=anglais américain, b=anglais britannique, e=espagnol, f=français, h=hindi, i=italien, j=japonais, p=portugais brésilien, z=mandarin. Le CLI détecte automatiquement la locale du phonémiseur à partir du préfixe — pas besoin de --lang lorsque la voix correspond au texte.
npx hyperframes tts "La reunión empieza a las nueve" --voice ef_dora --output es.wav
npx hyperframes tts "今日はいい天気ですね" --voice jf_alpha --output ja.wav
Utilisez --lang uniquement pour remplacer la détection automatique (accents stylisés). Codes valides : en-us, en-gb, es, fr-fr, hi, it, pt-br, ja, zh. La phonémisation non anglaise nécessite espeak-ng à l'échelle du système (brew install espeak-ng / apt-get install espeak-ng).
Vitesse
0.7-0.8— tutoriel, contenu complexe, accessibilité1.0— rythme naturel (par défaut)1.1-1.2— intros, transitions, contenu dynamique1.5+— rarement approprié ; tester avec soin
Scripts longs
Pour plus de quelques paragraphes, écrivez dans un fichier .txt et passez le chemin. Les entrées de plus d'environ 5 minutes de discours peuvent bénéficier d'une segmentation.
Prérequis
Python 3.8+ avec kokoro-onnx et soundfile (pip install kokoro-onnx soundfile). Modèle téléchargé lors de la première utilisation (~311 Mo + ~27 Mo de voix, mis en cache dans ~/.cache/hyperframes/tts/).
Transcription (transcribe)
Produisez un transcript.json normalisé avec des timestamps au niveau du mot.
npx hyperframes transcribe audio.mp3
npx hyperframes transcribe video.mp4 --model small --language es
npx hyperframes transcribe subtitles.srt # importer existant
npx hyperframes transcribe subtitles.vtt
npx hyperframes transcribe openai-response.json
Règle de langue (non négociable)
N'utilisez jamais les modèles .en sauf si l'utilisateur déclare explicitement que l'audio est en anglais. Les modèles .en (small.en, medium.en) traduisent l'audio non anglais en anglais au lieu de le transcrire. Cela détruit silencieusement la langue d'origine.
- Langue connue et non anglaise →
--model small --language <code>(pas de suffixe.en) - Langue connue et anglaise →
--model small.en - Langue inconnue →
--model small(pas de.en, pas de--language) — Whisper détecte automatiquement
Le modèle par défaut est small, pas small.en.
Tailles de modèle
| Modèle | Taille | Vitesse | Quand l'utiliser |
|---|---|---|---|
tiny | 75 Mo | Le plus rapide | Aperçus rapides, test du pipeline |
base | 142 Mo | Rapide | Courts clips, audio clair |
small | 466 Mo | Modérée | Par défaut — la plupart des contenus |
medium | 1,5 Go | Lente | Contenu important, audio bruité, musique |
large-v3 | 3,1 Go | La plus lente | Qualité de production |
Musique avec voix : commencez au minimum par medium ; les pistes produites nécessitent souvent une importation manuelle SRT/VTT. Pour les vérifications de qualité des sous-titres (obligatoires après chaque transcription), le JS de nettoyage, les règles de nouvelle tentative et le chemin d'importation de l'API OpenAI/Groq, voir hyperframes/references/transcript-guide.md.
Format de sortie
Les compositions consomment un tableau plat d'objets mot. Le champ id (w0, w1, ...) est ajouté lors de la normalisation pour des références stables dans les remplacements de sous-titres ; il est facultatif pour la rétrocompatibilité.
[
{ "id": "w0", "text": "Hello", "start": 0.0, "end": 0.5 },
{ "id": "w1", "text": "world.", "start": 0.6, "end": 1.2 }
]
Suppression d'arrière-plan (remove-background)
Supprimez l'arrière-plan d'une vidéo ou d'une image pour que le sujet (généralement une personne — avatar, présentateur, tête parlante) se superpose de manière transparente dans une composition.
npx hyperframes remove-background subject.mp4 -o transparent.webm # par défaut : VP9 alpha WebM
npx hyperframes remove-background subject.mp4 -o transparent.mov # ProRes 4444 (montage)
npx hyperframes remove-background portrait.jpg -o cutout.png # découpe d'image unique
npx hyperframes remove-background subject.mp4 -o subject.webm \
--background-output plate.webm # les deux couches en un seul passage
npx hyperframes remove-background subject.mp4 -o transparent.webm --device cpu
npx hyperframes remove-background --info # fournisseurs détectés
Utilise u2net_human_seg (MIT). La première exécution télécharge environ 168 Mo de poids dans ~/.cache/hyperframes/background-removal/models/.
Séparation des couches (--background-output)
Passez --background-output (ou -b) pour émettre une deuxième vidéo transparente à côté du cutout : même source RGB, alpha est 255 − masque au lieu de masque. Le cutout est le sujet avec un arrière-plan transparent ; la plaque est le décor d'origine avec un trou transparent là où se trouvait le sujet.
| Fichier | Alpha est… | Utilisation |
|---|---|---|
-o subject.webm | Le masque — sujet opaque, arrière-plan transparent | Couche de premier plan, placez dessus |
--background-output plate.webm | Inverse — décor opaque, région du sujet transparente | Couche de fond ; placez du texte ou des graphiques entre cette et le sujet |
Les deux sorties partagent le même préréglage --quality et proviennent d'un seul passage d'inférence — le coût d'encodage double approximativement, le coût de segmentation reste le même. Valable uniquement pour les entrées vidéo et les sorties .webm/.mov.
Plaque avec trou, pas une plaque nettoyée par inpainting. La région du sujet dans plate.webm est entièrement transparente — compositez quelque chose d'opaque en dessous pour combler le trou. Le seul test pour savoir si --background-output est le bon outil : est-ce que quelque chose sera jamais visible à travers la silhouette du sujet à l'endroit où le sujet se trouvait ?
| Cas d'utilisation | Outil approprié |
|---|---|
| Texte/graphiques entre le cutout et la plaque (raison d'être de cette commande) | Trou (--background-output) |
| Sujet sur une scène non liée | Juste subject.webm ; ignorez la plaque |
| Montrer la pièce sans la personne, seule sur aucun autre contenu | Plaque nettoyée — nécessite un inpaint (LaMa, ProPainter, E2FGVI). Pas cette commande. |
| Remplacer le sujet par un sujet différent | Plaque nettoyée — idem ci-dessus |
Si un utilisateur demande "la pièce avec la personne supprimée" et prévoit de l'afficher seule, n'utilisez pas --background-output. Dites-lui qu'il a besoin d'un inpaint.
Composition en couches typique (le cas d'utilisation canonique du trou) :
<!-- z=1 la plaque alpha inverse remplit tout sauf la région du sujet -->
<video
src="plate.webm"
data-start="0"
data-duration="6"
data-track-index="0"
muted
playsinline
></video>
<!-- z=2 graphiques / texte entre les deux couches -->
<h1 id="headline" style="z-index:2; ...">MAKE IT IN HYPERFRAMES</h1>
<!-- z=3 le cutout remet le sujet au-dessus du titre -->
<div class="cutout-wrap" style="position:absolute;inset:0;z-index:3">
<video
src="subject.webm"
data-start="0"
data-duration="6"
data-track-index="1"
muted
playsinline
></video>
</div>
Ceci est fonctionnellement équivalent au motif texte-derrière-sujet ci-dessous, mais vous n'avez pas besoin du fichier presenter.mp4 original dans le projet — la plaque le remplace. Utile lorsque vous souhaitez livrer uniquement les deux couches transparentes et laisser l'utilisateur placer du contenu arbitraire entre elles.
Format de sortie
| Format | Quand |
|---|---|
.webm (VP9 + alpha) | Par défaut. Les compositions le lisent directement via <video>. |
.mov (ProRes 4444) | Montage dans DaVinci/Premiere/FCP. Fichiers volumineux. |
.png | Découpe d'image unique (sujet fixe, superposé sur un fond). |
Chrome décode nativement le VP9 alpha, donc le .webm s'intègre dans une composition comme n'importe quelle autre vidéo en lecture automatique muette — voir le skill hyperframes pour les conventions de piste <video>.
Préréglages de qualité
--quality fast|balanced|best contrôle uniquement le CRF de l'encodeur VP9 — la qualité de segmentation est fixe.
| Préréglage | CRF | Quand |
|---|---|---|
fast | 30 | Itérations, fichier plus petit, correspondance de couleur moins stricte |
balanced | 18 | Par défaut. Visuellement identique pour la plupart des usages |
best | 12 | Version maître / livraison finale. Fichier le plus volumineux, correspondance la plus stricte |
Motifs de composition — choisissez le bon
Le webm du cutout est une copie ré-encodée du RGB de la source mp4. Ce choix a des conséquences selon ce que vous placez derrière :
| Motif | Ce qui se trouve derrière le cutout | Résultat |
|---|---|---|
| Cutout sur une scène différente (le plus courant) | Image statique, dégradé ou vidéo non liée | Superbe. Le RGB du cutout est la seule source du sujet — pas de doublon, pas de halo de bord. C'est pour cela que remove-background a été conçu. |
| Cutout sur son propre mp4 source (texte-derrière-sujet) | Le même mp4 que celui à partir duquel le cutout a été généré | Deux sources RGB pour la même personne. Avec --quality balanced par défaut (crf 18), le doublon est à peine visible ; avec --quality fast (crf 30), vous verrez un léger décalage de couleur / halo de bord. Utilisez --quality best (crf 12) pour les versions maîtresses. |
| Cutout sur une prise différente de la même personne | Séquence du même sujet | Ressemblera à deux personnes distinctes qui se chevauchent. Ne faites pas cela. |
Texte-derrière-sujet (titre derrière un présentateur) :
<video
src="presenter.mp4"
id="bg"
data-start="0"
data-duration="6"
data-track-index="0"
muted
playsinline
></video>
<h1 id="headline" style="z-index:2; ...">MAKE IT IN HYPERFRAMES</h1>
<div class="cutout-wrap" style="position:absolute;inset:0;z-index:3;opacity:0">
<video
src="presenter.webm"
data-start="0"
data-duration="6"
data-track-index="1"
muted
playsinline
></video>
</div>
Deux règles clés :
- Enveloppez la vidéo du cutout dans un
<div>non temporisé et animez l'opacité de l'élément enveloppe, pas de l'élément vidéo. Le framework force l'opacité :1 sur les clips actifs (tout élément avecdata-start/data-duration), donc animer directement l'opacité de la vidéo est silencieusement remplacé. L'élément enveloppe n'a pas d'attributsdata-*, il est donc contrôlé par votre CSS/GSAP. - Les deux vidéos utilisent
data-start="0"etdata-media-start="0"afin que le framework les décode en synchronisation à partir de t=0. Monter le cutout tardivement (data-start=3.3) introduit une recherche + un échauffement qui aboutit à une image de décalage par rapport au mp4 de base — visible comme une image de désalignement au moment du cut.
Ensuite, inversez l'opacité de l'élément enveloppe avec GSAP au moment du cut : tl.set(cutoutWrap, { opacity: 1 }, 3.3).
TTS → Transcription → Sous-titres
Lorsqu'il n'y a pas de voix pré-enregistrée, générez-en une et retranscrivez-la pour obtenir des timestamps au niveau du mot pour les sous-titres :
npx hyperframes tts script.txt --voice af_heart --output narration.wav
npx hyperframes transcribe narration.wav # → transcript.json
Le résultat est un tableau normalisé de mots avec timestamps (start, end en secondes) qui peut être injecté dans la composition comme données de sous-titres. Pour plus de détails sur le format de transcription et les techniques de sous-titrage avancées, voir hyperframes/references/transcript-guide.md.