Prétraitement Média HyperFrames
Trois commandes CLI qui produisent des actifs pour les compositions : tts (parole), transcribe (horodatages) et remove-background (vidéo transparente). Chacune télécharge un modèle lors de la première exécution et le met en cache dans ~/.cache/hyperframes/. Placez la sortie dans le projet, puis référencez-la depuis le code HTML de la composition — consultez la compétence hyperframes pour les conventions des éléments audio/vidéo.
Synthèse Vocale (tts)
Générez de l'audio de parole localement avec Kokoro-82M. Aucune clé API requise.
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 # toutes les 54 voix
Sélection de la Voix
Faites correspondre la voix au contenu. La valeur par défaut est af_heart.
| Type de contenu | Voix | Pourquoi |
|---|---|---|
| Démo produit | af_heart/af_nova | Chaleureuse, professionnelle |
| Tutoriel / procédure | am_adam/bf_emma | Neutre, facile à suivre |
| Marketing / promo | af_sky/am_michael | Énergique ou autoritaire |
| Documentation | bf_emma/bm_george | Anglais britannique clair, formel |
| Décontracté / social | af_heart/af_sky | Accessible, naturelle |
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. La CLI détecte automatiquement la locale du phonémiseur à partir du préfixe — aucun --lang nécessaire 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 au niveau 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— introductions, transitions, contenu dynamique1.5+— rarement approprié ; testez 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 parole peuvent bénéficier d'une segmentation.
Prérequis
Python 3.8+ avec kokoro-onnx et soundfile (pip install kokoro-onnx soundfile). Téléchargement du modèle lors de la première utilisation (~311 Mo + ~27 Mo de voix, mis en cache dans ~/.cache/hyperframes/tts/).
Transcription (transcribe)
Produit un transcript.json normalisé avec des horodatages au niveau des mots.
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 à moins que l'utilisateur ne précise 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 utiliser |
|---|---|---|---|
tiny | 75 Mo | Plus rapide | Aperçus rapides, test du pipeline |
base | 142 Mo | Rapide | Courts extraits, 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 | Plus lente | Qualité 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), les règles de nouvelle tentative JS, et le chemin d'importation de l'API OpenAI/Groq, consultez hyperframes/references/transcript-guide.md.
Structure 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": "Bonjour", "start": 0.0, "end": 0.5 },
{ "id": "w1", "text": "le monde.", "start": 0.6, "end": 1.2 }
]
Suppression d'Arrière-Plan (remove-background)
Supprimez l'arrière-plan d'une vidéo ou d'une image afin que le sujet (généralement une personne — avatar, présentateur, tête parlante) se place comme une incrustation transparente dans une composition.
npx hyperframes remove-background sujet.mp4 -o transparent.webm # défaut : VP9 alpha WebM
npx hyperframes remove-background sujet.mp4 -o transparent.mov # ProRes 4444 (montage)
npx hyperframes remove-background portrait.jpg -o decoupe.png # découpe d'image unique
npx hyperframes remove-background sujet.mp4 -o sujet.webm \
--background-output fond.webm # les deux couches en une passe
npx hyperframes remove-background sujet.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 en plus de la découpe : même source RVB, alpha est 255 − masque au lieu de masque. La découpe est le sujet avec un arrière-plan transparent ; le fond est l'environnement d'origine avec un trou transparent là où se trouvait le sujet.
| Fichier | Alpha est… | Utilisation pour |
|---|---|---|
-o sujet.webm | Le masque — sujet opaque, arrière-plan transparent | Couche de premier plan, placez dessus |
--background-output fond.webm | Inverse — environnement opaque, région du sujet transparente | Couche de fond ; placez du texte ou des graphiques entre celle-ci et le sujet |
Les deux sorties partagent la même préréglage --quality et proviennent d'une seule passe d'inférence — le coût de l'encodage double environ, le coût de la segmentation reste le même. Valide uniquement pour les entrées vidéo et les sorties .webm/.mov.
Fond troué, pas un fond proprement reconstitué. La région du sujet dans fond.webm est entièrement transparente — compositez quelque chose d'opaque en dessous pour remplir le trou. Le seul test pour savoir si --background-output est le bon outil : y aura-t-il jamais quelque chose de visible à travers la silhouette du sujet là où se trouvait le sujet ?
| Cas d'utilisation | Outil adapté |
|---|---|
| Texte/graphiques entre la découpe et le fond (raison de cette commande) | Fond troué (--background-output) |
| Sujet sur une scène non liée | Juste sujet.webm ; ignorez le fond |
| Montrer la pièce sans la personne, seule sans autre contenu | Fond propre — nécessite un inpaint (LaMa, ProPainter, E2FGVI). Pas cette commande. |
| Remplacer le sujet par un sujet différent | Fond propre — idem ci-dessus |
Si un utilisateur demande "la pièce avec la personne retirée" et prévoit de l'afficher telle quelle, n'utilisez pas --background-output. Dites-lui qu'il a besoin d'un inpaint.
Composition typique en couches (le cas d'utilisation canonique du trou) :
<!-- z=1 le fond alpha-inverse remplit tout sauf la région du sujet -->
<video
src="fond.webm"
data-start="0"
data-duration="6"
data-track-index="0"
muted
playsinline
></video>
<!-- z=2 les graphiques / le texte vivent entre les deux couches -->
<h1 id="headline" style="z-index:2; ...">FAITES-LE DANS HYPERFRAMES</h1>
<!-- z=3 la découpe replace le sujet au-dessus du titre -->
<div class="cutout-wrap" style="position:absolute;inset:0;z-index:3">
<video
src="sujet.webm"
data-start="0"
data-duration="6"
data-track-index="1"
muted
playsinline
></video>
</div>
C'est fonctionnellement équivalent au motif texte-derrière-sujet ci-dessous, mais vous n'avez pas besoin du presentateur.mp4 d'origine dans le projet — le fond le remplace. Utile lorsque vous souhaitez expédier uniquement les deux couches transparentes et laisser l'utilisateur déposer du contenu arbitraire entre elles.
Format de Sortie
| Format | Quand |
|---|---|
.webm (VP9 + alpha) | Par défaut. Les compositions lisent cela 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 VP9 alpha nativement, donc le .webm se branche dans une composition comme n'importe quelle autre vidéo muette en lecture automatique — consultez la compétence 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 des couleurs moins précise |
balanced | 18 | Par défaut. Visuellement identique pour la plupart des usages |
best | 12 | Master / livraison finale. Fichier le plus volumineux, correspondance la plus précise |
Modèles de Composition — Choisissez le Bon
La découpe webm est une copie ré-encodée du RVB de la source mp4. Ce choix a des conséquences selon ce que vous placez derrière :
| Modèle | Ce qui est derrière la découpe | Résultat |
|---|---|---|
| Découpe sur une scène différente (le plus courant) | Image statique, dégradé ou vidéo non liée | Superbe. Le RVB de la découpe est la seule source du sujet — pas de doublement, pas de halo de bord. C'est pour cela que remove-background est conçu. |
| Découpe sur son propre mp4 source (texte-derrière-sujet) | Même mp4 à partir duquel la découpe a été générée | Deux sources RVB pour la même personne. À --quality balanced par défaut (crf 18) le doublement est à peine visible ; à --quality fast (crf 30) vous verrez un léger décalage de couleur / halo de bord. Utilisez --quality best (crf 12) pour les masters. |
| Découpe sur une prise différente de la même personne | Séquences du même sujet | Ressemblera à deux personnes distinctes qui se chevauchent. Ne faites pas ça. |
Texte-derrière-sujet (titre derrière un présentateur) :
<video
src="presentateur.mp4"
id="bg"
data-start="0"
data-duration="6"
data-track-index="0"
muted
playsinline
></video>
<h1 id="headline" style="z-index:2; ...">FAITES-LE DANS HYPERFRAMES</h1>
<div class="cutout-wrap" style="position:absolute;inset:0;z-index:3;opacity:0">
<video
src="presentateur.webm"
data-start="0"
data-duration="6"
data-track-index="1"
muted
playsinline
></video>
</div>
Deux règles clés :
- Enveloppez la vidéo de découpe dans une
<div>non temporisée et animez l'opacité de l'enveloppe, pas celle 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'enveloppe n'a pas d'attributsdata-*, donc elle est gérée 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 tardivement la découpe (data-start=3.3) introduit une recherche + préchauffage qui atterrit sur une image décalée par rapport au mp4 de base — visible comme une image de décalage à la coupure.
Ensuite, basculez l'opacité de l'enveloppe avec GSAP au moment de la coupure : tl.set(cutoutWrap, { opacity: 1 }, 3.3).
TTS → Transcription → Sous-titres
Lorsqu'il n'y a pas de voix off pré-enregistrée, générez-en une et retranscrivez-la pour obtenir des horodatages au niveau des mots pour les sous-titres :
npx hyperframes tts script.txt --voice af_heart --output narration.wav
npx hyperframes transcribe narration.wav # → transcript.json