Communitygithub.com

Générateur IA de Vidéos Courtes — Pipeline de Contenu

Générez des vidéos courtes avec l'IA — rédaction de scripts, narration text-to-speech, sélection de séquences libres de droits, génération de sous-titres et montage vidéo. À utiliser pour : créer du contenu TikTok/YouTube Shorts/Reels, automatiser la production vidéo, construire des pipelines de contenu.

Qu'est-ce que Générateur IA de Vidéos Courtes — Pipeline de Contenu ?

Cette compétence automatise la création de vidéos courtes (TikTok, YouTube Shorts, Instagram Reels) en utilisant l'IA à chaque étape : recherche de sujets, rédaction de scripts, narration text-to-speech, sélection de séquences libres de droits, génération de sous-titres et montage final. Elle s'inspire de [MoneyPrinterTurbo](https://github.com/harry0703/MoneyPrinterTurbo) (53k+ étoiles). La compétence fournit des instructions détaillées et du code prêt à l'emploi pour chaque étape, de la configuration de l'environnement (pip, ffmpeg) à la génération complète d'une vidéo. Elle prend en charge les API Anthropic ou OpenAI pour l'écriture de scripts, ElevenLabs ou OpenAI TTS pour la narration, et Pexels pour les séquences libres de droits. Les cas d'utilisation incluent la production par lots de vidéos technologiques et l'automatisation quotidienne de contenus financiers. Des exemples concrets, des conseils d'optimisation et des bonnes pratiques (respect des droits d'auteur, divulgation de l'IA, vérification avant publication) sont également inclus.

Compatible avec✓Claude Code✓Codex CLI✓Cursor✓Gemini CLI
npx skills add https://github.com/TerminalSkills/skills/tree/HEAD/skills/ai-video-generator

Demander à votre IA préférée

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

Documentation

Que fait Générateur IA de Vidéos Courtes — Pipeline de Contenu ?

Aperçu

Automatisez la création de vidéos courtes (TikTok, YouTube Shorts, Instagram Reels) en utilisant l'IA pour chaque étape : recherche de sujets, rédaction de scripts, narration text-to-speech, sélection de séquences libres de droits, génération de sous-titres et montage final. Inspiré de MoneyPrinterTurbo (53k+ étoiles).

Instructions

Étape 1 : Configuration de l'environnement

pip install anthropic openai requests moviepy pydub whisperx srt
sudo apt install ffmpeg  # Linux — ou : brew install ffmpeg (macOS)

Clés API nécessaires : Anthropic ou OpenAI (scripts), ElevenLabs ou OpenAI TTS (voix), Pexels (séquences libres de droits).

Étape 2 : Rédaction IA du script

import anthropic

def generate_script(topic, duration_seconds=45):
    """Génère un script vidéo optimisé pour les courts-métrages."""
    client = anthropic.Anthropic()
    prompt = f"""Écris un script vidéo de {duration_seconds} secondes sur : {topic}
    Format :
    ACCROCHE (3 premières secondes) : Une affirmation choquante ou une question qui arrête le défilement
    CORPS (contenu principal) : 3 à 5 faits ou points percutants, chacun en 1 à 2 phrases
    APPEL À L'ACTION (5 dernières secondes) : Appel à l'action — suivre, aimer, commenter
    Règles :
    - Conversationnel, pas de phrases complexes
    - Chaque phrase sur sa propre ligne
    - ~{duration_seconds * 2.5:.0f} mots ({duration_seconds}s à 150 mpm)
    - Utilise des mots puissants : secret, choquant, personne ne te dit, en fait
    - Pas d'émojis ni de hashtags — c'est un script de voix off
    """
    response = client.messages.create(
        model="claude-sonnet-4-20250514", max_tokens=500,
        messages=[{"role": "user", "content": prompt}]
    )
    return response.content[0].text

Étape 3 : Narration Text-to-Speech

import requests, os

def generate_voice_elevenlabs(text, output_path='narration.mp3'):
    """Génère la voix off avec ElevenLabs."""
    url = "https://api.elevenlabs.io/v1/text-to-speech/21m00Tcm4TlvDq8ikWAM"
    headers = {"xi-api-key": os.environ["ELEVENLABS_API_KEY"], "Content-Type": "application/json"}
    data = {"text": text, "model_id": "eleven_turbo_v2_5",
            "voice_settings": {"stability": 0.5, "similarity_boost": 0.75}}
    response = requests.post(url, json=data, headers=headers)
    with open(output_path, 'wb') as f:
        f.write(response.content)
    return output_path

def generate_voice_openai(text, output_path='narration.mp3'):
    """Génère la voix off avec OpenAI TTS (alternative moins chère)."""
    from openai import OpenAI
    client = OpenAI()
    response = client.audio.speech.create(model="tts-1-hd", voice="onyx", input=text)
    response.stream_to_file(output_path)
    return output_path

Étape 4 : Sélection des séquences libres de droits

def search_pexels_videos(query, count=5):
    """Recherche des clips vidéo libres de droits en orientation portrait sur Pexels."""
    url = "https://api.pexels.com/videos/search"
    headers = {"Authorization": os.environ["PEXELS_API_KEY"]}
    params = {"query": query, "per_page": count, "orientation": "portrait", "size": "medium"}
    response = requests.get(url, headers=headers, params=params)
    videos = response.json().get('videos', [])
    results = []
    for v in videos:
        files = sorted(v['video_files'], key=lambda x: x.get('height', 0), reverse=True)
        hd = next((f for f in files if f.get('height', 0) >= 720), files[0])
        results.append({'id': v['id'], 'url': hd['link'], 'duration': v['duration']})
    return results

Étape 5 : Génération des sous-titres

def generate_subtitles(audio_path, output_srt='subtitles.srt'):
    """Génère des sous-titres mot par mot avec WhisperX."""
    import whisperx, srt
    from datetime import timedelta
    model = whisperx.load_model("base", device="cpu")
    audio = whisperx.load_audio(audio_path)
    result = model.transcribe(audio)
    align_model, metadata = whisperx.load_align_model(language_code="en")
    aligned = whisperx.align(result["segments"], align_model, metadata, audio)
    subs = []
    words = [w for seg in aligned["segments"] for w in seg.get("words", [])]
    for i in range(0, len(words), 4):
        group = words[i:i + 4]
        if not group: continue
        start = timedelta(seconds=group[0].get('start', 0))
        end = timedelta(seconds=group[-1].get('end', 0))
        text = ' '.join(w['word'] for w in group)
        subs.append(srt.Subtitle(index=len(subs)+1, start=start, end=end, content=text))
    with open(output_srt, 'w') as f:
        f.write(srt.compose(subs))
    return output_srt

Étape 6 : Montage vidéo avec FFmpeg

import subprocess

def assemble_video(clips, narration, subtitles, output='final.mp4'):
    """Assemble la vidéo finale : concaténation des clips, ajout de la narration et des sous-titres."""
    concat_list = 'concat_list.txt'
    with open(concat_list, 'w') as f:
        for clip in clips:
            f.write(f"file '{clip}'\n")
    subprocess.run([
        'ffmpeg', '-y', '-f', 'concat', '-safe', '0', '-i', concat_list,
        '-vf', 'scale=1080:1920:force_original_aspect_ratio=increase,crop=1080:1920',
        '-c:v', 'libx264', '-preset', 'fast', '-an', 'temp_video.mp4'
    ], check=True)
    subtitle_filter = (f"subtitles={subtitles}:force_style='"
        "FontName=Arial,FontSize=18,PrimaryColour=&H00FFFFFF,"
        "OutlineColour=&H00000000,Outline=2,Bold=1,Alignment=2'")
    subprocess.run([
        'ffmpeg', '-y', '-i', 'temp_video.mp4', '-i', narration,
        '-vf', subtitle_filter, '-c:v', 'libx264', '-c:a', 'aac',
        '-shortest', output
    ], check=True)
    return output

Étape 7 : Pipeline complet

def generate_video(topic, output_dir='./output'):
    """Pipeline complet : du sujet à la vidéo finie."""
    import os
    os.makedirs(output_dir, exist_ok=True)
    script = generate_script(topic)
    narration = generate_voice_elevenlabs(script, f'{output_dir}/narration.mp3')
    keywords = topic.split()[:3]
    videos = search_pexels_videos(' '.join(keywords), count=3)
    clips = []
    for i, v in enumerate(videos):
        path = f'{output_dir}/clip_{i}.mp4'
        requests.get(v['url'], stream=True)  # téléchargement du clip
        clips.append(path)
    subs = generate_subtitles(narration, f'{output_dir}/subs.srt')
    return assemble_video(clips, narration, subs, f'{output_dir}/final.mp4')

Exemples

Exemple 1 : Générer un lot de vidéos tech

Un créateur produit 5 vidéos courtes sur la technologie pour TikTok en une seule exécution :

topics = [
    "Outils IA dont personne ne parle",
    "Apps qui semblent illégales à utiliser gratuitement",
    "Sites web qui vont vous épater",
    "Outils IA gratuits dont chaque étudiant a besoin",
    "Gadgets tech à moins de 50 € qui ont changé ma vie"
]
for topic in topics:
    output = generate_video(topic, output_dir=f'./output/{topic[:30]}')
    print(f"Vidéo prête : {output}")
# Chaque vidéo : ~45 secondes, portrait 1080x1920, avec sous-titres et narration
# Coût total : ~0,25 € (5 x 0,05 € par vidéo) avec ElevenLabs + Claude Sonnet

Exemple 2 : Vidéos financières quotidiennes pour YouTube

Une chaîne finance automatise les Shorts quotidiens avec des sujets d'argent tendance :

import schedule

def daily_finance_video():
    topic = "3 idées de revenus passifs qui marchent vraiment en 2025"
    script = generate_script(topic, duration_seconds=55)
    # Sortie du script :
    # ACCROCHE : "Vous perdez de l'argent chaque jour sans le savoir."
    # CORPS : 1. Boutiques print-on-demand (500-2000 €/mois)
    #         2. Licence de contenu généré par IA (300-1000 €/mois)
    #         3. Cumul d'ETF à dividendes (200-800 €/mois passif)
    # APPEL À L'ACTION : "Suivez pour plus d'astuces d'argent que personne ne vous dit."
    narration = generate_voice_openai(script, './daily/narration.mp3')
    videos = search_pexels_videos("money finance investing", count=4)
    # Télécharge 4 clips portrait de séquences argent/finances/lifestyle
    # Assemble avec des sous-titres blancs en gras, produit un Short de 55 secondes
    final = assemble_video(['./daily/clip_0.mp4', './daily/clip_1.mp4'],
                           narration, './daily/subs.srt', './daily/final.mp4')

schedule.every().day.at("08:00").do(daily_finance_video)

Conseils

  • Respectez les droits d'auteur — utilisez uniquement des séquences libres de droits (Pexels, Pixabay) ou votre propre contenu
  • Divulguez l'utilisation de l'IA — YouTube et TikTok exigent la divulgation du contenu généré par IA
  • Révisez avant de publier — regardez toujours la vidéo finale ; les scripts IA peuvent contenir des inexactitudes
  • Optimisez les 3 premières secondes — l'accroche détermine si les spectateurs restent ou défilent
  • Testez plusieurs voix — ElevenLabs propose des dizaines de voix ; trouvez celle qui correspond à votre niche
  • Suivez les performances — suivez les vues, la rétention et le taux de clic pour itérer sur le style de contenu

Références

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

TerminalSkills/skills

>- Run GitHub Actions locally with act. Use when a user asks to test GitHub Actions workflows locally, debug CI pipelines without pushing, or run workflows offline.

TerminalSkills/skills

>- You are an expert in AG2 (formerly AutoGen), the open-source multi-agent conversation framework. You help developers build systems where multiple AI agents collaborate through structured conversations — with tool use, human-in-the-loop, code execution, group chat orchestration, and nested conversations — for complex tasks like software development, research, and data analysis.

TerminalSkills/skills

>- Animate 3D objects and characters in Blender with Python. Use when the user wants to keyframe properties, create armatures and rigs, set up IK/FK chains, animate shape keys for facial animation, edit F-Curves, use the NLA editor to blend actions, add drivers for expression-based animation, or script any animation workflow in Blender.

TerminalSkills/skills

>- Automate motion capture and tracking workflows in Blender with Python. Use when the user wants to import BVH or FBX mocap data, retarget motion to armatures, track camera or object motion from video, solve camera motion, clean up motion capture data, or script any tracking pipeline in Blender.

TerminalSkills/skills

>- You are an expert in Bolt.new by StackBlitz, the AI-powered full-stack development environment that runs entirely in the browser. You help developers go from idea to deployed app in minutes using natural language prompts — Bolt generates complete applications with frontend, backend, database, and deployment, all running in a WebContainer without local setup.

TerminalSkills/skills

>- Assists with using Bun as an all-in-one JavaScript/TypeScript runtime, package manager, bundler, and test runner. Use when building HTTP servers, managing packages, running tests, or migrating from Node.js. Trigger words: bun, bun serve, bun install, bun test, bun build, javascript runtime, bun runtime.

TerminalSkills/skills

>- Self-host customer support with Chatwoot. Use when a user asks to set up open-source customer support, add live chat without SaaS costs, build a multi-channel inbox, or deploy a free Intercom alternative.

TerminalSkills/skills

>- You are an expert in Chi, the lightweight, idiomatic Go HTTP router built on `net/http`. You help developers build composable HTTP services using Chi's middleware stack, route groups, URL parameters, sub-routers, and context-based request scoping — providing Express-like ergonomics while staying 100% compatible with Go's standard library.

TerminalSkills/skills

When the user wants to edit, review, or improve existing marketing copy. Also use when the user mentions 'edit this copy,' 'review my copy,' 'copy feedback,' 'proofread,' 'polish this,' 'make this better,' or 'copy sweep.' This skill provides a systematic approach to editing marketing copy through multiple focused passes.

TerminalSkills/skills

>- Add live chat and customer support with Crisp. Use when a user asks to add a chat widget, implement live customer support, set up a help desk, create a knowledge base, or add a chatbot to a website.

TerminalSkills/skills

>- Assists with building custom interactive data visualizations using D3.js. Use when creating charts, graphs, maps, force layouts, or hierarchical diagrams that require fine-grained control beyond what charting libraries provide. Trigger words: d3, data visualization, chart, svg, scales, force graph, treemap, choropleth.

TerminalSkills/skills

dbt (data build tool) transforms data in your warehouse using SQL SELECT statements. Learn project setup, models, tests, documentation, incremental materializations, and integration with data warehouses like PostgreSQL, BigQuery, and Snowflake.

TerminalSkills/skills

>- You are an expert in dlt, the open-source Python library for building data pipelines. You help developers load data from any API, file, or database into warehouses and lakes using simple Python decorators — with automatic schema inference, incremental loading, and built-in data contracts. dlt is the "requests library for data pipelines.

TerminalSkills/skills

Data Version Control for ML projects. Track large datasets and models alongside Git, build reproducible ML pipelines, and run experiments with metric comparison. Works with any storage backend including S3, GCS, Azure, and local filesystems.

TerminalSkills/skills

>- You are an expert in E2B, the cloud platform for running AI-generated code in secure sandboxes. You help developers give AI agents the ability to execute code, install packages, read/write files, and run long processes in isolated cloud environments — each sandbox is a lightweight VM that boots in ~150ms with full Linux, filesystem, and networking.

TerminalSkills/skills

>- Transcode, convert, edit, and process audio and video with FFmpeg. Use when a user asks to convert video formats (webm to mp4, mkv to mp4), extract audio from video, compress video files, trim or cut clips, concatenate videos, add subtitles, create thumbnails, apply filters, change resolution or bitrate, re-encode media, create GIFs from video, add watermarks, normalize audio, stream media, or build automated media processing pipelines.

TerminalSkills/skills

>- Create advanced animations with GSAP. Use when building complex timelines, scroll-driven animations, SVG morphing, text animations, or high-performance web animations beyond CSS capabilities.

TerminalSkills/skills

>- Generate deterministic MP4 videos from HTML, CSS, media, and seekable animations using HeyGen's HyperFrames framework. Use when someone asks to "render HTML to video", "make a video with HyperFrames", "create a programmatic video", "turn an animation into MP4", "build a launch/product video from HTML", "render GSAP/Lottie/Three.js to video", or set up an agent-driven video pipeline. Covers init/preview/render/add/lint/inspect commands, data-* timing attributes, animation adapters, and the component catalog.

TerminalSkills/skills

When the user wants to perform load testing, stress testing, or performance testing of APIs and websites using k6. Also use when the user mentions "k6," "load test," "performance test," "stress test," "spike test," "soak test," "thresholds," "virtual users," or "VUs." For browser-based testing, see selenium.

TerminalSkills/skills

>- Lovable (formerly GPT Engineer) is a browser-based AI app builder that turns a natural-language description into a working full-stack web app with a built-in backend, authentication, database and one-click publishing. Use when the user wants to prototype or ship a web app with Lovable, write effective Lovable prompts, connect Supabase or GitHub, review generated security rules, or move a Lovable project into their own editor.

Skills associés