Compétence Vidéo VoxFlow
Générez des vidéos courtes avec l'IA : le LLM écrit le script, l'IA dessine des cartes ou des scènes, la TTS narre, FFmpeg / Remotion rend le MP4 final.
Pour les réels article-à-carte (Slice — 13 thèmes : paper-slide / editorial-mag / bold-poster / notion-card / brutalist / glass-dark / editorial-stencil / broadsheet / blueprint / daisy-pastel / showa-catalog / photo-feature / atmospheric), passez à voxflow:slice. Pour les ensembles de cartes images HTML/CSS ou l'exportation de cartes narrées vers MP4, passez à voxflow:card.
Cinq points d'entrée — choisissez selon ce que l'utilisateur souhaite :
| Commande | Sortie | Utilisation quand |
|---|---|---|
picstory | MP4 vertical/paysage avec cartes dessinées à la main ou scènes cinématographiques | "知识卡片视频", 小红书 / Twitter edu, tutoriels sketchnote |
present | Vidéo carte narrée 1080×1920, 5 schémas visuels | Pitch decks, réels explicatifs, format court de marque |
explain | MP4 explicatif avec scènes titre / puces / résumé | Tutoriels "Qu'est-ce que X ?", intros de cours |
slides | Présentation HTML autonome avec audio TTS intégré | Lancements de produits, conférences, partage par lien |
image | PNG unique | Illustrations / miniatures uniques (Hunyuan TextToImage) |
Prérequis
npm install -g voxflowetvoxflow loginffmpeginstallé (brew install ffmpeg/sudo apt install ffmpeg) — requis pour le rendu MP4- Pour
present/explain(basé sur Remotion) : l'installation locale du plugin inclutremotion-cards/. Sipresentindique "Remotion pas prêt", exécuteznpm installdans le répertoireremotion-cards/fourni. Pourexplain, vous pouvez ignorer Remotion local avec--cloud.
🎴 picstory — vidéo de carte de connaissances
Le LLM écrit un script structuré, l'IA dessine une carte par scène, la TTS narre, FFmpeg assemble. Idéal pour 小红书 / Twitter edu / TikTok.
Démarrage rapide
# Par défaut : chinois, style sketchnote, portrait, 5 scènes
voxflow picstory --topic "Guide d'introduction à l'agent IA"
# Test rapide 2 scènes (pas de rendu vidéo complet)
voxflow picstory --topic "Introduction à l'IA" --scenes 2 --image-only
# Vidéo paysage en anglais
voxflow picstory --topic "How React Hooks Work" --language en --ratio landscape --style photo
Sortie : picstory-<timestamp>.mp4 + .json (script).
Styles de type carte (en-tête structuré + points clés)
--style | Aspect | Idéal pour |
|---|---|---|
sketchnote (par défaut) | Bullet journal dessiné à la main coloré | Partage de connaissances, tutoriels |
neon_noir | Cyberpunk sombre avec lueur néon | Tech, startup |
minimal_3d | Argile 3D douce sur dégradés pastel | Lifestyle 小红书 |
chalkboard | Craie blanche sur vert foncé | Science, académique |
Styles de type scène (illustration libre)
--style | Aspect | Idéal pour |
|---|---|---|
photo | Cinématographique / photoréaliste | Narration, voyage |
manga_panel | Trait d'encre manga japonais | Drame, guides étape par étape |
vintage_newspaper | Journal des années 1940 | Histoire, histoires factuelles |
Ratios
--ratio | Pixels | Plateforme |
|---|---|---|
portrait (par défaut) | 1080×1920 | 小红书, TikTok, Reels, 抖音 |
landscape | 1920×1080 | YouTube, B站 |
square | 1080×1080 | Instagram, Twitter |
Préréglages de modèle de script (--script-model)
| Préréglage | Fournisseur | Point fort |
|---|---|---|
| omis | configuration serveur | Équilibre par défaut (gpt-4o-mini) |
gemini-flash | OpenRouter | Multilingue, bon chinois |
deepseek | DeepSeek | Le moins cher, excellent chinois |
hunyuan | Tencent Hunyuan | Chinois natif |
moonshot | Moonshot | Contexte long chinois |
Le serveur applique une liste d'autorisation — seuls les noms de préréglage ci-dessus fonctionnent ; les ID de modèle arbitraires sont rejetés.
Qualité d'image (--quality)
La génération d'image est le seul coût significatif (~0,005–0,08 $ par image). Le script LLM (~2K tokens) est négligeable.
--quality | Fournisseur | Point fort | Coût pour 5 images |
|---|---|---|---|
fast (par défaut) | OpenRouter Gemini Flash | Le moins cher, équilibré | ~0,025 $ |
hd | OpenRouter Gemini Pro | Détail plus élevé | moyen |
ultra | OpenRouter gpt-5.4-image-2 | Meilleur global, ~16× le coût | ~0,40 $ |
fast-aiberm | Aiberm Gemini Flash | Niveau Aiberm bon marché | faible |
hd-aiberm | Aiberm Gemini Pro | Rendu de texte chinois le plus fort — meilleur pour les cartes 小红书 avec en-têtes chinois | moyen |
Utilisez fast pour l'itération ; hd-aiberm lorsque les cartes doivent contenir des caractères chinois précis ; ultra pour les exportations héroïques.
Options complètes
| Drapeau | Défaut | Description |
|---|---|---|
--topic <texte> | requis (ou --text) | Sujet de l'histoire |
--text <contenu> | — | Collez l'article complet au lieu d'un sujet |
--style <nom> | sketchnote | Voir styles ci-dessus |
--ratio <nom> | portrait | portrait | landscape | square |
--language <code> | zh | zh | en | ja | ko | ... |
--scenes <n> | 5 | 2–10. Utilisez 2 pour les tests rapides. |
--script-model <préréglage> | défaut serveur | Voir préréglages ci-dessus |
--quality <niveau> | fast | Voir tableau ci-dessus |
--voice <id> | défaut | Voix TTS depuis voxflow voices |
--speed <n> | 1.0 | Vitesse TTS 0,5–2,0 |
--bgm <fichier> | — | Musique de fond (mp3/wav) mixée sous la narration |
--bgm-volume <n> | 0.1 | Volume BGM 0–1 |
--fade <n> | 0.4 | Secondes de fondu par scène (0 pour désactiver) |
--image-only | false | Enregistrez les images + audio sans rendu vidéo final |
--output-dir <répertoire> | — | Répertoire pour toutes les sorties |
--output <chemin> | auto | Chemin du MP4 final |
Coût en quota
| Opération | Quota |
|---|---|
| Script LLM | 100 |
| TTS / scène | 50 |
| Image / scène | 500 |
| Test 2 scènes | ~1 200 |
| Complet 5 scènes | ~2 850 |
Niveau gratuit (10 K/mois) ≈ 3 vidéos picstory complètes.
Pipeline
Sujet / Texte
├─[1] Script LLM → { title, scenes: [{ heading, keyPoints, narration }] }
├─[2] TTS par scène → audio PCM
├─[3] Image par scène (parallèle) → JPEG via /api/image/generate
└─[4] FFmpeg : image + WAV → zoompan Ken Burns MP4 → concat → +BGM → final.mp4
Dépannage
| Problème | Solution |
|---|---|
ffmpeg not found | brew install ffmpeg (mac) / sudo apt install ffmpeg |
Image generation failed | Réessayez ; si bloqué sur hd, passez à --quality fast |
| Rendu trop lent | Ken Burns est lourd en CPU. Utilisez --scenes 2 --image-only pour valider d'abord le contenu. |
model_not_allowed | Utilisez un nom de préréglage --script-model, pas un ID de modèle brut |
| Texte chinois tronqué dans les cartes | Passez à --quality hd-aiberm |
📑 present — vidéo carte narrée (Remotion local)
Texte ou URL → Cartes LLM → TTS → Rendu Remotion. 1080×1920, 5 schémas visuels.
voxflow present --text "Claude Code est un outil de programmation IA" --style aurora
voxflow present --url https://example.com/article --style noir
voxflow present --text "Paysage des puces IA 2025" --web-search --style neon
voxflow present --cards pre-generated.json --no-audio
| Drapeau | Défaut | Notes |
|---|---|---|
--text / --url / --cards | un requis | Source d'entrée |
--style | aurora | noir | neon | editorial | aurora | brutalist |
--voice <id> | v-female-R2s4N9qJ | Voix TTS |
--speed <n> | 1.0 | 0,5–2,0 |
--no-audio | false | Vidéo silencieuse uniquement |
--web-search | false | Augmenter le LLM avec des faits web à jour |
--output <chemin> | ./present-<ts>.mp4 | .mp4 ou .wav |
Si
presentindique "Remotion not ready", exécuteznpm installdans le répertoireremotion-cards/fourni pour configurer le moteur de rendu local.
🧠 explain — vidéo explicative IA
Flux de scènes Titre / puces / résumé. Idéal pour les tutoriels "Qu'est-ce que X ?".
voxflow explain --topic "Qu'est-ce que React ?"
voxflow explain --topic demo --output demo.mp4 # démo intégrée (pas d'appel API)
voxflow explain --topic "Introduction à la blockchain" --style chalkboard --voice v-male-Bk7vD3xP
voxflow explain --topic "Machine Learning" --audio-only
voxflow explain --topic "Introduction à l'agent IA" --cloud # rendu sur le serveur
| Drapeau | Défaut | Notes |
|---|---|---|
--topic <texte> | requis | Utilisez demo pour le script de démo intégré |
--style | modern | modern | playful | corporate | chalkboard |
--language | en | en | zh | ja | ko | ... |
--voice <id> | v-female-R2s4N9qJ | |
--scenes <n> | 5 | 3–12 |
--audio-only | false | Ignorer le rendu, sortie WAV uniquement |
--cloud | false | Utiliser Remotion cloud au lieu de local |
--output <chemin> | ./explain-<ts>.mp4 |
📊 slides — présentation HTML avec TTS
Génère une présentation HTML autonome avec audio base64 intégré par diapositive. Ouvrez dans n'importe quel navigateur, aucun serveur requis.
voxflow slides "L'IA dans la santé"
voxflow slides "Rapport des revenus Q4" --template report --theme paper
voxflow slides "Tutoriel React" --template tutorial --model balanced
voxflow slides "Pitch startup" --template pitch --theme ocean --no-audio
| Drapeau | Défaut | Notes |
|---|---|---|
--text <texte> (ou positionnel) | requis | Sujet |
--template | free | product | report | tutorial | pitch | free |
--theme | midnight | midnight | paper | ember | forest | ocean |
--model | swift | swift | balanced | pro | creative |
--voice <id> | v-female-R2s4N9qJ | |
--no-audio | false | Ignorer TTS, diapositives uniquement |
--output <chemin> | ./slides-<ts>.html |
10 mises en page : hero, title-bullets, two-column, three-cards, image-left, image-right, quote, timeline, stats, section. Les modèles choisissent automatiquement une séquence de mise en page.
🖼 image — illustration unique Hunyuan
Synchrone texte → image (PNG). Utile pour les miniatures ou les illustrations uniques.
voxflow image "un chat endormi dans une fenêtre ensoleillée" --resolution 1024:1024 -o cat.png
Résolutions : 768:768, 768:1024, 1024:768, 1024:1024, 720:1280, 1280:720, 768:1280, 1280:768, 1080:1920, 1920:1080.
Prompt max 1000 caractères. Sortie : PNG local + URL COS.
Liste de choix de l'outil adapté
"carte de connaissances style 小红书" → picstory
"courte vidéo IA + légende" → picstory --style sketchnote
"explicatif / Qu'est-ce que X ?" → explain
"court format de marque avec mon texte" → present
"j'ai déjà des cartes/script" → present --cards
"présentation HTML partageable avec audio" → slides
"illustration unique" → image
Règles
- Recherchez les voix avec
voxflow voicesavant de passer--voice. Ne devinez jamais les ID. - Vérifiez le quota avant les appels vidéo (
voxflow status) : picstory ≈ 3K, present/explain ≈ 500–2K. - Testez d'abord à moindre coût :
picstory --scenes 2 --image-onlyvalide le script avant de payer pour le rendu complet. - Après la fin du rendu, lecture automatique :
open output.mp4(macOS).