Générateur de vidéo IA (prompts → clips → vidéo finale)
Ce skill reproduit la pile « Générateur de vidéo IA » de Fliki (voir references/fliki-notes.md) : les modèles de génération vidéo produisent les plans, et une couche de finition ajoute la voix, les sous-titres, la musique et le redimensionnement.
Accès aux modèles : ce conteneur n'a pas accès aux modèles. L'utilisateur génère les clips dans son propre compte Flow / Kling / Fliki (ou un autre outil) à partir des prompts écrits ici. Ce skill s'occupe de la planification et de la finition.
Mode A — planification + prompts
- Brief. Rassemblez ces éléments, avec des valeurs par défaut si l'utilisateur ne les précise pas :
- sujet ou script
- durée (par défaut 30–60 s)
- format (9:16 reels, 16:9 YouTube, 1:1 feed)
- style (cinématographique, anime, 3D, vidéo UGC de téléphone, studio produit …)
- quel(s) modèle(s) ils possèdent
- langue pour la voix off et les sous-titres
- Script. Écrivez un script avec un crochet dans les 3 premières secondes, une idée par plan et un appel à l'action. Pour les faits, utilisez uniquement la source de l'utilisateur ou une recherche vérifiée. Affichez-le et attendez la validation.
- Liste de plans. Un plan toutes les 3–8 s (la plupart des modèles font des clips de 4–10 s), sous forme de tableau :
# | temps | ligne VO | plan | modèle | t2v ou i2v. - Prompts par plan. Utilisez le modèle dans
references/prompt-guide.md, avec un bloc délimité par plan pour que l'utilisateur puisse copier chacun d'eux.- Chaque prompt doit être autonome : répétez la description complète du sujet, le décor, la lumière, l'objectif, le mouvement, le style et le format d'image. Les modèles ne se souviennent pas des plans précédents.
- Cohérence : définissez chaque personnage et produit une fois dans une « bible » (visage, cheveux, vêtements, couleurs, accessoires) et collez les mêmes mots dans chaque plan. Pour les cas difficiles, écrivez d'abord un prompt d'image pour une image de référence et faites du plan une image-vers-vidéo à partir de celle-ci.
- Audio natif : si le modèle génère de l'audio, ajoutez une ligne
Audio:(ambiance et effets sonores uniquement). Mettez le dialogue entre guillemets uniquement si l'utilisateur souhaite un discours à l'écran. - Ce que les modèles gèrent bien : une action par plan. Un mouvement de caméra plus un mouvement de sujet est acceptable ; trois événements simultanés échouent généralement.
- Texte : ne demandez pas aux modèles de produire du texte lisible, des logos ou des interfaces utilisateur. Ajoutez-les lors du montage ou comme incrustations générées par code.
- Remise. Donnez à l'utilisateur :
- la liste des plans
- les prompts
- une règle de nommage pour les téléchargements (
s01.mp4,s02.mp4…) - « renvoyez les clips ici et je finirai la vidéo »
Mode B — assembler les clips
- Récupérez les clips (téléchargement dans le chat, lien Drive ou fichiers dans l'espace de travail). Faites-en un contact-sheet (
ffmpeg … tile) et vérifiez chacun par rapport à son plan : mauvais sujet, mains ou visages déformés, texte indésirable. Suggérez une nouvelle génération pour les mauvais plutôt que de les utiliser. - Voix. Choisissez une option :
- le MP3 de l'utilisateur
- ElevenLabs via
request_credential(hôteapi.elevenlabs.io, en-têtexi-api-key) — ne demandez jamais la clé dans le chat - aucune (sous-titres uniquement)
- S'il y a une voix, alignez-la pour obtenir
words.json: utilisezscripts/align.py. - Écrivez
edit.json(format en haut descripts/assemble.py) :- points de coupe par clip : coupez les 0,3 premières et dernières secondes, où les modèles oscillent souvent
fitcover/contain,fade- voix, musique +
music_db, mots, style de sous-titres fontsdiravec fichiers woff2/ttf locaux, nécessaires pour l'hindi
- Rendu. Exécutez
python scripts/assemble.py edit.json final.mp4. Le script normalise chaque clip à L×H et fps, fait des fondus enchaînés, mixe l'audio du clip, la voix et la musique (réduite sous la voix), grave les sous-titres mots-surlignés et applique loudnorm −14 LUFS. - Autres rapports. Changez L/H et refaites le rendu. Utilisez
coverpour un affichage plein écran etcontainpour les plans larges que vous ne pouvez pas recadrer. - Livrez.
- Vérifiez les images noires avec
blackdetect. - Faites une copie 720p de moins de 20 Mo pour WhatsApp.
- Envoyez les deux avec
SendUserFile.
- Vérifiez les images noires avec
Règles
- Personnes réelles : pas de représentation IA réaliste de personnes réelles vivantes (politiciens, célébrités, personnes privées) sauf s'il s'agit de l'utilisateur lui-même avec son consentement. Utilisez des silhouettes ou des plans symboliques à la place. Rappelez à l'utilisateur que YouTube et Meta exigent l'étiquetage du contenu réaliste généré par IA.
- Aucune affirmation inventée : pas de faux témoignages, statistiques inventées ou contenu UGC qui prétend être un avis réel de client. Un style UGC est acceptable lorsque la publicité ne prétend pas être l'expérience d'une personne réelle.
- Les spécifications des modèles changent vite : les longueurs de clips, prix et noms de modèles sont des notes datées dans
references/. Vérifiez l'outil de l'utilisateur lorsque cela compte, et ne promettez pas de crédits ou de prix exacts.