Communitygithub.com

Treemation — Vidéos Éducatives 3D

Créez des vidéos éducatives verticales 3D (9:16, Shorts/Reels/TikTok) entièrement en code — hôte pixel-skin + mascotte, caméra dynamique, fonds adaptatifs, sous-titres de mots-clés en jaune, synchronisation labiale, effets sonores, miniature — en indonésien, synchronisées sur un fichier MP3 ElevenLabs. Flux automatique en 2 étapes.

Qu'est-ce que Treemation — Vidéos Éducatives 3D ?

Treemation est une compétence d'agent IA conçue pour générer automatiquement des vidéos éducatives verticales courtes au format 9:16 (idéal pour YouTube Shorts, Instagram Reels, TikTok), le tout via du code. Elle produit des vidéos avec un personnage hôte au style pixel-art (type sandbox game), une mascotte nommée 'Byte', des arrière-plans 3D dynamiques qui s'adaptent au sujet, des sous-titres de mots-clés en jaune, une synchronisation labiale précise avec la narration, et des effets sonores. Le cycle de création est un flux en deux étapes : 1) l'utilisateur donne un sujet (ex: "buat konten edukasi apa itu domain"), et la compétence répond directement avec un script ElevenLabs prêt à l'emploi et un plan de scènes détaillé, sans expliquer le sujet dans le chat. 2) L'utilisateur envoie le fichier MP3 de la narration, et la compétence le transforme immédiatement en vidéo MP4 complète avec miniature, sans poser de questions supplémentaires. Elle est conçue pour les agents comme Claude Code, Cursor ou Codex, et son fonctionnement est décrit dans un fichier SKILL.md très détaillé. La compétence utilise des scripts Python pour l'alignement audio, le rendu 3D (basé sur three.js), la vérification visuelle et le rendu final. Elle respecte des principes stricts : synchronisation parfaite entre l'audio et les visuels, accroche forte dans les 3 premières secondes, caméra dynamique, fonds adaptés au sujet (ex: binaires pour les serveurs, glace pour le froid), et une miniature optimisée pour les réseaux sociaux.

Compatible avec~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/Adytm404/treemation/tree/HEAD/skills/treemation

Demander à votre IA préférée

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

Documentation

Que fait Treemation — Vidéos Éducatives 3D ?

Cette compétence produit des vidéos comme l'exemple dans examples/zenhosta/ ("Kok website bisa online?") : un hôte au style pixel-art (personnage de type jeu bac à sable avec un visage anime pixellisé) adapté au contexte de l'utilisateur, la mascotte "Byte", une caméra qui change de plans (gros plan visage, gros plan mascotte, illustration 3D, plan large, contre-plongée), des fonds dont le thème suit le sujet, une étiquette d'étape en haut avec une barre de progression, une scène 3D flottante pour les accessoires, des décors 3D (pièces/lieux entiers — centre de données, bureau, entrepôt, ville, ou le vôtre — construits derrière l'hôte, qui flotte devant eux, puis la caméra vole à l'intérieur), des panneaux d'interface qui apparaissent exactement lorsqu'un mot est prononcé, de grands sous-titres (mots-clés en jaune), et un hôte dont la bouche suit la voix.

Toute communication avec l'utilisateur se fait en Bahasa Indonesia (scripts, sous-titres et réponses dans le chat).

Règles de déclenchement (à lire en premier — une phrase de l'utilisateur suffit)

A. L'utilisateur nomme un sujet — par exemple "buat konten edukasi apa itu domain", "bikin video soal cara kerja email, CTA ke tokoku.id", "konten tiktok: kenapa harga emas naik".

  • Il s'agit d'une demande de créer du contenu, pas d'une question. N'expliquez pas le sujet dans le chat, ne résumez pas le matériel et ne posez pas de questions en retour ("Quelle durée ?", "Qui est le public cible ?", "Avec un CTA ?").
  • Allez directement à l'Étape 1 avec les valeurs par défaut ci-dessous, puis répondez dans le format de l'Étape 1 (references/output-format.md) : script ElevenLabs prêt à copier-coller, personnage, miniature, tableau des scènes, chemin vers video-plan.json. Terminez par une phrase : "Kirim MP3 dari ElevenLabs, nanti langsung aku jadikan video."
  • Valeurs par défaut si non spécifiées : durée ±60–70 s (120–150 mots), 2–4 étapes selon le sujet, personnage de karakter.md (contexte utilisateur → niche → préréglage raka), CTA de clôture "Follow buat konten edukasi lainnya!" (sans marque). Si l'utilisateur nomme une marque/URL, le CTA l'utilise. Chaque valeur par défaut peut être modifiée ensuite — mentionnez-les brièvement dans la réponse, ne demandez pas d'abord.
  • Si le sujet dépend de faits susceptibles de changer (prix, réglementations, données récentes) et que vous avez accès au web, vérifiez d'abord ; sinon, rédigez un script qui ne repose pas sur des chiffres actuels.

B. L'utilisateur envoie un MP3 (avec ou sans message) — exécutez l'Étape 2 jusqu'à la fin sans demander de confirmation : trouvez le projet, alignez, écrivez scenes.js, vérifiez les images fixes, effectuez le rendu, la miniature, codez, vérifiez le résultat, puis répondez dans le format de l'Étape 2.

  • Recherche du projet : python <skill>/scripts/find_project.py liste les projets et leur statut. Utilisez le projet dont plan.json existe mais sans audio encore (le plus récent). Le nom du fichier MP3 ou un message de l'utilisateur nommant le sujet l'emporte sur l'ordre chronologique. Posez une seule question courte uniquement lorsque plusieurs candidats sont également plausibles.
  • Aucun projet du tout → demandez à l'utilisateur de coller le texte lu dans ElevenLabs (l'alignement a besoin du texte exact), puis construisez plan.json autour de ce texte sans en changer les mots, et continuez avec l'Étape 2.
  • La durée de l'audio est très éloignée de l'estimation (> 25 %) ou align.py signale de nombreuses phrases avec <-- cek → le texte a probablement été modifié dans ElevenLabs. Demandez le texte utilisé, mettez à jour la narration dans le plan, et répétez.
  • Les seules raisons de s'arrêter en cours de route : une dépendance manquante (demandez l'autorisation une fois de l'installer) ou une erreur que vous ne pouvez pas corriger vous-même.
  • Un rendu complet peut prendre un certain temps ; exécutez-le en arrière-plan, créez la miniature pendant ce temps, et postez de courtes mises à jour de progression lorsque la session le permet.

C. L'utilisateur demande une révision ("ganti karakternya jadi cewek berhijab", "judul thumbnail lebih singkat", "warna merek biru") → modifiez plan.json/scenes.js dans le même projet. Avant qu'un MP3 n'existe : renvoyez uniquement les parties de la réponse de l'Étape 1 qui ont changé. Si la narration change, rappelez à l'utilisateur que le MP3 doit être regénéré. Une fois la vidéo terminée : effectuez le rendu uniquement de ce qui est nécessaire (miniature uniquement, ou la vidéo complète).

Le format de réponse dans le chat pour les deux étapes se trouve dans references/output-format.md — suivez-le exactement.

Dossier du projet

Une vidéo = un dossier video-<sujet-court>/ (minuscules, traits d'union, par exemple video-apa-itu-domain) dans le répertoire de travail. Créez-le à l'Étape 1 et configurez-le une fois :

python <skill>/scripts/setup_project.py video-<sujet>

Ceci copie le moteur (index.html, engine.js, pixelchar.js), installe three.js + polices + icônes via npm, crée icons.js, et vérifie ffmpeg/numpy/playwright. Si une ligne commence par PERLU:, installez d'abord ce qu'elle nomme (demandez la permission de l'utilisateur avant d'installer quoi que ce soit sur son système).

Contenu du dossier une fois terminé : plan.json (vous l'écrivez), scenes.js (vous l'écrivez), narasi.mp3, naskah-elevenlabs.txt, video-plan.json, timeline.js/json, frames/, previews/, video.mp4.

Étape 1 — concept → script + plan de scènes

  1. Lisez references/naskah-dan-plan.md (comment écrire le script, le schéma plan.json, la liste des poses, expressions, actions de la mascotte et effets sonores).
  2. Choisissez le personnage hôte à partir du contexte de l'utilisateur (lisez references/karakter.md) et écrivez-le dans characters de plan.json. Exécutez python <skill>/scripts/preview_characters.py <projet> --plan et regardez le résultat ; incluez previews/karakter.png dans la réponse lorsque c'est possible.
  3. Lisez references/hook.md. Écrivez 3 versions d'accroche (différents types), et choisissez la plus forte pour la première phrase de narration + hook dans plan.json (grand texte à l'écran, alternatives). La scène 1 doit satisfaire la règle des trois couches : un plan fort à @start, un effet sonore sur le premier mot, pas de salutation/introduction.
  4. Écrivez plan.json : 6–9 scènes suivant accroche → introduction (nombre de points) → étapes 1..n → récapitulatif → CTA, plus thumbnail (titre de couverture, accessoires à montrer, expression de l'hôte) — voir la section "Miniature". Planifiez les shots et le background de chaque scène en même temps (sections "Plan de caméra" et "Fond adaptatif"). Visez 120–150 mots au total (≈ 60–70 secondes dans ElevenLabs). Si une étape concerne un lieu (salle des serveurs, entrepôt, bureau, rue, salle de classe, usine…), lisez references/sets.md et utilisez set pour cette scène (1–2 décors par vidéo) : l'hôte flotte devant une pièce 3D, la caméra se déplace vers le spot: nommé dans la narration, mark pointe vers ses parties, fx l'anime. Un lieu qui ne fait pas partie des décors intégrés → construisez-le avec defineSet() dans scenes.js (Étape 2).
  5. Exécutez python <skill>/scripts/plan_timing.py <projet> → crée video-plan.json (estimation de timing) et naskah-elevenlabs.txt. Vérifiez la sortie : chaque mot déclencheur doit être trouvé, elle doit afficher "Cek hook: OK", et lorsque des décors sont utilisés "Cek set 3D: OK" — corrigez chaque avertissement ⚠ et exécutez-la à nouveau. Facultatif pour les vidéos avec décors : plan_timing.py <projet> --preview écrit également un timeline.js estimé, donc render.py --stills peut vérifier l'apparence du décor avant que le MP3 n'existe (nécessite scenes.js ; à l'Étape 1, une seule ligne suffit : import { register } from './engine.js'; register({});).
  6. Répondez à l'utilisateur dans le format de l'Étape 1 de references/output-format.md : bloc de script prêt à copier-coller, notes de prononciation, tableau des scènes avec minutes, et le chemin video-plan.json. Demandez le MP3.

Étape 2 — MP3 → vidéo

  1. Enregistrez l'audio en tant que <projet>/narasi.mp3.
  2. Assurez-vous que la narration dans plan.json est exactement ce qui a été lu (l'utilisateur a peut-être modifié le script dans ElevenLabs — demandez si vous n'êtes pas sûr, ou vérifiez la durée : un grand écart par rapport à l'estimation signifie que le texte diffère).
  3. python <skill>/scripts/align.py <projet> --whisper → synchronisation timeline.js, timeline.json, video-plan.json. Avec --whisper (nécessite pip install faster-whisper ; le premier téléchargement du modèle fait ±500 Mo), le timing de chaque mot provient de la reconnaissance vocale réelle, donc les sous-titres karaoké et la synchronisation labiale tombent exactement au bon endroit ; sans cela, un alignement par pause + syllabe est utilisé. Si faster-whisper n'est pas installé, le script revient automatiquement à l'ancienne méthode. Regardez la liste des phrases : les lignes marquées <-- cek ont des durées suspectes, généralement parce que le texte diffère de l'audio ou qu'ElevenLabs a fait une pause inattendue. Corrigez le texte dans le plan si nécessaire et exécutez-le à nouveau.
  4. Lisez references/engine-api.md (et references/sets.md si le plan utilise set), puis écrivez <projet>/scenes.js. Commencez par copier les modèles dans examples/zenhosta/scenes.js. Toutes les heures utilisent T(sceneId, 'word'), jamais de secondes brutes — ainsi tout reste synchronisé si l'audio est remplacé.
  5. Vérification visuelle avant le rendu complet : python <skill>/scripts/render.py <projet> --stills <3–4 secondes par scène> puis regardez les images dans <projet>/previews/. Prenez au moins une image fixe par plan (pour les décors : une par spot: et une pendant la construction du décor). Vérifiez : les panneaux ne couvrent pas le visage de l'hôte, rien n'est coupé sur les bords, les sous-titres sont lisibles, les accessoires apparaissent sur la scène, aucune erreur de page. Corrigez et répétez jusqu'à ce que ce soit propre. C'est l'étape la plus importante pour la qualité. Pour vérifier le mouvement (personnages s'écartant, transitions de fond, coupes de caméra), effectuez le rendu d'un court clip avec le son : python <skill>/scripts/render.py <projet> --clip 10 18 → previews/clip_10-18.mp4.
  6. Rendu complet : python <skill>/scripts/render.py <projet> (reprenable si interrompu ; --workers N pour les CPU multi-cœurs). Si l'ordinateur a une carte graphique, vérifiez d'abord render.py <projet> --gpu --check-gpu ; si le moteur de rendu n'est pas SwiftShader, effectuez le rendu avec --gpu (3–10× plus rapide). Comparez une image fixe --gpu avec la version CPU avant le rendu complet. Environ 0,3–0,6 s par image par worker. Exécutez-le en arrière-plan et surveillez la progression si cela prend du temps.
  7. Musique de fond : si l'utilisateur envoie un fichier musical (ou si music est défini dans plan.json), utilisez-le avec un ducking automatique (la musique baisse pendant que la narration parle). Sans fichier, utilisez --music auto (musique simple générée par code, libre de droits) et mentionnez dans la réponse que l' utilisateur peut la remplacer par une musique de son choix — n'utilisez jamais de chansons protégées par le droit d'auteur.
  8. Miniature : python <skill>/scripts/thumbnail.py <projet> → <projet>/thumbnail.png (couverture 1080×1920) et previews/thumbnail-cek.png (guides de zone de sécurité). Regardez l'image de vérification : titre et visage de l'hôte à l'intérieur de la boîte rouge, titre ne couvrant pas le visage, accessoires visibles. Ajustez props_from, stage, ou title_y et répétez. Peut être fait pendant que le rendu complet s'exécute.
  9. python <skill>/scripts/encode.py <projet> <nom>.mp4 [--music fichier.mp3|auto] → les effets sonores sont générés automatiquement, mixés doucement sous la narration (+ musique avec ducking), puis encodés en MP4 1080×1920 30 ips H.264 + AAC.
  10. Vérifiez quelques images du MP4 final (ffmpeg -ss <secondes> -frames:v 1), puis répondez dans le format de l'Étape 2 de references/output-format.md.

Principes

  • La synchronisation d'abord, le beau ensuite. Chaque élément visuel apparaît sur le mot qui l'explique. Un panneau qui apparaît avant que son mot ne soit prononcé semble faux.
  • L'accroche avant le contenu. Les 3 premières secondes décident si la vidéo sera regardée : la phrase d'accroche ≤ 14 mots sans salutation, grand texte à l'écran qui ne copie pas la narration, personnages/accessoires en mouvement dès la première image, et la promesse commence à être tenue avant la seconde 8 (references/hook.md).
  • Une caméra vivante, pas statique. Chaque scène a au moins 2 plans (host_close, host_medium, mascot_close, illustration, wide, low_angle) avec une coupe ou un mouvement sur le bon mot — gros plans pour l'accroche/la chute/le CTA, illustration pendant que les accessoires sont discutés (les personnages disparaissent ou glissent hors cadre d'abord, puis reviennent), mascot_close pour les réactions. Les panneaux d'interface doivent rester dans la zone de sécurité du plan actif.
  • Les fonds suivent le sujet. Chaque scène (ou mot-clé) a un background : thème de couleur, motif de particules et icônes de motif qui correspondent au contenu — le froid utilise du bleu glacé + neige, les serveurs utilisent du code binaire, le CTA utilise des couleurs chaudes/de marque. Un fond statique d'une seule couleur pour toute la vidéo semble ennuyeux.
  • La bouche suit les voyelles. La synchronisation labiale utilise 5 formes de bouche A, I, U, E, O suivant l'ordre des voyelles de chaque mot — "aku mau makan" → A U A U A A — et se ferme sur les pauses. Les mots étrangers sont lus par leur prononciation via pronunciation (references/karakter.md).
  • Les personnages ne bloquent jamais la caméra. En se concentrant sur une illustration, les personnages disparaissent instantanément (hide, pour les coupes) ou glissent tout droit sur le côté avant que la caméra ne bouge (slide, pour les mouvements) — pas de demi-tour, pas de marche devant la caméra. Pour la variété (uniquement lorsque nécessaire) un personnage peut apparaître par le bas, le côté ou le haut via enter.
  • Un lieu devient une scène, pas un arrière-plan. Lorsque la narration parle d'un lieu, construisez-le comme un décor 3D derrière l'hôte (pas une image de fond) : l'hôte flotte devant en expliquant, puis la caméra se déplace vers la partie mentionnée et revient à l'hôte. Les objets individuels restent sur l'île flottante.
  • Une idée par instant. La zone supérieure (y 230–900 px) contient une chose principale à la fois : un panneau d'interface ou un grand accessoire 3D. Effacez les éléments de la scène précédente.
  • Des personnages originaux adaptés au contexte. L'hôte pixel-skin est construit à partir d'une spécification (préréglage + coiffure, tenue, couleurs, accessoires, hijab) choisie à partir de la description, de la marque et de la niche de l'utilisateur. Ne copiez pas les skins/personnages d'autres créateurs, personnages de jeux ou mascottes de marque — à partir des images de référence, ne prenez que le style.
  • Des faits précis. Les scripts éducatifs doivent être corrects ; les exemples de nombres utilisent des plages de documentation (par exemple IP 203.0.113.x) ou des étiquettes claires. N'inventez jamais de statistiques.
  • CTA honnête. Indiquez la marque/l'URL de l'utilisateur telle que donnée, sans affirmations qu'il n'a pas fournies (prix, promotions, "le meilleur", fausses échéances).
  • Vivant chaque seconde. Sous-titres karaoké, un zoom punch sur les mots-clés, un hochement de tête sur les mots accentués, des yeux qui regardent ce qui est pointé, des chiffres qui apparaissent avec un compteur 3D, une mascotte qui saute ou danse — ne laissez jamais plus de 3 secondes avec uniquement un visage parlant.

Références

references/ dans le dossier de la compétence :

FichierUtilisation
output-format.mdFormat de réponse dans le chat pour l'Étape 1 et l'Étape 2 — suivez-le exactement
naskah-dan-plan.mdComment écrire le script et le plan — d'abord une accroche, terminer par un CTA, où
mettre les pauses
karakter.mdComment choisir l'apparence de l'hôte (préréglages de personnage, expressions, poses)
hook.mdModèles d'accroche, types, et comment choisir la plus forte
engine-api.mdAPI JavaScript du moteur de rendu : T(), shot(), panel(), caption(), set(), etc.
sets.mdDécors 3D prédéfinis : noms, spot:, mark:, fx: disponibles — et comment en
définir un nouveau

Dépendances

  • Python 3.10+, Node.js 18+, ffmpeg
  • pip install faster-whisper (optionnel, pour un meilleur alignement)
  • Navigateur (Playwright + Chromium) pour le rendu

Exemple de workflow

# Étape 1 — planifier
python <skill>/scripts/setup_project.py video-apa-itu-domain
# (écrire plan.json manuellement)
python <skill>/scripts/plan_timing.py video-apa-itu-domain
# répondre avec le script ElevenLabs et le plan

# Étape 2 — rendre
python <skill>/scripts/align.py video-apa-itu-domain --whisper
# (écrire scenes.js)
python <skill>/scripts/render.py video-apa-itu-domain --stills 3
# (vérifier les images, corriger si nécessaire)
python <skill>/scripts/thumbnail.py video-apa-itu-domain
python <skill>/scripts/encode.py video-apa-itu-domain video-final.mp4 --music auto

Skills associés