Communitygithub.com

paxon-yang/talking-video-skills

Préparer le matériel nécessaire avant de produire des vidéos de commentaire ou à effet dynamique : personnage numérique, clonage vocal, extraction des motifs d'effets, cadre fixe.

Qu'est-ce que talking-video-skills ?

Cette compétence est destinée à la préparation en amont de la production de vidéos de commentaire ou à effet dynamique avec des agents IA comme Claude Code, Cursor ou Codex. Elle fournit une liste de contrôle complète (personnage numérique, voix, motifs d'effets, bibliothèque de composants, cadre fixe) et un cycle méthodique pour apprendre et reproduire des effets dynamiques à partir de vidéos de référence. L'utilisateur peut demander « préparer le personnage numérique », « apprendre cet effet », « décomposer l'effet de cette vidéo », « transformer en composant réutilisable », « créer ma propre bibliothèque d'effets », « préparer le matériel » ou « que me manque-t-il pour commencer à faire une vidéo ». Une fois le matériel prêt, le skill `talking-video-oneshot` est utilisé pour la production. Le flux de travail inclut l'analyse de la vidéo de référence, l'extraction des valeurs numériques, l'ajustement des courbes d'assouplissement, la création de fiches techniques, l'assemblage de calibration, la validation par comparaison côte à côte, et l'enregistrement des conclusions erronées. La compétence insiste sur la transparence des mesures, l'utilisation de valeurs déterministes (avec graine pour l'aléatoire), et la communication en chinois avec l'utilisateur.

Compatible avec✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/paxon-yang/talking-video-skills/tree/HEAD/skills/video-asset-prep

Demander à votre IA préférée

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

Documentation

Préparation du matériel : un investissement initial pour chaque vidéo ultérieure

Liste de contrôle (vérifiez d'abord ce qui manque)

ÉlémentCritère de qualitéRéférence
① Personnage numériqueAvoir un personnage + regard ; échantillon d'écran vert validé ; bord net après incrustation ; avance de la synchronisation labiale réglée ; netteté testéereferences/digital-human.md, references/voice-and-host.md Partie 2
② VoixVoix clonée ; tableau des règles de prononciation (abréviations, rétroflexion, homophones) ; paramètre de pause maximalreferences/voice-and-host.md Partie 1
③ Règles d'effetsAu moins une fois par le niveau des règles : connaître les deux niveaux d'assouplissement, le décalage de pics, le feedback de clic, la transition, la retenue en post-productionreferences/principles.md ; cartes UI dans la prise réelle, transitions réelles voir references/vlog-ui-fusion-and-transitions.md
④ Bibliothèque de composantsVotre propre bibliothèque Remotion : titres, cartes, graphiques, icônes, fenêtres, transitions ; chaque composant avec paramètres et enregistrement d'étalonnagereferences/method-dissect.md, references/method-replicate.md
⑤ Cadre fixeStyle des capsules de sous-titres, arrière-plans (clair et sombre chacun), avatar, modèle de couverturereferences/frame-kit.md
⑥ Chemin de repliQue faire quand Remotion ne peut pas faire (3D, verre, composition réelle)references/fallback-ladder.md

Prêt pour ①–⑤ (pour une vidéo purement effet : ②③④⑤) → passer à ../talking-video-oneshot/SKILL.md.

Accumuler les composants : le cycle d'apprentissage des effets

  1. Récupérer le matériel : L'utilisateur fournit une référence d'effet dynamique soignée (capture d'écran/vidéo) ; utiliser ffprobe pour vérifier les spécifications ; si la fréquence d'images variable, créer un proxy à fréquence constante, l'original en lecture seule.
  2. Décomposer : Localiser en survolant avec un échantillonnage clairsemé → pour chaque événement, échantillonner à 12–30 fps dense → mesurer le déplacement / l'échelle / le flou / la luminosité → ajuster la courbe d'assouplissement → rédiger une fiche technique avec chaque valeur marquée « mesurée / estimée » et le niveau de confiance.
  3. Ajouter à la bibliothèque : Vérifier d'abord s'il existe déjà un composant réutilisable pouvant être paramétré ou combiné ; créer uniquement si nécessaire. Les nouvelles règles sont écrites dans la bibliothèque de règles : règle → valeur → source → niveau de confiance.
  4. Reconstituer : Réaliser un petit assemblage d'étalonnage : utiliser le composant avec paramètres pour générer une image, la mesurer une fois ; tolérance de ±15% pour valider. Seule une vérification pixel par pixel indépendante prouve la justesse des valeurs de l'original.
  5. Calibration côte à côte : Original à gauche, notre reproduction à droite, noter l'écart et le degré de ressemblance approximatif, montrer à l'utilisateur, ajuster selon ses retours.
  6. Enregistrer même les conclusions invalides : Les conclusions réfutées par les mesures sont enregistrées dans la bibliothèque des règles sous « conclusions réfutées », pour éviter de répéter les erreurs. La reconstitution est uniquement pour l'apprentissage interne, ne pas inclure dans la vidéo finale, ne pas copier le travail d'autrui.

Règles de base

  • Les composants sont codés en 1920×1080 pixels ; déterministes : pas de nombres aléatoires ni de temps aléatoire, utiliser un générateur avec graine pour l'aléatoire, le temps dérivé des images.
  • Une seule caméra par plan ; pas de petit texte explicatif ; ne pas inventer de valeurs (si non visible, écrire « non visible »).
  • Sur les machines à faible mémoire, ne générer qu'un seul rendu à la fois.
  • Communiquer en chinois avec l'utilisateur ; pour les décisions à trancher, proposer des choix multiples.

Individual skills in this repo

This repo contains 2 individual skills — each has its own dedicated page.

Skills associés