Agent de production de vidéos courtes
Produit une vidéo MP4 complète à partir d'un thème. Codex prend en charge le script, la mise en scène et la création des assets ; les scripts inclus synchronisent les images et la musique en fonction de la durée réelle de l'audio. Ce n'est pas un service résident, mais une compétence invocable par chat.
Entrée et configuration par défaut
- Accepte un thème, des notes, une URL de document ou un script existant. Si aucun thème n'est fourni, il le demande.
- Langue par défaut : japonais, format 9:16, 1080×1920, 30 fps, durée ~45 secondes, ton convivial et accessible. Les spécifications de durée, voix, style visuel et plateforme de publication sont prioritaires.
- N'insère pas automatiquement le nom de l'émission, le personnage "AI-chan", les salutations radio ou les renvois vers l'épisode principal.
- La sortie est placée dans
output/shorts/<date-heure>-<theme>/. Les versions corrigées sont exportées dans un nouveau dossier.
Processus de production
- Réduire le message principal à un seul point, rédiger un script structuré comme suit : accroche en début → exemple ou explication → courte conclusion. Viser environ 120-150 caractères pour 30 secondes, puis ajuster en fonction de la durée réelle de la narration générée. Vérifier les informations récentes et les chiffres auprès des sources et documents fournis, et consigner les références.
- Diviser le script en scènes, chaque scène contenant un texte à lire, une description d'image et un court texte affiché à l'écran. Passer à la production sauf demande explicite de validation de la structure.
- Vérifier les outils de génération d'images disponibles et leurs compétences, puis générer les images de chaque scène. Uniformiser le style, les personnages et les couleurs, en veillant à respecter la zone de sécurité verticale. Ne pas intégrer de longs scripts dans les images. Si l'outil nécessaire est indisponible, signaler la situation et poursuivre avec les étapes possibles (ex. utiliser des assets utilisateur). Ne pas traiter les images factices comme des assets finaux.
- Générer la narration scène par scène avec la TTS disponible. En cas d'utilisation d'une API, consulter la spécification officielle actuelle et passer les identifiants par variables d'environnement. Les voix locales macOS peuvent être utilisées avec
say -v Kyoko -f narration.txt -o narration.aiff(vérifier d'abord avecsay -v '?'que la voix existe). Enregistrer la méthode vocale utilisée. Si la voix souhaitée n'est pas disponible, ne pas la remplacer sans consentement. Vérifier les erreurs de lecture, les pauses inhabituelles et la durée ; si le texte est trop long, raccourcir le script et regénérer. - Choisir la musique de fond parmi : une piste fournie par l'utilisateur, des sources audio vérifiables, ou un outil de génération musicale disponible. Consigner le titre, la source et les conditions d'utilisation dans
credits.md. En l'absence de spécification et de source, utiliser le script fournimake_bgm.pypour produire un accompagnement instrumental simple basé sur des notes (ne pas le présenter comme une sortie d'IA générative musicale). Réduire le volume de la musique pendant la narration. - Enregistrer un
manifest.jsonau format ci-dessous, puis exécuterrender.py. Les chemins des images, des fichiers audio et de la musique sont relatifs au manifest ou absolus. Ne pas accélérer ni tronquer la narration ; chaque scène dure la durée de son audio + ~0,2 seconde. Le rendu standard prend en charge la transition d'images fixes et l'ajout d'un fichier SRT séparé. Pour des mouvements ou sous-titres incrustés, ajouter une implémentation avec Remotion ou autre avant la livraison. Ne pas présenter un simple fichier SRT comme une vidéo sous-titrée. - Vérifier la résolution, la qualité audio/vidéo, la durée et le décodage global du MP4 ; extraire des images pour détecter les coupures ou les zones illisibles. Si une écoute est possible, vérifier le volume, la prononciation et l'équilibre avec la musique. Si impossible, indiquer ce qui n'a pas été vérifié. Si la durée s'écarte trop de la cible, ajuster le script et l'audio.
- Retourner des liens vers le MP4 final, le script, le SRT, le manifest et les sources des assets. Distinguer les étapes réellement effectuées des points non vérifiés. Ne publier qu'à la demande explicite.
Commande de rendu
Environnement requis : Python 3, ffmpeg, ffprobe. Aucun paquet Python supplémentaire nécessaire.
{
"bgm": "bgm.wav",
"scenes": [
{"image": "scene-01.png", "audio": "scene-01.aiff", "text": "Voici le texte lu."},
{"image": "scene-02.png", "audio": "scene-02.aiff", "text": "Texte de la scène suivante."}
]
}
python3 <chemin-du-dossier-de-la-competence>/scripts/make_bgm.py /chemin/absolu/output/bgm.wav --seconds 60
python3 <chemin-du-dossier-de-la-competence>/scripts/render.py /chemin/absolu/output/manifest.json --output /chemin/absolu/output/render-v1
Produit : render-v1/final.mp4, captions.srt, timing.json. Les sous-titres sont synchronisés par scène, non mot à mot. En cas d'échec, réutiliser les assets déjà produits, corriger la cause et relancer vers un nouveau répertoire de sortie.