Studio de tutoriel vidéo automatisé
Étant donné une adresse de site web ou un nom de logiciel, ainsi qu'un plan de chapitres approximatif, cette compétence gère :
Piloter les opérations réelles → Notifier l'utilisateur pour l'enregistrement → Importer le matériel capturé → Créer un index consultable → Monter synchronisé phrase par phrase → Effets et transitions → Vérification image par image → Vidéo finale
Répartition : ce que fait la compétence et ce que fait l'utilisateur
| Qui fait quoi | Description | |
|---|---|---|
| Enregistrement vidéo | Utilisateur | L'utilisateur enregistre avec OBS / ShareX / enregistrement système, la compétence n'enregistre pas. L'enregistrement externe conserve la résolution native et la clarté, et peut capturer le son système. |
| Opérations réelles | Compétence | La compétence utilise le CDP du navigateur ou l'automatisation de fenêtres pour chaque étape et enregistre les positions des actions. |
| Montage, voix, effets, vérification | Compétence | Entièrement automatisé, avec des garde-fous. |
| Import du matériel | Utilisateur | Une fois les opérations terminées, l'utilisateur fournit la vidéo enregistrée à la compétence (chemin d'accès suffit). |
La compétence n'utilise pas la souris physique de l'utilisateur : les actions dans le navigateur se font par clic d'élément CDP, sans déplacer le pointeur réel.
Sept règles d'or
- La capture est à l'utilisateur, la compétence n'enregistre pas. La compétence gère uniquement les opérations et le post-traitement. L'utilisateur doit fournir le fichier vidéo après l'enregistrement.
- Les opérations sont à la compétence, la fenêtre d'enregistrement est à l'utilisateur. La compétence n'agit qu'après que l'utilisateur a annoncé « Début de l'enregistrement », et notifie immédiatement l'utilisateur d'arrêter une fois les opérations terminées.
- Pendant l'enregistrement, la console ne doit pas apparaître à l'écran. Chaque commande de la compétence doit s'exécuter sans fenêtre, et activer
guardpour cacher immédiatement toute console ou fenêtre contextuelle qui apparaîtrait – elles seraient capturées dans la vidéo. - Cacher les fenêtres, ne pas les fermer. Utiliser
SW_HIDE, etguard stoppour les restaurer uniformément. - Chaque plan est lié à une phrase de narration. Chaque
beatdansplan.jsondéclare à quelle phrase de narration il correspond, et la durée totale d'un chapitre doit être égale à la durée totale de sa narration. - Les chiffres prononcés doivent être lus dans l'interface réelle. Nombre de sommets, prix, version – tout doit provenir de l'interface affichée.
- L'audit d'obstruction est un garde-fou, pas un rapport. Avant la construction, une OCR image par image de la fenêtre de sortie détecte toute console / notification / écran de démarrage et refuse la sortie. La musique de fond doit laisser la place à la voix. La vidéo finale doit être à −16 LUFS, avec une vraie crête ≤ −1.5 dBFS.
Étape 0 · Définition du projet
Confirmer trois éléments, tous indispensables :
- Cible : Adresse du site web ou nom et version du logiciel.
- Plan : Ordre des chapitres (l'utilisateur fournit un plan approximatif, la compétence le détaillera).
- Solution d'enregistrement : Outil d'enregistrement utilisé, écran concerné, enregistrement du son système, format et résolution de sortie.
Déterminer également la zone de capture (écran entier ou fenêtre spécifique) et si l'enregistrement se fera en segments. Il est préférable de faire plusieurs enregistrements, un par fonctionnalité, pour une meilleure maintenance ; un enregistrement unique du flux complet est possible, avec un index pour le repérage.
Étape 1 · Rédaction du script
build/script.md, chaque chapitre a un titre ## , formaté comme suit :
## ch00 | Introduction
Regardez d'abord ce que j'ai créé.
Ce personnage a été généré à partir d'une image.
## ch01 | Inscription et connexion
Le site officiel est hi3d.ai, ouvrez-le dans le navigateur pour l'utiliser.
- L'ID du chapitre ne peut contenir que des lettres minuscules, chiffres, underscores et tirets (requis pour la liste TTS). Il doit correspondre exactement à l'ID du chapitre dans
plan.json. Les segments multiples d'un même chapitre sont automatiquement numérotésch01,ch01_1,ch01_2. - Le titre d'affichage est utilisé pour les cartes de chapitre, peut être dans la langue cible.
- Les IDs de chapitres ne doivent pas être des préfixes les uns des autres (
ch0etch01se chevaucheraient). UtilisezchNNde préférence. - Commencez par le résultat final (l'image la plus reconnaissable), puis revenez aux opérations.
- Les fonctionnalités secondaires sont mentionnées brièvement, concentrez-vous sur « les paramètres qui déterminent le résultat » et « comment vérifier que c'est fait correctement ».
- Les invites de prompt, le code, la configuration sont conservés dans des blocs de code ``` – les blocs de code ne sont pas lus en voix off, ils ne servent qu'à l'image.
- Chaque phrase de narration doit avoir une image réelle correspondante ; les paragraphes sans image doivent être réécrits pour décrire quelque chose que l'image peut montrer.
Étape 2 · Voix off
python scripts/studio.py voice --project <projet>
Découpe selon ## <ID_Chapitre> | <Titre>, saute les lignes vides, les blocs de code et les commentaires >. Produit build/audio_map.json, chaque segment avec la durée mesurée.
Surveillez la sortie chars/s : les segments en dessous de 3.0 indiquent une anomalie TTS (une synthèse allongée). Réécrivez et regénérez, n'utilisez pas ces segments dans le montage.
Étape 3 · Opérations réelles et enregistrement externe ★
C'est l'étape centrale de cette compétence.
3.1 Préparation de l'environnement d'enregistrement
python scripts/studio.py windows # Trouver la fenêtre cible
python scripts/studio.py prep --project <projet> \
--keep-title "Chrome" --maximize-title "Chrome" # Cacher les fenêtres inutiles, maximiser la fenêtre cible
prep ne cache jamais le terminal de la compétence elle-même (exclusion basée sur le PID ancêtre).
3.2 Lancer le garde-fou d'écran ★
Cette étape est obligatoire. Pendant les opérations, la compétence exécutera des commandes (ffmpeg, ffprobe, sous-processus Python). Chacune peut ouvrir une fenêtre de console qui se trouverait sur l'écran de capture et serait enregistrée.
python scripts/studio.py guard start --project <projet> \
--protect "DeepSeek Harness" --protect "Chrome"
Le garde-fou est un processus d'arrière-plan indépendant qui analyse la liste des fenêtres toutes les 0,25 secondes et cache immédiatement (SW_HIDE) les nouvelles fenêtres de console (ConsoleWindowClass, cmd, PowerShell, terminal, xshell, etc.) ainsi que les fenêtres de notification/suggestions. Il mémorise les fenêtres cachées et les restaure lors de guard stop.
--protectprotège les programmes en cours de démonstration (correspondance par titre, obligatoire).- Par défaut, ne cache que les fenêtres de console de l'arbre de processus de la compétence, pas les GUI – les interfaces utilisateur restent visibles.
- Si nécessaire de cacher aussi les GUI, ajoutez
--hide-own-gui. - Le garde-fou utilise le critère de « chevauchement réel » : les fenêtres qui ne couvrent que quelques pixels de la zone de capture (sur un autre écran) ne sont pas cachées par erreur.
3.3 Notifier l'utilisateur de commencer
Dites clairement à l'utilisateur : Veuillez commencer l'enregistrement, puis répondez « Enregistré ». N'agissez pas avant la confirmation de l'utilisateur – sinon les actions préparatoires seraient enregistrées.
3.4 Exécuter les opérations réelles
Effectuez les opérations dans l'ordre des chapitres, chaque étape :
- Navigateur : Utilisez les clics sur éléments CDP, ne déplacez pas la souris réelle.
Avant de cliquer, enregistrez les coordonnées pour les annotations ultérieures :
python scripts/studio.py aim <projet> <x> <y> --note "Format d'exportation". - Logiciel de bureau : Activer la fenêtre + privilégier le clavier ; si un clic est nécessaire, utilisez la souris réelle, mais prévenez l'utilisateur de ne pas toucher la souris pendant l'enregistrement.
- Si une confirmation d'état est nécessaire, ne dérangez pas l'utilisateur – capturez une image vous-même pour vérifier :
python scripts/studio.py shot --out <projet>/build/check.png
- Connexion, autorisation, code de vérification : Maintenez l'enregistrement, l'utilisateur les gère lui-même, la compétence se contente de confirmer le succès. Coupez les informations d'identification, codes de vérification, clés – vous pouvez enregistrer en deux segments distincts (avant connexion et après réussite) et les assembler selon l'ordre de dépendance.
- Chaque commande de la compétence doit être exécutée sans fenêtre :
scripts/h.ps1lance les sous-processus avecCreateNoWindow, tous les sous-processus internes de la compétence utilisentCREATE_NO_WINDOW.
3.5 Notifier l'utilisateur d'arrêter
Une fois toutes les opérations terminées, dites immédiatement à l'utilisateur : Les opérations sont terminées, veuillez arrêter l'enregistrement et me donner le chemin du fichier vidéo. Attendez le retour du chemin. Ne cherchez et ne supprimez aucun fichier d'enregistrement vous-même.
3.6 Finalisation
python scripts/studio.py guard stop --project <projet> # Arrêter le garde-fou et restaurer les fenêtres
python scripts/studio.py guard status --project <projet> # Vérifier qu'il n'y a pas de console résiduelle sur l'écran de capture
guard status liste les fenêtres de console encore visibles dans la zone de capture – doit être vide pour être considéré comme propre.
Si des résidus sont présents, cela signifie qu'un programme ouvre des fenêtres de façon répétée. Demandez à l'utilisateur de réenregistrer ce segment.
Étape 4 · Importer le matériel et créer un index
python scripts/studio.py import --project <projet> --file "D:\video\rec.mp4"
python scripts/studio.py index --project <projet> --clip rec.mp4 --step 2
index scanne toute la vidéo avec un pas fixe, effectue une OCR image par image et enregistre :
- Le texte affiché à l'écran à chaque instant (pour savoir ce qui se passe à une seconde donnée).
- Les points de changement visuel (points de coupe naturels).
- Les zones de pollution (console, notifications, écran de démarrage, à éviter).
Produit build/index_<nom>.txt (consultable directement) et .json (structuré).
Lisez l'index avant de placer les plans, ne devinez pas les codes temporels.
Étape 5 · Placer les plans
build/plan.json :
{
"display": {"region": [0, 0, 1920, 1080]},
"voice": {"voice": "zh-CN-XiaoxiaoNeural", "rate": "+8%"},
"chapters": [
{
"id": "ch02", "num": "02", "title": "Génération à partir de texte", "sub": "Invite en trois parties, détermine la fidélité",
"beats": [
{"seg": 0, "src": "rec.mp4", "in": 120, "out": 134},
{"seg": 1, "src": "rec.mp4", "in": 136, "out": 152, "zoom": 1.0}
],
"callouts": [
{"seg": 1, "offset": 1.0, "text": "Invite en trois parties\nRôle → Matériau → Composition",
"x": 120, "y": 680, "pointer": "up"}
]
}
]
}
srcest le nom du fichier dansraw/(vidéo importée de l'utilisateur),in/outsont en secondes.segindique à quelle phrase de narration ce plan correspond, compté à partir de 0 dans le chapitre.zoom> 1 effectue un zoom avant (recadrage fixe agrandi).calloutsutiliseseg+offsetpour positionner l'apparition des annotations, suivant la narration ;x/ysont les positions des annotations (peuvent être les coordonnées d'opération enregistrées paraim).- L'ID du chapitre
iddoit être égal à l'ID du chapitre dansscript.md, et doit être égal au préfixe de segment dansaudio_map.json. - Exemple complet dans
assets/plan.example.json.
Règles pour le placement des plans :
- Un plan correspond à un point d'opération clé ; sa durée est déterminée par la phrase de narration.
- Le nom ou l'élément doit apparaître avant ou en même temps que la narration associée ; laissez du temps de lecture pour les retours critiques.
- Utilisez si possible la même prise de vue pour des éléments adjacents, évitez les changements fréquents.
- Comprimez raisonnablement les temps d'attente réels, mais conservez un temps identifiable entre le déclenchement de l'action et le retour du traitement.
- Les paragraphes sans image doivent être réécrits pour décrire quelque chose que l'image peut montrer, ou réenregistrés.
- Évitez les zones de pollution signalées par l'index.
Étape 6 · Montage, vérification, livraison
python scripts/studio.py build --project <projet>
python scripts/studio.py verify --video <projet>/final.mp4 --expect-duration <durée_totale_narration>
build automatise : coupe synchronisée phrase par phrase → carte titre de chapitre → superposition d'annotations → arbre de transitions fondu enchaîné → side-chain de réduction du volume de la musique de fond → normalisation du volume.
Musique de fond : Placez la musique dans build/bgm.wav (ou build/bgm_final.wav), le constructeur calcule la courbe de réduction selon l'enveloppe de la voix et la mixe. Sans ce fichier, la vidéo sera produite sans musique de fond.
En cas d'échec de l'audit : Remplacez la fenêtre ou réenregistrez selon les codes temporels dans build/audit.txt, modifiez plan.json et relancez.
La solution courante est de déplacer les in/out pollués vers une zone propre, ou demander à l'utilisateur de réenregistrer le segment en question.
Auto-vérification avant livraison :
- Le fichier peut être lu intégralement, les pistes vidéo et audio sont complètes, la durée est proche de la durée totale de la narration.
- L'audit OCR image par image est sans problème.
- Regardez et écoutez l'intégralité de la vidéo à vitesse normale, vérifiez particulièrement : les 3 à 10 premières secondes, chaque changement de fonctionnalité, les soumissions et résultats, les chiffres et noms propres, les segments d'attente, la fin.
- Chaque point expliqué doit avoir un curseur correspondant ; pas de longues séquences d'images statiques, pas de pause sans contenu, la musique de fond ne couvre pas la voix.
Aide-mémoire des commandes
studio init <projet> # Créer la structure du projet
studio windows # Lister les fenêtres, trouver la cible
studio prep --project <projet> --maximize-title "Chrome"
studio guard start --project <projet> --protect "Chrome" # ★ Garder l'écran de capture propre pendant l'enregistrement
studio shot --out check.png # Capturer une image pour vérifier l'état
studio aim --project <projet> 1001 720 --note "Format d'exportation"
studio guard stop --project <projet> # Arrêter le garde-fou et restaurer les fenêtres
studio guard status --project <projet> # Vérifier l'absence de console résiduelle
studio import --project <projet> --file rec.mp4
studio index --project <projet> --clip rec.mp4
studio voice --project <projet>
studio build --project <projet>
studio audit --project <projet>
studio verify --video final.mp4
studio status --project <projet>
Références
references/production.md— Enregistrement écran, voix off, montage, mixage, consignes de validationreferences/troubleshooting.md— Symptôme → Cause racine → Solutionassets/plan.example.json— Exemple complet de plan de montage