Vidéo UGC Vansaar
Photo de visage + photo de produit + script → un MP4 9:16, 1080×1920, 30 fps qui ressemble à un client
indien de plus de 45 ans filmé sur son téléphone chez lui. Claude est le réalisateur : il écrit le plan, vérifie les
allégations, examine chaque image et pilote un moteur Python intégré (scripts/ugc.py) qui appelle les modèles
IA sur fal.ai et édite le résultat avec ffmpeg.
script ─► voix (ElevenLabs) ─► timings des mots ─► pauses resserrées ─► une piste audio par plan
visage+produit ─► keyframes (Nano Banana Pro) ─► clips parlants (OmniHuman 1.5) / B-roll (Kling 3)
tout ─► montage jump-cut + dérive de caméra portée + grain/grade téléphone + audio micro téléphone
─► sous-titres + label IA + carte de fin (photo produit réelle) ─► QA ─► final.mp4
Règles de base
Elles protègent la marque et les personnes dans la vidéo. Expliquez-les à l'utilisateur quand elles se présentent ; ne vous contentez pas de refuser.
- Le visage doit être utilisable. Il doit s'agir d'un personnage généré par IA ou d'une personne réelle qui a donné une autorisation écrite pour l'utilisation de son image dans des publicités. Jamais une célébrité, un influenceur, un médecin ou une personnalité publique, et jamais une personne photographiée sans consentement. Si vous n'êtes pas sûr de la provenance du visage, demandez une fois.
- Gardez le label "Généré par IA". Il est activé par défaut, sous forme d'un petit label en haut. Les directives
relatives aux influenceurs virtuels de l'ASCI et les règles de contenu IA des plateformes l'exigent. "Réaliste" signifie un bon
savoir-faire, pas tromper les spectateurs. Si l'utilisateur souhaite le supprimer, dites-lui ce que les règles exigent et
laissez la décision à son responsable de conformité (
disclosure.show: false). - Les allégations doivent être sûres. Les produits ayurvédiques relèvent de la loi sur les drogues et les remèdes magiques et des règles
d'allégations sanitaires de l'ASCI. Avant de générer quoi que ce soit, exécutez
check, puis réécrivez chaque drapeau HIGH et signalez chaque drapeau MEDIUM à l'utilisateur. Le personnage IA ne doit jamais décrire ses propres résultats de santé ("ma glycémie a baissé") : c'est un témoignage fabriqué. Il peut parler de routine, d'ingrédients, de goût et de facilité d'utilisation. Les détails sont dansreferences/compliance-india.md. - L'argent ne bouge qu'après un "go". La voix et les keyframes coûtent des centimes ; les clips parlants coûtent des dollars. Arrêtez-vous aux deux points de contrôle ci-dessous et montrez le coût avant chaque étape payante.
- Ne demandez jamais à l'utilisateur de coller une clé API dans le chat. Dirigez-le vers les étapes de configuration
(fichier
.env,setkeydans son propre terminal, ou ses paramètres d'environnement).
Configuration (une fois par machine / session)
SKILL_DIR est le dossier qui contient ce fichier. Les travaux vont dans un dossier que l'utilisateur peut ouvrir : dans
Claude Code, utilisez ./ugc_jobs/<slug> dans le projet en cours ; dans un chat claude.ai, utilisez
/mnt/user-data/outputs/ugc/<slug>.
pip install -r "$SKILL_DIR/requirements.txt" # ajoutez --break-system-packages si pip refuse
python3 "$SKILL_DIR/scripts/ugc.py" doctor # vérifie les bibliothèques Python, ffmpeg+libass, polices, clé, réseau
- Pas de clé fal.ai. Dites à l'utilisateur d'en créer une sur fal.ai (Tableau de bord → Clés) et d'ajouter du crédit
(10-20 USD couvre quelques vidéos). Ensuite, il la stocke lui-même de l'une des trois manières suivantes :
un fichier
.envcontenantFAL_KEY=...dans le dossier où Claude s'exécute ; en exécutantpython3 scripts/ugc.py setkeydans son propre terminal ; ou, dans une session cloud, une variable d'environnementFAL_KEYdans les paramètres d'environnement. - Réseau bloqué (doctor affiche "cannot reach fal.ai"). Le sandbox doit autoriser
queue.fal.run,rest.fal.ai,*.fal.mediaetstorage.googleapis.com, plusapi.elevenlabs.iopour l'option voix directe. Dites exactement cela à l'utilisateur. Où le modifier se trouve dansreferences/troubleshooting.md. - ffmpeg manquant. Voir
references/troubleshooting.md. - Essayez-le gratuitement.
python3 "$SKILL_DIR/scripts/ugc.py" demo --out <dossier>exécute l'ensemble du pipeline avec des substituts hors ligne (--mock). Cela prouve que l'installation fonctionne avant de dépenser de l'argent.
Flux de travail
Exécutez les commandes sous la forme python3 "$SKILL_DIR/scripts/ugc.py" <commande> --job <dossier du travail>. Chaque
résultat payant est mis en cache dans le fichier state.json du travail. Réexécuter une commande ne paie jamais deux fois pour la même
entrée, et une requête interrompue est reprise à l'exécution suivante.
1. Réception
Vous avez besoin de trois entrées : l'image du visage, l'image du produit et le script. Demandez en un seul message tout ce qui manque, ainsi que tout ce que vous ne pouvez pas déduire :
- langue : anglais, ou hindi/hinglish
- le nom exact du produit
- durée cible (par défaut : ce dont le script a besoin naturellement, entre 20 et 60 s)
- le genre de la personne ou la préférence vocale
- toute préférence de décor (par défaut : un appartement indien ensoleillé)
Confirmez le consentement pour le visage ici si ce n'est pas clair.
Ensuite, examinez vous-même les deux images :
- Visage. Écrivez
character.description: âge apparent, cheveux, teint, caractéristiques notables et vêtements. Cela renforce l'identité dans chaque prompt. Si la photo est de faible résolution, de profil ou couverte par des lunettes de soleil, des mains ou un masque, demandez-en une nette de face, car la qualité du lipsync en dépend. - Produit. Vérifiez que l'étiquette est lisible. Notez si l'arrière-plan est blanc uni ou transparent (la carte de fin peut le découper) ou chargé (la carte de fin l'affiche sous forme de carte). Si l'utilisateur a une photo de produit transparente, demandez-la.
2. Passe du script
Exécutez init avec --face, --product, --script (ou --text), --lang, --title et
--product-name. Ensuite, exécutez check --job <travail>.
Réécrivez le script pour un UGC parlé en utilisant references/script-and-voice.md :
- un accroche dans les 2 premières secondes
- des phrases courtes pour être parlées
- une idée par segment
- un appel à l'action doux
Corrigez toute allégation HIGH et conservez le sens de l'utilisateur. La longueur est d'environ 2,5 mots par seconde, donc 20 s font
environ 50 mots et 60 s environ 150. Pour l'hindi, écrivez say en devanagari (les mots de marque anglais peuvent
rester en alphabet latin), car la TTS le prononce beaucoup mieux. Mettez une caption en alphabet romain à côté
si l'utilisateur veut des sous-titres en hinglish.
3. Plan
Modifiez plan.yaml. La référence des champs est references/plan-reference.md ; un exemple complet est
templates/plan.example.yaml. Ce qui le rend réel (détails dans references/realism-playbook.md) :
- 2-3 setups dans un même foyer (ex. canapé moyen, canapé serré, produit cuisine). Cela doit ressembler à une personne filmant quelques prises, pas à une production.
- Segments parlants de 2-8 s. Les segments consécutifs avec le même setup obtiennent automatiquement des jump-cuts punch-in.
- Un B-roll tous les 2-3 segments parlants : mains versant, produit sur le comptoir, promenade matinale.
Le B-roll cache les coupures et montre correctement le produit. Utilisez
with_person: falsepour les gros plans produit afin que les visages ne soient pas générés deux fois. - Le produit est tenu dans au plus un setup (
framing: product). Les produits peuvent se déformer pendant que les gens gesticulent, donc laissez le B-roll et la carte de fin porter le produit. - Donnez à chaque segment une courte indication de
performancequi correspond à l'émotion de la réplique. - Carte de fin en dernier. La vraie photo du produit et le vrai logo sont composés ici, donc l'étiquette est toujours correcte.
- Voix. Choisissez-la avec
references/script-and-voice.md. Les voix prédéfinies de fal sont principalement américaines ou britanniques. Pour un accent indien, utilisezprovider: elevenlabsavec une voix indienne de la bibliothèque vocale ElevenLabs, ouprovider: fileavec un enregistrement réel (l'option la plus réaliste de toutes).
Ensuite, exécutez validate (corrigez toutes les erreurs) et estimate.
POINT DE CONTRÔLE 1. Envoyez un message contenant :
- le tableau des segments (id, plan, setup, réplique)
- les allégations qui ont été signalées et ce que vous avez modifié
- le choix de la voix
- les setups en une ligne chacun
- la durée et le coût estimés
Demandez "go ?" et ne continuez pas tant que l'utilisateur n'a pas dit oui.
4. Voix et keyframes (pas cher)
Exécutez voice. Lisez le tableau des longueurs. Si un avertissement "transcript matches only N%" apparaît, la TTS
a mal prononcé ou sauté des mots : réécrivez cette réplique (écrivez les nombres en toutes lettres, utilisez le devanagari) et exécutez
voice --only <id> --force. Si le total est en dehors de 20-60 s, réduisez le script ou ajustez
voice.speed (0,9-1,15).
Exécutez frames, puis ouvrez work/frames/contact.jpg et les candidats en taille réelle dans
work/frames/<key>/. Examinez chacun par rapport à la liste de contrôle des keyframes dans
references/realism-playbook.md : l'identité correspond à la photo du visage, peau naturelle, mains correctes,
l'étiquette du produit correspond à la photo du produit, un vrai foyer, lumière de téléphone. Définissez pick: sur le meilleur
candidat. Si aucun ne passe, affinez la scène ou la description et exécutez
frames --only <setup> --force. Faites au maximum 2 rounds par setup, puis montrez à l'utilisateur ce qui ne va pas.
POINT DE CONTRÔLE 2. Envoyez work/voice/vo_preview.mp3 et la planche contact, dites quels candidats vous avez
sélectionnés et pourquoi, et donnez le coût des clips parlants (la partie coûteuse). Attendez l'accord.
Changer la voix plus tard nécessite de refaire les clips parlants.
5. Clips
Exécutez clips. Les clips parlants prennent environ 1 à 5 minutes chacun et s'exécutent 3 à la fois. Si l'un échoue, les
autres sont conservés, alors réexécutez clips pour réessayer uniquement les échecs. Assurez-vous qu'aucun avertissement ne dit qu'un clip est
plus court que son audio.
6. Assemblage et QA
Exécutez assemble, puis qa. Ouvrez out/<slug>_contact.jpg et vérifiez :
- pas de dérive du visage entre les coupes
- pas de mains ou de produit déformés
- les sous-titres ne couvrent pas la bouche ou l'étiquette du produit
- le texte de la carte de fin est lisible
Si un clip est mauvais, exécutez clips --only <id> --force, puis assemble à nouveau. Corrigez chaque ÉCHEC que
le QA signale ; examinez chaque VÉRIFICATION.
7. Livraison
Envoyez out/<slug>.mp4 (et la planche contact si utile). En 3-5 lignes, donnez :
- la durée et le coût estimé (
state.jsonconserve le total cumulé) - toute allégation que l'utilisateur doit encore faire approuver par son responsable de conformité
- que le label IA est activé
- la ou les deux modifications les plus susceptibles d'améliorer la prochaine vidéo
Pour également produire une copie sans sous-titres pour les éditeurs, définissez captions.clean_copy: true.
Corrections rapides
| Symptôme | Correction |
|---|---|
| Le visage ne ressemble pas à la photo | character.description plus riche, candidates: 3, une photo source claire de face |
| Peau plastique ou filtre de beauté | régénérer ; éviter "beau/parfait" dans les scènes ; garder grain ≥ 0,4 |
| Étiquette du produit déformée | régénérer cette keyframe, ou supprimer le produit des setups parlants (carte de fin + B-roll le portent) |
| Lèvres qui dérivent ou bouche qui bave | segment plus court (≤ 6 s), keyframe de face avec bouche visible, essayer le modèle Kling Avatar dans config/models.yaml |
| Voix robotique | baisser stability (0,35-0,45), virgules pour les respirations, un enregistrement réel, ou le modèle eleven-v3 |
| Trop lent / trop long | finish.tighten_pauses: 0.22, voice.speed: 1.08, couper des mots |
| B-roll semble faux | mouvement plus simple (une action), with_person: false, ou motion: kenburns sur une bonne image fixe |
Plus d'informations dans references/troubleshooting.md.
Fichiers de référence (lire si nécessaire)
references/realism-playbook.md: ce qui rend l'UGC IA réaliste ; listes de contrôle pour l'examen des keyframes et de la vidéo finale. À lire avant de planifier les setups et lors de l'examen des images.references/script-and-voice.md: structure du script UGC pour un public indien de 45 ans et plus, écriture pour la TTS (hindi/hinglish), choix et réglage des voix, exemples de scripts.references/compliance-india.md: consentement à l'image, divulgation IA, règles DMR Act / ASCI sur les allégations, tableau de formulation sécurisée. À lire lorsquechecksignale quelque chose.references/plan-reference.md: tous les champs deplan.yaml.references/models-and-costs.md: quel modèle fait quoi, prix, comment échanger avec des modèles plus récents.references/troubleshooting.md: installation, clés, listes blanches réseau, erreurs API, corrections.