Sous-titres
C'est une tâche unique, pas une étape d'un processus. Elle s'exécute quand l'utilisateur le demande – juste après le montage, ou après avoir supprimé deux phrases et tout recommencer.
Elle n'a qu'un prérequis : le grand livre existe déjà. Pas parce qu'elle vient après le montage, mais parce que sans le grand livre, elle ne sait pas quelles phrases sont conservées ni à quelle seconde elles se trouvent dans la vidéo finale.
Nécessite edit-list.json (grand livre), transcript.json (transcription mot à mot)
Produit subtitles.json
Elle s'arrête une fois terminée, ne dirige pas l'utilisateur vers l'étape suivante.
Lire et exécuter d'abord le contrat de phase du Skill métier, les critères selon les règles de correction des sous-titres, et l'écriture des noms propres selon le dictionnaire de termes IA.
Qui a le dernier mot
C'est le fondement de cette section, tout le reste en découle.
Montage voix-off décide « quelles phrases garder, à quel moment » ← la seule vérité temporelle
Sous-titres décide « quels caractères afficher à l'écran » ← la seule vérité d'affichage
Un écran de sous-titres stocke une liste d'IDs de mots + le texte affiché, pas de secondes. Le temps est recalculé à chaque fois depuis le grand livre. Ainsi, les deux registres ne peuvent pas diverger sur le temps, et les écrans obsolètes peuvent être identifiés précisément : « les mots des écrans 7 et 12 ont été coupés », au lieu d'un vague « les sous-titres sont peut-être obsolètes ».
Les sous-titres stockent leur propre texte intentionnellement. La transcription répond à « qu'a-t-il dit ? », le sous-titre répond à « que voit-on ? » — ponctuation, tics de langage supprimés, orthographe formelle des noms propres, tout cela doit être différent. Forcer une seule chaîne à faire les deux empêcherait à jamais d'ajouter une virgule.
0. Prêt
Exécuter d'abord la « vérification de disponibilité » de Vérifier les mises à jour — les skills sont-ils
à jour, le Runtime est-il compatible ; la racine du plugin y est également localisée (dans les commandes de ce document, <racine_plugin> est remplacé par ce chemin littéral). Continuer uniquement si « Prêt » ; en cas de « Nouvelle session nécessaire » ou « Stop », suivre ses instructions (y compris l'interdiction de créer une interface de substitution personnalisée), le Skill métier n'intègre pas de logique d'environnement.
Si le résultat de disponibilité est runtime.kind=desktop-managed, réutiliser directement le CLI stable déjà installé par l'application de bureau et le même service launchd/windows-task ; ne pas analyser le chemin d'Electron, installer des dépendances supplémentaires ni lancer un second Runtime.
1. Assertions d'entrée
node "<racine_plugin>/scripts/ensure-running.cjs" --json
node "<racine_plugin>/scripts/videocut-cli.cjs" inspect "<répertoire_projet>" --json
| Assertion | En cas d'échec |
|---|---|
edit-list.json existe et contient des segments | Expliquer clairement que le grand livre manque, demander à l'utilisateur de faire d'abord le montage voix-off. Ne pas faire le montage soi-même. |
transcript.json existe | Le projet n'est pas prêt, arrêter. Ne pas en créer un soi-même. |
Ne pas affirmer l'existence de source_cut.mp4, ni transcrire. Les sous-titres n'ont besoin ni de l'un ni de l'autre — voir la section suivante.
2. Correction des mots : d'abord le dictionnaire, puis le script
Pas besoin de retranscrire. La transcription mot à mot originale contient déjà les horodatages, et le grand livre sait quels segments sont conservés — la seconde de chaque mot dans la vidéo finale est calculée, pas réécoutée :
La seconde du mot dans la vidéo source se trouve dans la transcription
Les segments conservés se trouvent dans le grand livre
La seconde du mot dans la vidéo finale se calcule à partir des deux
Relancer l'ASR ne ferait que réécouter la même chose, coûteux en temps et en argent, et avec une moins bonne qualité — il faudrait à nouveau corriger les noms propres. (transcript retranscribe est un vestige de l'ancienne conception, où les sous-titres dépendaient de la transcription de la vidéo montée pour obtenir la timeline. Ce problème a disparu depuis que les sous-titres sont basés sur les IDs de mots. Pour faire des sous-titres, ne pas l'utiliser.)
Deux outils différents, tous deux nécessaires.
# Dictionnaire : écriture fixe pour ce locuteur, sans preuve nécessaire
node "<racine_plugin>/scripts/videocut-cli.cjs" transcript dictionary "<répertoire_projet>" --dictionary "<racine_plugin>/references/ai-term-dictionary.md" --json
# Script : seulement si l'auteur a un script, preuve requise à chaque occurrence
node "<racine_plugin>/scripts/videocut-cli.cjs" transcript align "<répertoire_projet>" --script "<fichier_script>" --json
Dictionnaire toujours écrire ainsi ne tient pas compte du contexte, modifie directement, liste les modifications
Script n'écrit ainsi que si le contexte correspond preuve requise à chaque occurrence, indique « incertain » en cas de non-concordance, ne devine pas
Pourquoi le dictionnaire est indispensable, et le script ne suffit pas : la voix-off est réenregistrée. Dans un projet réel, la même phrase a été enregistrée quatre fois. Ainsi, des contextes comme « connecteur X » ou « X est » apparaissent plusieurs fois chacun, et align ne peut que signaler « incertain » — par règle, il ne devine pas, car écrire un nom propre de travers est pire que de mal entendre. Sur trois occurrences de « X », il n'en corrige qu'une seule. Le dictionnaire n'a pas ce problème : dans l'œuvre de ce locuteur, « X » est toujours « X ».
Il n'y a qu'un seul dictionnaire, au niveau du plugin dans references/ai-term-dictionary.md : il corrige la transcription, et le montage voix-off ainsi que les sous-titres utilisent la même transcription. Ne pas en créer un autre sous ce skill.
Après la correction, relire la liste. Le dictionnaire ne tient pas compte du contexte, il peut donc aussi faire des erreurs — par exemple, normaliser un véritable « Skills » (Claude Skills, nom propre pluriel) en « Skill ». Si vous voyez une erreur, corrigez le dictionnaire, ne patchez pas en contournant la commande.
transcript align se contente de signaler, sans appliquer les corrections. Pour appliquer ses propositions, convertir les corrections en [{wordId, text}] puis exécuter :
node "<racine_plugin>/scripts/videocut-cli.cjs" transcript correct "<répertoire_projet>" --file "<fichier_correction>" --json
Après la correction de la transcription, les écrans de sous-titres qui référencent ces mots seront mis à jour dans la même opération, renvoyant subtitles.updated. Ceux qui ne peuvent pas être modifiés (ligne réécrite manuellement) sont signalés dans needsAttention pour que l'utilisateur les voie, sans deviner.
Lorsque ni le dictionnaire ni le script ne permettent de confirmer une orthographe correcte, il est interdit de deviner. Signaler à l'utilisateur pour qu'il complète le dictionnaire — une fois ajouté au dictionnaire, la prochaine vidéo sera automatiquement correcte ; deviner une fois obligerait à deviner à nouveau la fois suivante.
3. Répartition en écrans
node "<racine_plugin>/scripts/videocut-cli.cjs" subtitle build "<répertoire_projet>" --json
Quatre règles, dans l'ordre :
① Du contenu a été supprimé ici Les deux côtés de la coupure sont adjacents dans la timeline et n'ont aucun lien sémantique.
Une « suppression silencieuse » ne compte pas — couper une pause au milieu d'une phrase ne doit pas couper la phrase en deux.
② Tout signe de ponctuation Donné par Volcano Engine, point et virgule comptent tous les deux — **même granularité que la segmentation du montage voix-off**,
la coupure se fait au même endroit. La ponctuation est plus forte que toute preuve temporelle : un locuteur peut enchaîner deux phrases sans reprendre son souffle, ou faire une pause au milieu d'une phrase.
③ Limite de paragraphe + pause **Uniquement lorsque le mot n'a pas de ponctuation.** C'est « quand il n'y a pas de ponctuation, deviner que la phrase se termine grâce au paragraphe »,
s'il y a de la ponctuation, c'est la règle ② qui doit s'appliquer — elle tient compte de la longueur de l'écran, contrairement à ③.
(Déclencher ③ sur une frontière avec ponctuation transforme 40 écrans en 43 écrans dans un projet réel, créant davantage d'écrans fragmentés.)
④ L'auditeur entend une longue pause À l'intérieur d'une phrase, une coupure nécessite un silence plus long pour être justifiée.
Le montage voix-off et les sous-titres utilisent la même ponctuation, avec la même granularité : une virgule = un segment / un écran.
Les fragments (un ou deux caractères) sont fusionnés, mais pas au-delà d'un point — « Tu vois » commence une nouvelle phrase, ce n'est pas la queue de la précédente ; le fusionner vers l'arrière donnerait « …appeler Grok CLI tu vois », mélangeant les deux phrases.
Les phrases courtes prononcées rapidement par le locuteur sont conservées (dans un projet réel, « chaque matin » et « exécuter la tâche » durent chacun 0,6 seconde). C'est vraiment ainsi qu'il parle, pas d'alerte. Un écran par virgule produit nécessairement ce genre d'écran ; déclencher une alerte pour cela reviendrait à alerter pour une parole normale — trop d'alertes, et personne ne les lit plus.
Ce qui reste plus long qu'un écran est réparti équitablement en plusieurs écrans, un écran par ligne. Si la coupure produit des fragments d'un ou deux caractères, c'est que la frontière ② n'est en fait pas un point ; fusionner le fragment avec l'écran précédent.
La commande renvoie quatre éléments, tous à vérifier :
stale Écrans modifiés par le montage — indique précisément l'écran et les caractères perdus
tooFast Trop de caractères, pas assez de temps pour les lire
transcriptMoved La transcription n'est plus celle d'origine
Lorsque des sous-titres existent déjà — s'arrêter et demander ici
Sans --replace, la commande refuse directement. C'est le seul endroit de ce skill où il faut demander l'accord de l'utilisateur, car --replace efface un travail manuel de répartition et de formulation que le produit ne peut pas restaurer lui-même.
L'utilisateur veut modifier quelques mots Ne pas faire build. Le laisser modifier directement dans Studio, ou vous dire quels écrans modifier.
L'utilisateur veut tout recommencer Confirmer avant d'ajouter --replace.
4. Révision : écran par écran dans Studio
node "<racine_plugin>/scripts/videocut-cli.cjs" open "<répertoire_projet>" --json
Une fois ouvert, accéder à l'onglet « Sous-titres » dans la colonne de gauche. Une ligne par écran : à gauche le numéro et le temps, à droite le texte, cliquer pour modifier directement.
- Entrée = créer un nouvel écran à partir du curseur
- Retour arrière en début de ligne = fusionner avec l'écran précédent
- Dans la colonne de droite, « Paramètres → Sous-titres », choisir un des quatre préréglages, un seul style pour toute la vidéo
- Les sous-titres sont visibles directement à l'écran, leur position et taille sont proportionnelles à l'image — l'aperçu et le rendu final utilisent les mêmes données
Lors de la révision, faire confirmer au moins : les noms propres sont-ils corrects, y a-t-il des lettres manquantes, la coupe est-elle fluide à la lecture, l'écran reste-t-il assez longtemps pour être lu.
5. Jusqu'à subtitles.json
Cette section est terminée. Ne pas faire de découpage physique, de storyboard, d'animation, de rendu final, ni inciter l'utilisateur à passer à l'étape suivante.
Le rapport doit être séparé : le readback structuré du produit est API/readback PASS ; la vérification des images réelles du projet est visual frame PASS ; tant qu'aucun humain n'a vérifié la correspondance des sous-titres avec l'image, il s'agit toujours de human listening UNVERIFIED, à ne pas remplacer par du DOM, des captures d'écran ou la détection de fichiers.
Limite : l'incrustation dans l'image n'est pas de cette section
Le format de livraison défini est l'incrustation dans l'image, mais l'image est générée lors de l'exportation. La livraison des sous-titres est subtitles.json — toutes les dimensions sont des pourcentages de l'image, convertis en pixels lors de l'exportation selon la résolution de sortie, les deux utilisant les mêmes données.
Le mp4 exporté aujourd'hui ne contient pas de sous-titres, cette étape n'est pas encore faite. Le rapport doit clairement indiquer cette conséquence, ne pas se contenter de dire « les sous-titres sont prêts » — l'utilisateur croirait qu'ils sont dans la vidéo finale.
Récupération et échecs
subtitles_exist: des sous-titres existent déjà. D'abord demander, ne pas utiliser--replacedirectement.revision_conflict: une autre instance écrit en même temps. Relire, ne pas écraser automatiquement.- Le dictionnaire signale « ligne N illisible » : une ligne de tableau mal formatée. Les règles ne reconnaissent que les lignes de tableau (
| écriture correcte | erreur courante |), la prose et les listes sont ignorées silencieusement. transcript correctsignale « must not change any word id, time or gap flag » : la proposition de correction contient des modifications de temps. Ne corriger que les mots.runtime_unhealthy: ne pas boucler la réinstallation.- En cas d'échec, ne jamais dire que la « transcription est terminée » est équivalent à « les sous-titres sont prêts ». L'ASR produit la matière première, pas le produit fini.