editor-video

Éditeur vidéo par client

Moteur et flux pour éditer comme un éditeur humain : comprendre le contenu, couper avec précision, appliquer le look du client, vérifier et livrer. Le moteur n'a pas de style propre : tout le visuel provient de clients/<CLIENT>/look.py.

SKILL_DIR = dossier de cette compétence. Outils : engine/reel.py, tools/{takes.py, words.py, media.sh}, modèles dans templates/, looks de départ dans looks/.

Prérequis (vérifier la première fois ; installer ce qui manque)

• ffmpeg, python3, node/npx · macOS : avconvert et sips (fournis avec le système) pour HDR→SDR et photos HEIC.
• HyperFrames (rendu et bibliothèque SFX) : npx hyperframes skills update general-video (installe aussi media-use).
• watch (voir/transcrire des vidéos et télécharger des liens Instagram/TikTok/YouTube avec yt-dlp) : compétence watch de github.com/bradautomates/claude-video, moteur local WhisperX (gratuit) : setup.py --engine local et --backend whisperx.
• whisper CLI (fenêtres de vérification) : uv tool install --python 3.12 openai-whisper --with setuptools.
• MFA (alignement des mots ±20 ms) : brew install --cask miniforge, conda create -n mfa -c conda-forge montreal-forced-aligner -y, conda run -n mfa mfa model download acoustic french_mfa et … dictionary french_mfa (autre langue : son modèle).

Structure des dossiers (base de travail, p. ex. ~/Documents/VIDEOS/)

clients/<CLIENT>/
├── style.md      guide du client (templates/style.md) — à lire TOUJOURS avant d'éditer
├── look.py        le style traduit en options du moteur (de looks/natif.py ou looks/donnees.py)
├── refs/          vidéos de référence + feuilles de frames + analyses
├── marque/        logo, couleurs, polices, musique propre
└── projets/<AAAA-MM-JJ_nom>/
    ├── brut/     contenu de l'utilisateur — NE JAMAIS modifier ni supprimer
    ├── broll/     prises de soutien (optionnel)
    ├── script.md   script ou notes (optionnel ; prévaut sur style.md pour ce projet)
    ├── travail/   media/ (converti), mfa/, gt/, et un dossier par vidéo avec config.py + takes.json
    └── final/     uniquement les livrables : <client>_<sujet>_v1.mp4 · corrections = v2, v3 sans supprimer les précédentes

L'utilisateur ne crée pas de dossiers : il dit "nouveau projet de , le contenu est dans " et ici on crée projets/<date_nom>/ et on déplace le brut (demander d'abord si le brut est en dehors de la base et s'il ne veut pas le déplacer).

Flux

0 · Nouveau client → analyser les références et écrire style.md

1. Télécharger/lire les références (liens avec watch, qui utilise yt-dlp) dans refs/. Idéal ~5.
2. Pour chacune, mesurer : accroche (3 premières s), coupes/min (ffmpeg -vf "select='gt(scene,0.3)',showinfo" → compter), sous-titres (police ou la gratuite la plus proche, taille, position, couleur, surlignages, animation), couleur/look, cartes et animations, son (musique, SFX, voix), cadrage, structure, CTA. Feuille de frames : fps=16/dur,scale=270:480,tile=8x2.
3. Écrire style.md (modèle) uniquement avec les motifs vus dans ≥ 2 références ; séparer mesuré d'inféré ; ne pas copier de phrases ni de marques d'autrui. Si les références se contredisent, demander laquelle prioriser.
4. Créer look.py depuis le look de départ le plus proche et l'ajuster au guide. Afficher le guide + les stills de test et attendre l'approbation avant d'éditer.

1 · Comprendre le brut

• Lire style.md et script.md. Tester chaque fichier (ffprobe : durée, rotation, color_transfer).
• watch sur chaque brut avec WATCH_WHISPERX_LANGUAGE=fr et --out-dir travail/watch : ce qui est dit, quelles prises sont utilisables, les reprises, ce qu'il NE FAUT PAS couper. Cette transcription est la seule complète : elle est réutilisée pour MFA.
• Croiser avec le script : quelles parties du script n'ont pas été filmées ou ont été improvisées → prévenir l'utilisateur.
• Plusieurs clips courts sans voix (événements) : feuille de frames par clip, classer par thème et proposer des regroupements (une vidéo par thème + des bonus + un récap général) avant d'éditer.

2 · Préparer les médias

• media.sh video <brut> travail/media/<nom>.mp4 [vertical|horizontal] — convertit le HDR (iPhone/DJI) en SDR en un seul passage, images clés toutes les 1 s, 30 ips. Ne pas recompresser plusieurs fois : chaque passage perd en détails.
• Photos : media.sh photo <photo> travail/media/<nom>.mp4 2.5. Audio pour aligner : media.sh audio.

3 · Aligner les mots (vidéos avec voix)

• corpus/a.wav + corpus/a.txt (texte brut de watch) → conda run -n mfa mfa align --clean <corpus ABSOLU> french_mfa french_mfa <sortie ABSOLUE> (chemins absolus ou échec ; sans --beam). words.py textgrid … words.json et words.py show words.json.
• Mots avec ~ (durée > 1 s) cachent des pauses ou des reprises ; les longs trous sans texte peuvent être des reprises que watch n'a pas transcrites. Vérifier avec une fenêtre isolée : couper 3–15 s de l'audio, whisper --model small --language fr --word_timestamps True, words.py whisper … <offset>. MFA peut dériver de plusieurs secondes là où il y a eu du bruit ou des reprises.

4 · Sélectionner les prises → takes.json → takes.py

• Pour chaque phrase, choisir la meilleure prise (généralement la dernière) ; supprimer les reprises, les faux départs, les tics de langage, les instructions à l'éditeur ("je veux que celle-ci soit une autre vidéo") et ce qui ne sert pas l'objectif. Respecter la durée maximale.
• Spans par début de mot : (début du 1er, début du dernier + 0.2). Si la fin tombe avant le début du dernier mot, elle le mange. word_fix corrige les mots que MFA a mal positionnés (avec les temps de la fenêtre isolée).
• Texte : phrases / words corrigent ce que l'ASR a mal compris (noms, marques : "Claude" pas "Klaus", "IA" pas "ella").
• python3 $SKILL_DIR/tools/takes.py travail/<video>/takes.json travail/<video> → imprime la durée et le texte final. Lire le texte complet : vérifier qu'aucun dernier mot de tronçon ne manque ni qu'aucun mot coupé ne dépasse.

5 · Assembler la vidéo

• travail/<video>/ : config.py (de templates/config.py), media → ../media (symlink), media.sh sfx travail/<video>, hyperframes.json minimal ({"paths": {"assets": "assets"}}).
• Dans edit(e) : cartes/POV/CTA, b-roll et sons ancrés aux mots (e.word_t(None, "mot")). Cartes sur les bords : avec le zoom, le visage s'élargit. Un événement visible tous les ≤ 3 s (le moteur ajoute des auto-punches si nécessaire).
• python3 $SKILL_DIR/engine/reel.py travail/<video> → npx hyperframes check travail/<video> (0 erreurs ; les avertissements de "fichier volumineux / piste dense / imbriqué" sont normaux dans ce moteur).

6 · Vérifier avant de rendre

• npx hyperframes snapshot travail/<video> --at <t1,t2,…> --no-end -o <chemin ABSOLU> sur chaque carte, accroche et CTA. Vérifier : rien ne cache le visage, les textes ne se coupent pas mal, les couleurs sont correctes, les sous-titres lisibles.
• Afficher les stills à l'utilisateur et attendre l'approbation (sauf si le style est déjà approuvé et qu'il dit "rends").

7 · Rendu et livraison

• npx hyperframes render --quality delivery -o …/raw.mp4 dans travail/<video> → media.sh final raw.mp4 final/<client>_<sujet>_v1.mp4 (−14 LUFS). Supprimer uniquement le raw.mp4 intermédiaire qui vient d'être créé.
• Vérifier avec watch --detail transcript : texte complet et sans répétitions. Si le début "manque", vérifier les 3 premières secondes avec whisper avant de conclure (la transcription complète omet parfois le démarrage).

Leçons (ne pas répéter)

• Le HDR sans conversion paraît délavé ; convertir avec avconvert une seule fois.
• Enregistrer en 4K s'il y a des zooms : du 1080p agrandi de 13–22 % semble flou. Avertir le client.
• Une phrase corrigée avec plus de mots ne peut pas répartir le même temps : un sous-titre de durée 0 reste collé.
• Les émojis dans le texte à l'écran ne sont pas toujours rendus : les éviter.
• snapshot -o avec un chemin relatif écrit à côté du projet : utiliser des chemins absolus.
• Un même fichier utilisé dans deux parties de la vidéo → des clés différentes dans takes.json (IDs uniques).
• Ne pas télécharger la bibliothèque SFX dans un dépôt (licence Pixabay de media-use) : elle est copiée par projet avec media.sh sfx.
• Les corrections du client sur une seule vidéo (p. ex. "pas de sons dans la 07") vont dans son config.py (SFX = {"card": None, "broll": None, "cut": None} et sfx: None dans les cartes), sans modifier le index.html (perdu à la reconstruction).