Video Boost (Amélioration des vidéos de type « talking head »)
Répertoire du projet : racine du dépôt (dépôt public github.com/Minerva67/video-boost ; localement dans ~/CC/knock-video-boost/). Rendu avec HyperFrames + timeline GSAP + bibliothèque de composants maison.
Modèles : runs/example/beats.mjs (modèle de structure) + references/components.md (structure des données pour chaque composant). Les règles de décision se trouvent intégralement dans references/rules.md (type de charge, segmentation, alternance des mises en page, ordre d’entrée des modèles, sous-titres), aucun document externe n’est nécessaire.
Règles absolues (confirmées à plusieurs reprises par l’utilisateur, toute violation entraîne une reprise)
- Ajouter seulement, ne pas modifier : l’image originale, l’ordre des plans, la timeline, le son original et la durée restent inchangés. Le CTA est également superposé dans les dernières secondes, sans allonger la vidéo.
- Les cartes ne doivent pas répéter ce qui est dit. Testez chaque image en vous demandant : « si on coupe le son et les sous-titres, qu’est-ce que cette image apporte de plus ? » Si la réponse est « les mêmes mots », supprimez-la. Les sous-titres parlent déjà, écrire la même chose sur une carte revient à une triple répétition (raison pour laquelle la v4 a été rejetée).
- Si on peut le montrer, ne l’écrivez pas ; si on peut montrer du vrai, ne le simulez pas : si la personne mentionne une actualité/un rapport/produit/lieu réel, donnez la priorité à une capture d’écran ou une photo réelle (composant
photo, en surlignant le chiffre). Si la personne dit « j’ai utilisé l’outil X pour faire Y », montrez l’interface réelle de X et le résultat de Y (une session Claude Code avec les instructions tapées une par une → appels d’outil → tableau/résultat), n’utilisez pas de barre grise de substitution (exigence exprimée de la v5 à la v6). - Illustration ≠ invention : les interfaces d’illustration sont autorisées (avec le badge « illustration » dans le coin), mais n’ajoutez pas de propos que la vidéo originale ne contient pas. Tout chiffre/source doit être vérifié (WebSearch + WebFetch pour confirmer le texte original de la page ; si plusieurs sources donnent des chiffres différents, indiquez un intervalle en citant chaque source). Les titres d’exemples ne comportent pas de chiffres de popularité/de likes.
- Ne pas masquer le visage, ne pas tasser : la personne reste toujours collée en bas et centrée — plein écran / 62 % (graphiques normaux) / 50 % (graphiques denses, l’utilisateur a demandé le 10-02 : « quand l’info est dense, réduis la personne pour laisser plus de place à la visualisation »). Le format « picture-in-picture » (personne réduite à 30 % dans un coin) a été rejeté.
- Le thème visuel = thème (theme) : par défaut, le thème du système de design Knock Ligne B de l’utilisateur (
brand/themes/knock/) ; il existe aussi des thèmes privés (brand/themes/<thème privé>/, suivant les spécifications de la marque Ligne B). Changer de thème :node build.mjs runs/<name> --theme=<name>(sortie danspublic-<theme>/). Détails de la version Knock : fond blanc papier, jaune porte uniquement pour les petits blocs de couleur, orange d’impact ≤5 %, contour 1,5 px noir encre, pas d’ombre ; logo horizontal en haut à droite permanent. Le thème Claude a été rejeté (« garde mon système de design »), de même que les grandes zones de trois couleurs Knock (« trop vives, fatigantes »). - Logique de découpage : six types de charge + types composites + segments adjacents avec des mises en page différentes + les branches secondaires ne sont pas améliorées. Les règles se trouvent dans
references/rules.md§§1–2 (issues du PRD V3 d’amélioration vidéo de l’utilisateur et des « Spécifications de sélection de visualisation · 30 modèles », déjà extraites intégralement). Pour les vidéos à faible charge (persuasives, d’opinion), la majeure partie du temps doit revenir au plein écran, avec seulement 4 à 6 graphiques.
Pipeline
./prep.sh <fichier_vidéo> <nom> # Copie la source (conversion HDR→SDR automatique avec avconvert), extrait l’audio, transcription avec le modèle medium beam5, re-découpage selon la ponctuation
# → Lire runs/<nom>/segs_beam.json, corriger et écrire runs/<nom>/script.txt (| = saut de sous-titre)
.venv/bin/python align.py runs/<nom> <durée> # Aligner le texte corrigé sur le temps ASR au niveau du mot + correction VAD → transcript.json / captions.json / voiced.json
.venv/bin/python fix_caps.py runs/<nom> <durée> # Fusionner automatiquement les écrans de sous-titres <1s ou >9 caractères/s, réaligner (ne pas traverser les chapitres/phrases/pauses)
# → Écrire d’abord runs/<nom>/structure.md (structure argumentative) → cut.md (conducteur de montage) → puis beats.mjs (copier depuis runs/example/beats.mjs)
# Matériel réel : node grab.mjs <url> runs/<nom>/assets/x.png --find "phrase clé" ; python3 commons.py "<mot-clé en anglais>" runs/<nom>/assets
node build.mjs runs/<nom>
npx hyperframes lint runs/<nom>/public # 0 erreur suffit (l’avertissement nested pour caption est connu)
HYPERFRAMES_BROWSER_PATH="/Applications/Google Chrome.app/Contents/MacOS/Google Chrome" \
npx hyperframes render runs/<nom>/public --sdr -q draft -o runs/<nom>/draft.mp4 # 156s ≈ 100s
./review.sh runs/<nom>/draft.mp4 <liste des temps de fin de chaque segment…> # Génère un livret de contacts, à examiner image par image
# → Révision par le monteur : lancer un sous-agent indépendant, uniquement avec le livret de contacts + cut.md, suivant les §§5 de references/editor.md : « OK / Retour ». Une fois les retours corrigés, nouvelle révision.
# Après corrections → supprimer -q draft pour produire la version finale output.mp4
./evaluate.sh runs/<nom> [--theme <thème>] [--platform xhs] # Dernière étape : Eval (vérification taille de police/zone de sécurité + 23 contrôles automatiques) → runs/<nom>/eval.md
# Ne pas livrer si le seuil n’est pas atteint ; juger chaque WARN cas par cas, le corriger si possible, relancer ; une fois passé → copier dans ~/Desktop/AméliorationTalkingHead_<version>_<thème>.mp4 → SendUserFile
Chaque vidéo se termine par un Eval ; le message de livraison doit obligatoirement indiquer : si le seuil est passé, la note automatique, les WARN restants et pourquoi ils sont acceptables.
Environnement : ffmpeg/ffprobe dans ~/.local/bin ; modèle whisper dans ~/.cache/kvb-models/ggml-medium-q5_0.bin (a déjà été supprimé une fois, prep.sh le retélécharge automatiquement, 515 Mo) ; rendu avec le Chrome du système.
Points clés pour la correction de script.txt
- Regarder d’abord les deux sorties de prep : ① « Vérification de couverture ASR », les phrases manquantes doivent être retranscrites une par une et rajoutées au script ; ② « Sous-titres incrustés dans la source », si détectés, désactiver par défaut nos sous-titres (voir
rules.md§8). - Format :
|est un saut d’écran ; mettre。à la fin de chaque phrase, il sert de limite mais ne s’affiche pas ; les points d’interrogation et d’exclamation sont conservés tels quels ; pas d’autre ponctuation. - Ne corriger que les erreurs de caractères, ne pas changer le propos ; supprimer les hésitations (euh/ah) est autorisé, ne pas peaufiner ni ajouter de mots. Les noms propres doivent être écrits correctement (ClockCode→Claude Code, Codeash→Codex).
- Mots inaudibles :
.venv/bin/python retranscribe.py runs/<nom> <début> <fin> --terms "3–5 termes de ce segment", cela donnera trois résultats : vitesse normale, avec termes, et au ralenti 0,8x. Si toujours incertain, livrer avec les timings pour que l’utilisateur les écoute. - Coupure des écrans : portrait ≤10 caractères/écran (les lettres latines comptent pour un demi), couper aux pauses sémantiques ; ne pas séparer les noms propres, chiffres+unités ; ne pas terminer par un « de/et/à » isolé. Quand le débit est rapide, fix_caps fusionne sans traverser les phrases, limite 14 caractères.
Thèmes (changement de système de design)
Les composants n’ont aucune couleur en dur, tout passe par des rôles (brand/themes/<nom>/theme.json) :
| Rôle | Usage | Knock | Thème privé |
|---|---|---|---|
| paper / card | Toile / Carte | Blanc papier / Blanc | Gray50 / Blanc |
| ink · ink70 · ink40 | Trois niveaux de gris pour le texte | Noir encre | Gray900/700/500 |
| line · lineSoft | Lignes de séparation | Gris chaux | Gray300/100 |
| mark + markInk | Remplissage de mise en évidence (élément courant, coche, indicateur de progression) | Jaune porte | Tappy Green |
| accent | Accentuation unique par écran (cadre de fin, symbole d’instruction, mot-clé) | Orange d’impact | Signal Purple |
| frame · stroke · shadow · radius | Bordure de carte / ombre / rayon | 1,5 px contour noir encre, pas d’ombre, 18 | 1 px bordure gris clair + ombre très légère, 16 |
| fontCn / fontEn / fontMono + fonts[] | Polices (ttf locales, rendu hors ligne) | Outfit | Plus Jakarta Sans / Inter / JetBrains Mono |
| logo · logoPill | Logo en haut à droite, avec ou sans capsule | Avec capsule | Nu |
| caption.style | Sous-titres : pill capsules karaoké / stroke blanc contour noir | pill | stroke (spécification de sous-titres du PRD V3 pour thème privé) |
Étapes pour intégrer un nouveau système de design : ① Lire ses spécifications, trouver le niveau de densité Ligne B/UI produit (la superposition vidéo doit être sobre, ne pas reprendre les grands blocs de couleur de la Ligne A marketing) ; ② Attribuer les couleurs de la marque à mark (celle qui ne fatigue pas même en grande surface) et accent (celle qui n’apparaît qu’une fois), une couleur saturée de marque doit plutôt être rétrogradée en mark plutôt que mise en fond ; ③ Mettre la police sous licence OFL dans le répertoire du thème ; ④ Créer theme.json → build → lancer eval + vérification manuelle H4/H6 ; ⑤ Vérifier la lisibilité des sous-titres sur fond blanc/cheveux blonds (le style stroke doit avoir un contour plus épais).
Écrire beats.mjs : d’abord juger, puis choisir les composants
Étape zéro : d’abord structurer, puis écrire les sous-titres
Lire l’intégralité du texte, écrire runs/<nom>/structure.md : thèse, type de structure (chemin / cadre / parallèle / problème→solution / comparaison), rôle et conclusion de chaque segment. Le sous-titre = mot·rôle · conclusion (≤12 caractères), la lecture à la suite doit former l’argumentation elle-même. Ne pas nommer les segments un par un indépendamment, cela donnerait des simples tags thématiques (l’utilisateur l’a refusé deux fois). Détails et exemples dans references/rules.md §4.
Première étape : conducteur de montage — d’abord penser « à quoi le monteur couperait ici » (le plus important, voir references/editor.md)
Écrire d’abord runs/<nom>/cut.md, puis beats.mjs. Remplir segment par segment : ce que dit la personne → fonction (expliquer / prouver / réinitialiser l’attention, si aucun, pas d’image) → à quoi le monteur couperait → niveau du matériel → pourquoi ne pas utiliser un niveau supérieur.
- Niveaux de matériel du plus élevé au plus bas : ① Matériel réel (captures d’écran d’actualités/sites officiels, photos réelles, interfaces réelles, utiliser
grab.mjs/commons.py, composantphoto) → ② Démonstration (cc/folio/resume/checktable) → ③ Graphiques de données → ④ Cartes de texte. Pour choisir ③ ou ④, donner une raison précise. - Si la personne mentionne une chose réelle (actualité, rapport, entreprise, produit, lieu, groupe de personnes), essayer d’abord ①.
- Chaque image ne montre qu’une seule chose, entrer un par un dans l’ordre du monologue ; en cas de cases vides, de tableau affiché en une fois, de grandes zones de blanc, décomposer ou changer de matériel.
- S’il ne s’agit que d’opinions, de transitions, d’émotions, de résumés oraux → plein écran, sans image (un zoom lent est possible). 4 à 6 graphiques suffisent pour toute la vidéo.
Deuxième étape : sélection des composants
Une fois le niveau de matériel déterminé, choisir le composant. Pour les niveaux ③ et ④, consulter le tableau dans references/rules.md §6 selon la forme du contenu ; la structure des composants se trouve dans references/components.md.
- Quand la vidéo a une structure en « N points », l’indicateur de progression est généré automatiquement par build à partir de CH et TRACK.
ccpeut montrer n’importe quelle opération logicielle du type « instruction → étapes → résultat », pas seulement les outils d’IA.- Si la personne dit « commenter / suivre / message privé », utiliser
cta. - S’il n’y a pas de composant adapté dans la bibliothèque : en écrire un nouveau en suivant la « Liste des nouveaux composants » à la fin de
components.md. - Pour utiliser des données réelles extérieures au monologue, voir d’abord les limites dans
rules.md§7.
Le catalogue officiel HyperFrames (npx hyperframes catalog) contient des blocs prêts comme tiktok-follow / yt-comment-card / claude-exchange / chatgpt-exchange / code-typing, mais avec les couleurs de la plateforme et des faux comptes/commentaires/likes — n’emprunter que l’action, remplacer la peau par Knock, ne pas utiliser de preuve sociale factice. Les nouveaux composants sont écrits dans components.mjs + brand/components.css, l’ordre d’entrée suit references/rules.md §2 ; la liste des structures se trouve à la fin de references/components.md sous « Liste des nouveaux composants ».
Tailles de police (pas au feeling)
Tous les textes graphiques utilisent seulement 6 tailles : hero 140 / display 96 / title 54 / body 36 / small 28 / micro 22, les sous-titres en 76 sont le plus grand texte lisible à l’écran. Un graphique utilise au maximum 3 tailles ; dense n’augmente pas la taille. Normes, justifications sectorielles et zones de sécurité des plateformes : voir references/typography.md, vérifié par les tests T1–T5 et S1 de l’Eval.
Bibliothèque d’effets d’animation (uniquement ceux attachables à la timeline GSAP et alignables image par image)
- Tous les plugins GSAP (gratuits depuis 2025, utilisables commercialement ; déjà dans node_modules, chargés automatiquement par build) :
DrawSVGpour le dessin de lignes,MorphSVGpour les déformations de forme (par exemple un « patch » qui se brise),MotionPathpour le mouvement le long d’un chemin (par exemple le composantescaped’orbite de fuite). - rough.js (MIT) : cercles et soulignements dessinés à la main. Dans le beat, écrire
annot: [{ sel, kind: 'circle'|'underline'|'box'|'strike', at }]; les chemins utilisent une graine fixe générée dans Node, identique à chaque rendu ; à utiliser uniquement pour les conclusions, maximum 2 par graphique. - Catalogue de composants officiel HyperFrames (Apache-2.0) : emprunter uniquement l’action, remplacer la peau par le thème actuel.
- Autorisé mais avec des limites : les animations Lottie gratuites et utilisables commercialement ne peuvent pas être redistribuées dans leur fichier d’origine, elles restent en local et ne vont pas dans le dépôt public. Ne pas utiliser : les bibliothèques d’animation CSS pures (non alignables image par image).
Logo / icônes de marque (réels, pas dessinés à la main)
Dès qu’un nom de produit/entreprise apparaît dans un graphique, mettre le vrai logo devant le nom : dans le texte, écrire :openai: ChatGPT, md() intègre brand/icons/openai.svg.
- Récupération :
./fetch_icons.sh openai gemini google claudecode codex deepmind …(Lobe Icons, MIT ;si:xiaohongshuvia Simple Icons, CC0) ; les sources sont notées dansbrand/icons/SOURCES.txt. - Toujours en version monochrome (héritant de la couleur ink du thème) : les logos en couleur (dégradé Gemini, quatre couleurs Google) cassent la règle « une couleur d’accentuation par écran ».
- Le nom et le logo doivent correspondre à la véritable appartenance (Veo avec le label DeepMind) ; pour une marque absente de la bibliothèque, écrire uniquement le texte, ne pas prendre une icône approximative.
- Servent uniquement à désigner (le produit de qui), ne suggèrent pas un partenariat/un endorsement.
Troisième étape : le timing
Tous les temps utilisent t('…texte original…') pour être extraits du script corrigé (ne pas remplir les secondes manuellement). Les éléments graphiques apparaissent au moment précis où le mot-clé est prononcé ; les textes d’instruction sont tapés lettre par lettre (durée environ égale à la longueur de la phrase).
Règles de mouvement de caméra (écrites dans le CAM de beats.mjs)
| Disposition | Quand | Paramètres |
|---|---|---|
full plein écran | La personne est le contenu : accroche, opinion, transition, récit de « comment on faisait avant », conclusion, CTA | s 1 |
split décalage | Uniquement quand le graphique porte une information ; si l’intervalle entre deux graphiques est < 4s, ne pas revenir au plein écran (éviter un jeu de zoom/dézoom) | s .62 collé en bas |
dense dense | Graphique dense (tableau ≥8 lignes, liste ≥6 éléments, session/report/CV illustré), écrire dense: true dans le beat ; l’espace supplémentaire est utilisé par below pour une deuxième couche de visualisation, pas pour agrandir la police | s .50 collé en bas centré, zone graphique 760px (voir rules.md §5) |
push zoom lent | Jugement clé, définition, retour vers la fin de la vidéo | 1,00→1,06, d 5–9s |
punch cut large | Uniquement pour les phrases d’accroche clés, couper sec lors d’un changement de chapitre | s 1,14, d 0 ; pour les selfies, utiliser LAYOUT.punch dans le beat réduit à 1,07 |
Le décalage (split) utilise snapBefore() : chercher seulement les pauses vers l’avant, garantir que la personne commence à se décaler avant que le graphique n’entre (build émet un avertissement pour tout graphique en infraction, Eval C6 vérifie). Les autres mouvements utilisent snap() pour s’accrocher aux pauses de parole (les intervalles dans voiced.json ; si pas de pause dans ±0,7 s, élargir à ±1,4 s ; si aucun silence, reculer au dernier saut de sous-titre) ; la caméra ne bouge pas au milieu d’un mot ; la position de split doit être atteinte avant l’entrée du graphique.
Eval (à exécuter avant chaque livraison)
Dernière étape du pipeline : ./evaluate.sh runs/<nom> (d’abord node audit.mjs pour mesurer les tailles de police et les positions, puis python3 eval.py) → eval*.md : seuil A1–A5 (non livrable si non atteint) + automatique B1–B6/C1–C5 + grille de notation manuelle H1–H6. Normes, seuils, sources, note de base : voir references/eval.md. À la livraison, rapporter : seuil atteint ou non, note automatique, principaux WARN et s’ils relèvent d’une décision acceptable.
Auto-vérification avant livraison (regarder le livret de contacts de la review, une image à la fin de chaque segment + 3–4 images pour chaque interface d’illustration)
- Y a-t-il des cartes qui répètent les sous-titres ? Si oui, supprimer.
- Les textes/éléments débordent-ils ou empiètent-ils sur la zone de sous-titres (y 1520–1670) ? Masquent-ils le visage ?
- Interface d’illustration : le conteneur vide est-il révélé avant le contenu (doit apparaître en fondu entier) ? Le contenu long défile-t-il automatiquement vers le haut ? Les chiffres ont-ils une source ?
- L’indicateur de progression est-il correct (point actuel / terminé / revu, tout coché) ?
- Durée = celle de la source (vérifier avec ffprobe).
Discours de livraison : expliquer clairement chaque graphique à quelle seconde, ce qu’il apporte de plus au spectateur ; ce qui est une illustration et ce qui est réel (avec lien source) ; les mots incertains que l’utilisateur doit encore écouter.
Pièges connus
- Les vidéos sources iPhone/Clips sont souvent en HLG HDR : si on change seulement l’étiquette colorimétrique, la peau devient jaune ; utiliser
avconvert -p Preset1920x1080(déjà traité dans prep.sh) ; ajouter--sdrau rendu. - Whisper tend à ramener le silence du début vers 0 → correction VAD par align.py ; longues périodes sans ponctuation → resegment.py.
- Ne pas animer l’opacité sur les éléments
class="clip", les animations de sortie se font sur la couche interne ; la timeline GSAP doit être en paused et attachée àwindow.__timelines["main"]. - Dans Python, lors de la modification de components.mjs,
'\n'est interprété comme un vrai saut de ligne, ce qui cause une erreur JS — utiliser'\\n'. - GSAP ne peut pas animer
left/top(lint signale gsap_non_transform_motion) — utiliser x/y, si une largeur est nécessaire, la mesurer dans le script de la page avec clientWidth. - Les
${}dans les templates strings sont évalués dans Node, n’y mettez pas dedocument.*(à mettre dans la chaîne JS de sortie). - Ne pas supprimer les images de review avec
rmet des jokers (bloqué par la sécurité) ; écraser directement le même fichier.
Historique des versions (évolution des goûts, ne pas revenir en arrière)
v1 Trois couleurs Knock + picture-in-picture → rejeté (trop voyant, masque le visage) | v3 Peau Claude → rejeté (« utilise mon système de design ») | v4 PRD : renforcer chaque segment → rejeté (« tu as juste visualisé ce qu’il disait ») | v5 Seulement progression/schémas/illustrations mock ✓ | v6 Illustrations remplacées par des interfaces réelles + données réelles ✓ | v7 Ajout des illustrations portfolio/CV + règles de caméra ✓ (« cette version est très bonne ») | 10-01 Première exécution du skill sur ai-value + thématisation (Knock/thème privé) + Eval v1 | 10-02 Généralisation en « forme de contenu → composant », la vidéo de test aveugle est devenue une série de cartes tableaux → rejeté (« la visualisation n’est plus aussi bonne qu’avant ») → ajout du point de vue du monteur : conducteur de montage + niveaux de matériel + composant matériel réel + révision.