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_KEYdans l'environnement, ou l'utilisateur prêt à la mettre dans le.envdu 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 uncta. Utilisezpoints,statetbarsentre les deux. - Chaque
sayest 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 modifier | Éditer |
|---|---|
| Couleurs, nom de chaîne, pied de page, sous-titres activés/désactivés, mascotte activée/désactivée | script.json, puis python3 narrate.py (gratuit, l'audio est en cache) |
| Voix | voice.id dans script.json ou ELEVENLABS_VOICE_ID. Une nouvelle voix refacture chaque ligne. |
| Police | Mettez les fichiers .ttf dans public/fonts, listez-les dans src/fonts.ts, changez FONT dans src/util.ts |
| Disposition d'un type de scène | Son composant dans src/scenes.tsx |
| En-tête, carte, sous-titres, bulle, confettis | src/Video.tsx |
| La mascotte | src/Mascot.tsx |
Ajouter un type de scène
- Écrivez un composant dans
src/scenes.tsxqui prend{s: Scene}et enveloppe son contenu avec<Layer s={s}>. - Ajoutez-le à
KINDSen bas de ce fichier et à l'unionkinddanssrc/util.ts. - Ajoutez-le à
KINDSdansnarrate.pyavec 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 desetTimeout, pas deMath.random(). Remotion rend les images en parallèle et dans le désordre, donc tout ce qui a une mémoire casse. Utilisezrandom(seed)deremotion. - Tout le timing provient de
spec.json. Ne codez jamais en dur un temps en secondes. Lisezs.start,item.toutd'un mot, de sorte qu'une nouvelle narration retarde la vidéo sans modification du code. - Les polices sont chargées dans
src/fonts.tsderrièredelayRender. 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 avecstaticFile(). - 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'assistantpop()dansutil.tsl'encapsule. - La synchronisation labiale provient des timings des mots (
mouthOpendansutil.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).