Que fait Conception Audio VYBE ?
Le son représente la moitié de la qualité perçue. Une image médiocre avec un bon son semble luxueuse ; une excellente image dans le silence semble inachevée.
La production (génération, récupération, câblage) est effectuée par vybe audio — voir
vybe/references/audio-pipeline.md. Cette compétence est la direction : quoi demander
et où cela va. Chargez references/sound-design.md pour les tables de placement des SFX.
Décider dans cet ordre
- La narration est-elle nécessaire ? Oui lorsque le sujet a besoin d'une explication que l'image ne peut pas porter (explications, documentaires, tutoriels) ou que l'utilisateur l'a demandée. Non pour les jingles, le texte cinétique, les ambiances, la plupart des publicités de moins de 20 s. Par défaut : désactivée.
- Arc musical. Associer la musique à l'histoire : intro (clairsemée) → construction (ajout de couches) → pic (sur la révélation/point culminant) → résolution (sur le CTA/titre). Choisir le tempo en fonction du montage : calme 70–95 BPM, confiant 100–115, énergique 118–128.
- Placement des SFX. Marquer chaque événement visible qui mérite du poids. Puis en supprimer la moitié. Laisser de la place à la musique.
- Mixage. Voix au premier plan, musique en dessous, SFX entre les deux — et baisser la musique sous la voix.
Voix
| Fournisseur | Quand | Remarques |
|---|---|---|
| HeyGen (Starfish) | meilleure qualité + horodatages natifs des mots | nécessite une connexion OAuth heygen ou HEYGEN_API_KEY ; crédit gratuit via heygen auth login --oauth |
| ElevenLabs | grand catalogue de voix, voix de marque | ELEVENLABS_API_KEY ; synchronisation des mots via transcription |
| Gemini TTS | livraison dirigée avec invites de style | choix explicite uniquement ; GEMINI_API_KEY |
| Kokoro-82M | gratuit, hors ligne, privé, déterministe | npx hyperframes tts ; voix am_michael, bm_george, am_adam, af_sky, af_heart, bf_emma, af_nova ; --speed 0.9–1.15 |
Écriture pour la voix : phrases courtes, une idée chacune, ~150 mots/min (2,5 mots/s), chiffres écrits comme prononcés (« vingt-neuf heures »), aucun texte à l'écran lu textuellement. Laisser 0,3 s de silence avant chaque ligne et au moins 0,5 s à la fin.
Musique par humeur
| Humeur | Caractère | Convient |
|---|---|---|
| Orchestrale cinématographique | montées, cordes graves, crescendos, impacts | bandes-annonces, espace, révélations épiques |
| Technologie ambiante | nappes, impulsions douces, textures vitreuses | science, IA, explications |
| Électronique futuriste | basse synthé, arpèges, 110–125 BPM | cyberpunk, lancements, technologie |
| Corporate optimiste | piano + batterie légère, majeur | entreprise, SaaS, intégration |
| Minimaliste | piano/impulsion clairsemé(e), beaucoup d'espace | style Apple, luxe |
| Énergique | batterie entraînante, 120–128 BPM | social, sport, hype |
| Émotionnel | lent mineur → élévation majeure | documentaire, histoires, causes |
Formulation de la requête de récupération : humeur + instrumentation + énergie + tempo, par ex. « ambient orchestral sombre, construction lente, pas de chant, 70 bpm ». N'utilisez jamais de pistes commerciales protégées par le droit d'auteur ; le fond procédural de VYBE est le repli hors ligne garanti.
Cibles de mixage
| Couche | Niveau |
|---|---|
| Voix | −16 LUFS par ligne (normalisé), la couche la plus forte |
| Musique sous la voix | ≈ −28 à −31 LUFS effectif (duck à ~0,28 du fond) |
| Musique seule | ≈ −18 LUFS de fond au volume 0,8 |
| SFX | 0,3–0,5 de volume ; les impacts peuvent culminer plus haut pour une trame |
| Livraison finale | −14 LUFS intégrés, ≤ −1 dBTP (fait par vybe finalize) |
Règles de synchronisation
- Les SFX atterrissent sur la trame de l'événement visuel (impact à l'atterrissage, pas au décollage ; le whoosh commence ~0,1 s avant que le mouvement n'atteigne son pic ; les crescendos se terminent exactement sur le coup).
- Couper sur les beats :
npx hyperframes beats→ déplacer les limites de scène sur la grille. - Les sous-titres proviennent de la transcription ou des horodatages HeyGen — jamais répartis uniformément.
- Vérifier avec
npx hyperframes audio --dir composition --at <t>.