Court Métrage Cartoon Audio (v2)
Créé par la chaîne WHATIF ANIMATIONSTORYS.
Pipeline : idée → script → voix off → MP4 terminé.
Construction de référence : "Le soldat qui n'est jamais parti" (19.7 s, 8 plans), inclus dans kit/example/soldier/.
Le look
- Personnages : des "cartes" de dessin animé 2D plates en forme de tête de haricot dessinées sur toile. Ils ont des contours prune et de grandes expressions lisibles, et sont toujours en animation (respiration, clignement des yeux, hochements de tête).
- Monde : un décor 3D saturé construit à partir de formes simples. Textures peintes à plat avec des coutures sombres, contours à l'encre noire, ombrage cartoon, et brouillard de la couleur de l'horizon.
- Caméra : mouvements fluides et adoucis, avec profondeur de champ sur les gros plans. Rien n'est jamais statique.
- Format : 1080x1920, 30 ips, exactement aussi long que la voix off.
- Son : la voix de l'utilisateur inchangée. Un fond musical synthétique de style marche et des effets sonores sont placés à 50 % (−6 dB) du niveau de la voix.
Règles strictes
- Original uniquement. Ne jamais recréer la vidéo d'un autre créateur plan par plan ; proposer une vision originale sur la même idée.
- Pas de personnes réelles et nommées comme personnages. Pas de mascottes de marque, logos ou personnages protégés par le droit d'auteur.
- Pas de sous-titres sauf demande. Le texte diégétique (panneaux, gravures) est acceptable mais doit se lire correctement, jamais en miroir.
- Ne jamais éditer, couper, accélérer ou re-timer la voix. L'image est calée sur la voix. Chaque réaction visuelle arrive 0 à 3 images avant le mot correspondant.
- Le rapport audio est fixe :
- La musique est à −6,0 dB par rapport à la voix (RMS fenêtré).
- Les effets sonores sont à −6 dB ou moins, avec des pics au maximum 0,7× le pic de la voix.
- Toujours mixer avec
mix.py. Pas de ducking, pas de compression sur le mix. - Un seul gain linéaire plus un limiteur de crête sont appliqués sur l'ensemble du mix (
finish.sh).
- Vérifier les faits présentés comme vrais avec une recherche web d'abord. Cadrer les légendes virales comme "la légende raconte".
- Rien de choquant, rien de politique, et aucune personne réelle vivante comme cible d'une blague.
- Continuer à travailler sans demander d'approbation. Poser une question uniquement lorsque le travail ne peut vraiment pas continuer sans la réponse.
- Tenir l'utilisateur informé avec une liste de tâches. Envoyer une planche-contact d'images avant le rendu long.
Aiguillage (choisir le point d'entrée)
| L'utilisateur a | Aller à |
|---|---|
| Audio joint (+ script) | Étape 4 immédiatement |
| Audio, pas de script | Demander le texte du script (Claude ne peut pas entendre l'audio sans ASR) → Étape 4 |
| Un script, pas de voix | Étape 3 (resserrer) → attendre l'audio |
| Un sujet uniquement | Étape 3 directement (vérifier les faits) |
| Rien / "donne-moi des idées" | Étape 2 |
Si ce n'est pas clair, poser UNE question : "Par où commencez-vous ? (idées / script / voix prête)". Demander aussi la durée cible si elle n'est pas donnée. La valeur par défaut est 20–30 s ; jusqu'à 60 s est autorisé.
Étape 2 : 10 idées
Donner exactement 10, numérotées, en une seule réponse. Terminer par : "Répondez avec un numéro, ou 'plus' pour 10 nouvelles idées."
N. TITRE (5–8 mots, éveillant la curiosité)
Accroche : la première phrase parlée — un paradoxe énoncé comme un fait.
Rebondissement : la dernière ligne ironique.
Grandes images : 2–3 moments (effondrement / révélation / poursuite / transformation).
Statut : VRAI (documenté) · CONTESTÉ · LÉGENDE
Une idée parfaite a :
- Une histoire surprenante avec une cause et un effet physiques que l'on peut MONTRER.
- Un héros ordinaire, des enjeux qui montent en puissance, et un rebondissement dans la dernière ligne.
- Un décor constructible avec des boîtes, des cylindres et des sphères plus des cartes (ville, pont, bateau, château, désert, laboratoire, palais, ferme, port, mine).
- Un "avant vs après" visible en une seule image, qui fait une vignette forte.
Répartir les 10 entre : ancien, médiéval, XIXe siècle, moderne, science, animaux, inventions, catastrophes, lois étranges et accidents chanceux. Vérifier chaque idée VRAIE ou CONTESTÉE avec une recherche web avant de la lister.
Étape 3 : Script
Taille du script à environ 3,7 mots parlés par seconde : 20 s ≈ 75 mots, 30 s ≈ 110, 45 s ≈ 165, 60 s ≈ 220.
Structure :
- Accroche (phrase 1, sans mise en place) : le fait absurde. Elle doit atterrir dans les 1,5 premières secondes.
- Cadre (1–2 lignes) : quand, où, qui, et un détail concret.
- Montée en puissance (2–4 temps, chacun plus grand). Les autres doutent ou se moquent. Inclure une blague d'exagération.
- Pivot : "Mais quand…" / "Vous voyez…" introduit le vrai mécanisme, idéalement avec une analogie de la vie quotidienne.
- Rebondissement : court et ironique, et les DERNIERS mots de la vidéo. Bonus : qu'il boucle sur l'accroche pour que le court métrage se rejoue naturellement.
Style :
- Anglais parlé simple avec contractions.
- Phrases de 8 à 15 mots ; les nombres écrits en toutes lettres.
- Pas d'indications scéniques dans le texte parlé.
- Ne jamais décrire ce que le spectateur voit déjà.
Auto-vérification (corriger silencieusement si un échec) : nombre de mots à ±10 % de la cible ; l'accroche est une affirmation, pas une question ; chaque phrase peut être illustrée littéralement ; le rebondissement fait 12 mots ou moins et vient en dernier ; les faits correspondent aux sources.
Répondre avec :
- a) Le script dans un bloc de code, avec le nombre de mots et les secondes estimées.
- b) Un paragraphe de plan visuel.
- c) Conseils d'enregistrement :
- Un narrateur chaleureux et stable. ElevenLabs fonctionne bien : une voix de narrateur grave, vitesse ~1,05–1,1, stabilité ~45–55 %.
- MP3 ou WAV convient.
- Laisser des pauses naturelles en fin de phrase.
- Exporter SANS musique.
- d) "Téléversez la voix off quand elle est prête et je ferai la vidéo complète."
Conserver le texte final du script, car il pilote le minutage. Si l'utilisateur a enregistré une version modifiée, demander le texte final.
Étape 4 : Construction (plus d'arrêts à partir d'ici)
Créer la liste de tâches : Configuration · Minutage · Plan de plans · Monde · Distribution · Mouvement · Planche-contact → utilisateur · Son · Rendu complet · Finition + QA · Livraison.
4.0 Configuration
SK=$(dirname "$(find / -name SKILL.md -path '*cartoon-audio-short*' 2>/dev/null | head -1)")
bash "$SK/kit/tools/setup.sh" ~/shorts/<slug> # traiter $SK/kit en lecture seule
cd ~/shorts/<slug> && cp <voix téléversée> voice.mp3 && printf '%s' "<script final>" > script.txt
./short.sh doctor
setup.shcopie le moteur, les outils et l'exemple travaillé (commeweb/story.jsetaudio.pyde départ). Il installe three.js r160 et la base cartoon depuiskit/vendor/(pas besoin de réseau), construit et vérifie la syntaxe deweb/toon.js, et lie Playwright. Il sort avec le code 3 si three.js est manquant.- Prérequis : Node 22.6+, Python 3 + numpy + Pillow, ffmpeg (libx264, alimiter, ebur128), Playwright + Chromium. Si Playwright est manquant :
npm i -g playwright && npx playwright install chromium. - Ne jamais désactiver TLS ou contourner un proxy. Si une installation est bloquée, dire quel paquet et continuer avec ce qui est installé.
- Chromium utilise le WebGL CPU (swiftshader) à environ 3–5 s par image par worker. Un court métrage de 20 s (600 images) prend environ 20 à 50 min ; prévoir en conséquence.
4.1 Minutage : ./short.sh timing
- Si whisper ou faster-whisper est installé, il utilise les horodatages des mots. Sinon, il aligne les phrases du script sur la parole détectée par silence avec une programmation dynamique syllabe/durée.
- Il affiche les phrases avec les plages d'images et les lignes WARN (phrases très courtes, chevauchements, longues queues, démarrage tardif, enregistrement qui ne correspond pas au script). Résoudre les avertissements en fusionnant des plans, en corrigeant
work/phrases.jsonmanuellement, ou en demandant le texte final. - N = nombre total d'images =
frames30danswork/phrases.json(mesuré à partir de l'audio décodé).
4.2 Plan de plans : work/PLAN.md, avant tout code
Faire une ligne par plan : | # | images | mots | décor | lumière | caméra | distribution/pose/visage | FX | SFX |
- L'image 0 EST l'image d'accroche : pas de fondu d'entrée, pas de carton-titre.
- Environ un plan par phrase. Fusionner les phrases de moins de 0,6 s dans le plan suivant.
- Illustrer chaque phrase littéralement ; les accessoires portent les blagues.
- Rythme de taille de plan : accroche PMG → plan large de révélation → plan à deux → insert sur l'objet clé → gros plan réaction → mouvement d'ensemble pour le résultat. Ne jamais utiliser la même taille deux fois de suite.
- La lumière donne le ton : jour (normal), doré (drame/déclin), bleu-nuit (explication). Un saut dans le temps obtient un flash blanc de 6 images.
- Le rebondissement reçoit un piquant : la musique s'arrête, un coup bas, un zoom avant avec un roulis de 3 à 5°. Le résultat physique atterrit sur le dernier mot.
- La dernière image doit être une image forte qui coupe proprement à l'image 0 pour le bouclage.
4.3 Monde (web/main.js, web/story.js)
- Garder les sections du moteur dans
main.js: matériaux cartoon, contrat d'encre, add/tbox, ciel, lumières, cartes, cibles de rendu/post, applyLight, drawActors, swapForNd, renderFrame. - Remplacer uniquement le monde exemple entre
// ---------- world ----------et// ---------- cards ----------, plus les parties histoire deworldState()et tous les accessoires (l'exemple du soldat a un accessoire de casque 3D). story.jsexporte SHOTS, TOTAL, shotAt, camAt, dofAt, LIGHTS/lightFor, worldAt, actorsAt(f, T) et fxAt(f, T). Toutes sont des fonctions pures de l'image. DéfinirTOTAL= N.- Les textures viennent de
paint.js: planches, poutre, pourri, pierre, moussu, herbe, terre, plâtre, toit, marbre, bannière, texte gravé. Les nouveaux peintres utilisent le même style de couleur plate avec coutures sombres. - Utiliser
tboxpour une densité de texel constante, un dégradé cartoon en 2 étapes, et un brouillard = couleur de l'horizon. - Calques d'arrière-plan : collines sphériques à moitié enterrées, cônes de montagne avec calottes neigeuses, cyprès/pins, maisons lointaines, et panneaux de nuages peints.
- Éléments de décor (effondrements, chutes, portes) sont des groupes pivotés entraînés par une progression de 0..1 depuis
worldAt(f), adoucis et décalés. - Le texte diégétique courbe utilise des UV planaires. Vérifier qu'il n'est pas en miroir.
4.4 Distribution (web/roman.js → web/toon.js)
romanFront(p, outfitKey, opts)dessine sur une toile de conception 600x1000 avec les semelles à y=975. La carte mesure 2,25 m de haut, donc 1 unité de conception = 0,00225 m.- Tenues (
OUTFITS) : légion, vieux, toge, civA, civB, civC, workA, workB. Ajouter de nouvelles avec les clés tunique/cape/armure/casque/cheveux/chapeau/barbe/tablier/robe/toge. - Poses de bras : pend, lance, pointe, haut, agite, hanche, ventre, tempe(+tourbillon), lève, atteint(+lève), joue, bouclier, croise, pouce.
- Visages : l'ensemble FACE de base cartoon plus ronfle, têtu et plisse. Étendre FACE pour plus.
- Après les modifications de distribution, reconstruire avec
cat web/toonbase.js web/roman.js > web/toon.js. Puis exécuter./short.sh castet REGARDERstills/cast_sheet.pngavant d'utiliser un design. - Les panneaux publicitaires tournent uniquement sur l'axe de lacet, reçoivent une tache de contact et une ombre testée alpha, et ne sont jamais encrés par le passage monde.
- Construire les clés de carte à partir de valeurs arrondies avec
q()pour que la toile se redessine uniquement en cas de changement visible. - Une partie détachée (par exemple un casque soulevé) est sa propre carte :
y = DECK + (partY − hc) × 0,00225, alignée avecheadCenter(seed). - Donner au héros UN signe distinctif (couleur, chapeau, accessoire) pour qu'il soit lisible instantanément à la taille d'un téléphone.
4.5 Mouvement (web/motion.js) : fluide et vivant
Caméras :
- Utiliser
camFromKeys(keys, f, {kicks}): glissements smootherstep de 18 à 45 images, easeOut pour les révélations et les whips, etpathvia des points de passage (Catmull-Rom) pour les courbes. - Chaque maintien bouge ; rien n'est statique pendant 4 images ou plus.
- Le drame obtient un roulis de 3 à 5° ; les impacts obtiennent une secousse de retournement de 7 images via
kicks. - Privilégier les mouvements continus (travelling arrière, mise au point, grue, zoom avant). Coupe franche uniquement sur les sauts de lieu ou de temps, avec un flash.
Personnages :
- Ils ne gèlent jamais : appliquer
idle(f, seed)à chaque carte,blinkAtpour les clignements, et des hochements de tête sur les mots accentués. - Les actions suivent anticipation → dépassement → amortissement ressort (
M.anticip,M.back,M.spring). Un coup de pied est un abaissement de 2 images + bouffée de poussière + coup. Un rire est une inclinaison alternée + hochement. - Marches :
walk()donne la distance plus la phase de pas. Garder les pieds au sol avec un hochement de 3 à 7 %.
Mouvement secondaire est toujours présent : tissu, feuilles, poussière, gouttes, Zzz, eau.
Objectif : profondeur de champ sur les gros plans et les moyens (cInf 8–14 px), mise au point sur les yeux. Les plans larges restent nets. Les mises au point prennent environ 14 images.
4.6 Vérification visuelle (OBLIGATOIRE avant le rendu complet)
Exécuter ./short.sh stills "5,40,90,..." a, en choisissant le milieu de chaque plan ainsi que les transitions et les actions clés. Cela écrit stills/sheet_a.jpg avec les étiquettes d'image. Ouvrir et corriger chaque piège :
- Cadrage : demi-largeur = d·tan(hfov/2), où hfov = 2·atan(tan(vfov/2)·0,5625). À 4 m et fov 40, cela ne donne que ±0,8 m, donc placer les personnages en PROFONDEUR.
- Obstructions : pas de rampes ou de poteaux devant les visages ; la caméra n'est pas à l'intérieur de rampes, maisons, toits ou buissons.
- Dégagement : aucun accessoire avant-plan plus près que ~2 m ; le héros n'est jamais caché derrière un pilier.
- Texte et parties : le texte n'est pas en miroir ; les cartes de parties détachées sont décalées correctement.
- Groupes d'extrusion : 0 = caps, 1 = côtés + dessus.
- Encre : présente partout. Sinon, déboguer avec
HASH=#e(bords uniquement) etHASH=#nd(normal/profondeur). Le rayon de l'encre est d'environ 2,5 px à 1080 ; le ciel compte comme une profondeur lointaine, pas une carte. - Taille téléphone : les visages sont encore lisibles avec la planche vue à 25 %.
Envoyer la planche à l'utilisateur avec un résumé d'une ligne par plan, puis commencer le rendu complet sans attendre.
4.7 Son : ./short.sh sound
- Verrouiller d'abord le timing de l'image. Tout changement de timing signifie relancer le son.
audio.pyne contient QUE la table des signaux. Les synthétiseurs vivent danssynth.py:- Musique :
march,drone, PROG_MINOR/PROG_MAJOR, pluck, brass, drum. - Effets sonores : whoosh, thunk, rumble, crash, scrape, ting, sting, creak, snap, splash, snore, leaves, water, cuckoo, pop, boing, footstep/steps, wind, crowd.
- Musique :
- La musique s'arrête sur la ligne du rebondissement (
march(..., end=TWIST)), puisdronecontinue jusqu'à la fin. - Sauvegarder la piste des effets sonores avec
crest_db=14. Cela adoucit les transitoires pour que les effets puissent se situer près de 50 % sous le plafond de crête. mix.pyaffiche les niveaux. Confirmer que la musique montre −6,0 dB par rapport à la voix (OK) et les effets sonores à ce niveau ou en dessous (OK). Ne jamais ajuster manuellement ; corriger les pistes à la place.
4.8 Rendu + finition
- Rendre avec
WORKERS=2 ./short.sh renderen utilisantrun_in_backgroundde Bash. Vérifier./short.sh progress(fait, s/image, ETA) depuis une boucle Monitor. - Les images sont écrites atomiquement. Après une interruption, utiliser
RESUME=1 WORKERS=2 ./short.sh render. - Utiliser WORKERS=1 sur les machines avec 4 cœurs ou moins. Ne pas exécuter de Python lourd en parallèle.
- Puis exécuter
./short.sh finish "Titre":- Il vérifie que les images sont complètes et contiguës.
- Il applique un gain linéaire mesuré à −14 LUFS plus un limiteur à −1 dBFS, et encode en H.264 CRF 17 + AAC.
- La QA couvre la taille, la durée par rapport à la voix, les images figées/noires, la sonie et les niveaux de mix. Elle écrit
out/qa.txtetout/qa_sheet.jpget sort avec le code 1 en cas de FAIL.
4.9 Définition de terminé
- Durée = durée de la voix (±1 image) ; 1080x1920 ; 30 ips.
- Aucune image figée ou noire ; le flux est ininterrompu.
- Le niveau de la voix est inchangé ; la musique est à −6,0 dB ; les effets sonores sont à −6 dB ou moins.
- Le mix final a été assemblé avec
mix.py, pas de compression, pas d'édition manuelle. - Le fichier de sortie est
out/video.mp4et s'ouvre dans un lecteur standard. - La planche-contact a été envoyée et approuvée.
- Aucun plan n'a été sauté ni réutilisé du projet exemple.
Dépannage
| Problème | Solution |
|---|---|
setup.sh échoue avec "three.js missing" | Exécuter npm install dans ~/shorts/<slug>/web/vendor/ ou copier depuis kit/vendor/ |
| Chromium ne rend pas | Vérifier Playwright : npx playwright install chromium ; utiliser le CPU WebGL |
| Le son ne s'aligne pas | Vérifier que voice.mp3 est le fichier original, non retraité ; réexécuter ./short.sh timing |
| La musique ne s'arrête pas | Vérifier que TWIST dans synth.py correspond au temps exact du rebondissement |
| L'image 0 n'est pas l'accroche | Modifier SHOTS dans story.js pour que le premier plan commence à l'image 0 |
| Les cartes de personnages ne s'affichent pas | Vérifier web/toon.js ; les clés de carte sont correctes ? Reconstruire avec cat |
Licence et utilisation
Ce skill est destiné à être utilisé avec Claude Code ou un agent compatible. Vous pouvez l'utiliser pour créer des courts métrages animés originaux pour des plateformes comme YouTube Shorts, Instagram Reels, ou TikTok. Le code du moteur et les outils sont fournis tels quels ; aucune garantie n'est donnée. L'attribution à la chaîne WHATIF ANIMATIONSTORYS est appréciée mais pas obligatoire.