Communitygithub.com

remotion-vidéo

Transformez une idée en une courte vidéo verticale narrée (1080x1920 MP4) avec Remotion. Écrit le script, génère la voix et les timings avec ElevenLabs, et produit un projet de démarrage avec cinq types de scènes, sous-titres mot par mot et une mascotte synchronisée labiale.

Qu'est-ce que remotion-vidéo ?

Cette compétence permet de transformer une simple idée en une vidéo courte verticale (format Shorts / Reels / TikTok) entièrement produite, avec narration, sous-titres animés et une mascotte synchronisée. Elle utilise Remotion pour le rendu vidéo (canvas DOM) et ElevenLabs pour la synthèse vocale et les timings mot par mot. Le processus automatisé écrit le script, génère l'audio, aligne les sous-titres sur la parole et produit un projet Remotion prêt à render avec cinq types de scènes prédéfinis. La compétence prend en charge la vérification des prérequis (Node, Python, ffmpeg, clé API ElevenLabs, licence Remotion), guide l'utilisateur à travers la création d'un script structuré (hook, points, stat, bars, cta), la validation du nombre de caractères facturés, le rendu d'images de test et le rendu final. Le rendu est parallélisé et déterministe (pas d'état mémoire), garantissant une sortie cohérente. En cas de licence Remotion incompatible, la compétence redirige vers revideo-video (licence MIT).

Compatible avec~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/anujkapoor-arch/video-skills/tree/HEAD/skills/remotion-video

Demander à votre IA préférée

Ouvre une nouvelle conversation avec cette compétence d'agent déjà préchargée.

Documentation

Que fait remotion-vidéo ?

Vous prenez l'idée de l'utilisateur et lui remettez un MP4. Le kit à côté de ce fichier fait le gros du travail : kit/new-video.sh crée un projet, narrate.py transforme un script en audio et timings, et le projet Remotion le rend.

S'il n'y a pas de dossier kit à côté de ce fichier, la compétence a été copiée sans lui. Clonez https://github.com/anujkapoor-arch/video-skills et utilisez son dossier kit.

Avant de commencer

Vérifiez ces points, et arrêtez-vous avec un message clair si l'un d'eux manque :

  • node --version, python3 --version, ffmpeg -version. Le kit a été testé sur Node 24, Python 3 et ffmpeg 8.
  • ELEVENLABS_API_KEY dans l'environnement, ou l'utilisateur prêt à la mettre dans le .env du projet. Il n'y a pas de mode silencieux ou gratuit. N'imprimez jamais la clé et ne la commitez pas.
  • La licence de Remotion. Elle est gratuite pour les particuliers et pour les entreprises de moins de 3 employés. Une grande entreprise a besoin d'une licence payante (remotion.dev/docs/license). Informez l'utilisateur une fois. Si cela exclut Remotion, utilisez la compétence revideo-video, qui est sous licence MIT.

Étapes

1. Transformer l'idée en script

Demandez uniquement ce que vous ne pouvez pas déduire : le sujet, le public cible, le nom de la chaîne. Ensuite, rédigez vous-même le script.

  • De 4 à 7 scènes, 20 à 45 secondes au total. Les gens parlent à environ 2,5 mots par seconde.
  • Commencez par un hook, terminez par un cta. Utilisez points, stat et bars entre les deux.
  • Chaque say est une ou deux phrases courtes, écrites pour l'oreille. Épelez les nombres en toutes lettres.
  • Chaque chiffre à l'écran a besoin d'une source que l'utilisateur vous a donnée ou que vous pouvez nommer. Si vous n'en avez pas, demandez. N'inventez jamais une statistique.
  • Choisissez un mot de repère (at) pour chaque élément afin que les visuels atterrissent sur le mot prononcé.

La liste complète des champs se trouve dans kit/common/SCRIPT.md. Lisez-la avant d'écrire le script.

2. Créer le projet

<dossier de cette compétence>/kit/new-video.sh remotion <nouveau-dossier>
cd <nouveau-dossier>
npm install

npm install prend environ 20 secondes. Le premier rendu télécharge également Chrome Headless Shell (environ 470 Mo) dans node_modules.

3. Écrire script.json, le vérifier, puis payer pour la voix

Remplacez l'exemple script.json par le script de l'utilisateur, puis :

python3 narrate.py --check    # valide et affiche le nombre de caractères, sans appel API

Montrez à l'utilisateur les lignes parlées et le nombre de caractères, et obtenez un oui avant la commande suivante. ElevenLabs facture au caractère.

python3 narrate.py            # écrit public/narration.wav et src/spec.json

Il affiche le début et la durée de chaque scène. Les lignes sont mises en cache dans .tts-cache/, donc ré-exécuter après une modification ne facture que les lignes modifiées.

4. Vérifier les images fixes avant un rendu complet

Une image fixe prend environ 4 secondes ; un rendu complet prend à peu près la durée de la vidéo.

npx remotion still src/index.ts Video out/check.png --frame=150

Frame = secondes x 30. Faites le rendu d'une image fixe dans chaque scène, environ une seconde après son dernier repère, et regardez chacune d'elles. Vérifiez que le texte tient dans la carte, que rien ne chevauche les sous-titres ou la mascotte, et que rien d'important ne se trouve en dessous de y = 1620 (l'interface Shorts / Reels la recouvre).

5. Rendu

npm run render                # -> out/video.mp4
npm run studio                # optionnel : prévisualisation avec une timeline et rechargement à chaud

6. Rapport

Exécutez ffprobe sur le fichier et indiquez à l'utilisateur la durée, la taille et l'emplacement. Dites ce que vous avez vérifié (images fixes) et ce que vous n'avez pas pu vérifier (vous ne pouvez pas entendre l'audio ni voir le mouvement). Demandez-lui de la regarder une fois avec le son.

Modifications

Pour modifierÉditer
Couleurs, nom de chaîne, pied de page, sous-titres activés/désactivés, mascotte activée/désactivéescript.json, puis python3 narrate.py (gratuit, l'audio est en cache)
Voixvoice.id dans script.json ou ELEVENLABS_VOICE_ID. Une nouvelle voix refacture chaque ligne.
PoliceMettez les fichiers .ttf dans public/fonts, listez-les dans src/fonts.ts, changez FONT dans src/util.ts
Disposition d'un type de scèneSon composant dans src/scenes.tsx
En-tête, carte, sous-titres, bulle, confettissrc/Video.tsx
La mascottesrc/Mascot.tsx

Ajouter un type de scène

  1. Écrivez un composant dans src/scenes.tsx qui prend {s: Scene} et enveloppe son contenu avec <Layer s={s}>.
  2. Ajoutez-le à KINDS en bas de ce fichier et à l'union kind dans src/util.ts.
  3. Ajoutez-le à KINDS dans narrate.py avec ses champs requis.

Changer la mascotte

Portez le SVG du personnage dans src/Mascot.tsx en tant que JSX. Ne chargez pas le fichier .svg. Conservez cinq éléments pilotés par image : hauteur de bouche depuis open, échelle Y des yeux depuis blink, décalage des pupilles, décalage des sourcils, et un groupe de tête qui s'incline. Si le SVG change plus tard, le port doit être refait.

Règles pour des rendus Remotion corrects

  • Tout ce qui est à l'écran est une fonction de l'image actuelle. Pas de useState, pas de transitions CSS, pas de setTimeout, pas de Math.random(). Remotion rend les images en parallèle et dans le désordre, donc tout ce qui a une mémoire casse. Utilisez random(seed) de remotion.
  • Tout le timing provient de spec.json. Ne codez jamais en dur un temps en secondes. Lisez s.start, item.t ou t d'un mot, de sorte qu'une nouvelle narration retarde la vidéo sans modification du code.
  • Les polices sont chargées dans src/fonts.ts derrière delayRender. Sans cela, une image peut être capturée avant que la police ne soit prête.
  • Les fichiers que le navigateur charge au moment du rendu (audio, polices, images) se trouvent dans public/ et sont référencés avec staticFile().
  • HTML fait passer le texte long à la ligne, mais rien ne le réduit. Le projet de départ choisit les tailles de police en fonction du nombre de caractères. Si vous ajoutez du texte, faites de même, sinon il dépassera de la carte.
  • Un ressort est spring({frame: frame - at * fps, fps, config}). L'assistant pop() dans util.ts l'encapsule.
  • La synchronisation labiale provient des timings des mots (mouthOpen dans util.ts), sans analyse audio.
  • La durée de la vidéo est arrondie à l'image entière supérieure, donc le MP4 peut être jusqu'à 1/30 s plus long que spec.total.

Chiffres de notre machine de test (Apple M2, 8 Go de RAM)

  • Vidéo de 25 s : 26,5 s pour le rendu, 4,9 Mo.
  • node_modules : 240 Mo après installation, environ 950 Mo après le premier rendu (Chrome Headless Shell plus le cache webpack).

Individual skills in this repo

This repo contains 1 individual skill — each has its own dedicated page.

Skills associés