AutoCliper.AI — Compétence Agent
Convertir une longue vidéo YouTube en 5 à 15 mini-clips avec packaging chinois et sous-titres incrustés.
Ce document est la source unique de vérité pour tout agent IA exécutant le pipeline AutoCliper. Suivez chaque étape numérotée dans l'ordre. Ne sautez pas d'étapes. Ne devinez pas les noms de fichiers — inspectez le système de fichiers après chaque opération d'écriture.
0. Vérifications Préalables
Avant toute action, vérifiez l'environnement. Signalez le bloqueur exact et arrêtez-vous si une vérification échoue.
| Vérification | Commande | Condition de succès |
|---|---|---|
| yt-dlp installé | which yt-dlp | retourne un chemin |
| ffmpeg installé | which ffmpeg | retourne un chemin ; si manquant, essayer python3 -c "import imageio_ffmpeg; print(imageio_ffmpeg.get_ffmpeg_exe())" |
| Python 3.9+ | python3 --version | >= 3.9 |
| Dépôt de compétence disponible | vérifier que le répertoire corekit/ existe par rapport à la racine de la compétence | corekit/__init__.py est présent |
Définissez l'environnement pour toutes les commandes suivantes :
export PYTHONPATH="<chemin-vers-le-dépôt-AutoCliper.AI>"
Toutes les commandes python3 -m corekit.* ci-dessous supposent que ce PYTHONPATH est défini.
1. Créer un Espace de Travail
Créez la structure de répertoires de sortie pour cette vidéo. Dérivez <slug> du titre ou de l'ID de la vidéo — minuscules, traits d'union, pas d'espaces, pas de caractères spéciaux.
mkdir -p "studio/<slug>/intake"
mkdir -p "studio/<slug>/intel"
mkdir -p "studio/<slug>/exports"
Résultat attendu :
studio/<slug>/
├── intake/ ← la vidéo brute et les sous-titres arrivent ici
├── intel/ ← les artefacts d'analyse arrivent ici
└── exports/ ← les dossiers par clip arrivent ici
2. Récupérer les actifs source
Téléchargez la vidéo et les sous-titres depuis YouTube :
python3 -m corekit.fetch_source "<URL_YouTube>" "studio/<slug>/intake"
Ce qui se passe en interne : le téléchargeur essaie d'abord les sous-titres anglais (en, en-US, en-orig), puis se rabat sur le chinois (zh-Hans, zh-CN, zh). Il utilise --cookies-from-browser chrome pour un accès authentifié.
Après la fin de la commande, listez le dossier d'entrée et identifiez :
- Le fichier vidéo
.mp4(peut contenir le titre et l'ID de la vidéo dans le nom du fichier) - Le fichier de sous-titres
.srt(peut avoir une balise de langue comme.en.srtou.zh-Hans.srt) - Tout fichier sidecar (
.ytdl,.jpg, etc.) — notez-les mais ils ne sont pas nécessaires
Si le téléchargement échoue :
- Erreur de cookie → dites à l'utilisateur de rafraîchir sa connexion YouTube Chrome, puis réessayez
- Aucun sous-titre trouvé → signalez "aucun sous-titre disponible pour cette vidéo" et arrêtez-vous
- Erreur de téléchargement vidéo → réessayez une fois avec un format différent ; si l'échec persiste, signalez l'erreur
Enregistrez les noms de fichiers exacts pour les étapes suivantes. Ne devinez pas et ne codez pas en dur les noms.
3. Analyser les sous-titres en JSON
Convertissez le fichier de sous-titres SRT en JSON structuré pour une analyse plus facile :
python3 -m corekit.subtitle_to_json \
"studio/<slug>/intake/<nom-exact-du-fichier-srt>" \
"studio/<slug>/intel/transcript.json"
Vérifiez que le fichier de sortie existe et contient un tableau d'objets de repère. Chaque repère a :
{
"index": 1,
"start": "00:00:01,234",
"end": "00:00:03,456",
"start_seconds": 1.234,
"end_seconds": 3.456,
"text": "le contenu parlé"
}
Si le transcript est vide ou a moins de 10 repères, signalez "transcript trop court ou corrompu" et arrêtez-vous.
4. Analyser le transcript et proposer des candidats
C'est l'étape intellectuelle la plus importante. Lisez les fichiers suivants avant de commencer l'analyse :
- playbooks/clip-contract.md — définit le schéma JSON exact pour
selected_clips.json - playbooks/content-analysis-playbook.md — définit la méthode d'analyse multi-passe, la grille de notation et le format de révision
4a. Analyse Multi-Passe
N'essayez PAS de choisir des clips en un seul passage. Suivez cette séquence :
Pass 1 — Parcourir et marquer : Lisez transcript.json à la recherche de passages contenant du contenu mémorable, dense en information, tranché, contre-intuitif ou émotionnellement percutant. Marquez généreusement — il vaut mieux trop en marquer que pas assez.
Pass 2 — Affinage des limites : Pour chaque passage marqué, relisez les repères environnants (5 à 10 repères avant et après). Choisissez un début et une fin propres :
- Le début doit atterrir sur une ligne qui accroche le spectateur dans les 3 premières secondes du clip
- La fin doit atterrir après que l'orateur a terminé sa pensée — jamais au milieu d'une phrase
- Si un moment prometteur nécessite quelques secondes de contexte, étendez le début plus tôt
- Si une pensée s'effiloche, étendez la fin jusqu'à ce qu'elle soit résolue
Pass 3 — Vérification de complétude : Pour chaque candidat, vérifiez :
- Il dure 20 à 180 secondes (peut s'étendre à 3 min si la récompense le justifie)
- Il contient exactement une idée claire
- La ligne d'ouverture est une accroche, pas un remplissage
- La ligne de fermeture résout la pensée
- Il est compréhensible sans regarder le reste de la vidéo
- Ce n'est PAS une salutation, une lecture de sponsor, un préambule Q&A, ou une longue digression
Pass 4 — Noter et classer : Notez chaque candidat sur quatre dimensions (1–5) :
hook(accroche) — à quel point l'ouverture est convaincante dans les 3 premières secondes ?clarity(clarté) — est-ce une idée propre et peu ambiguë ?standalone(autonomie) — peut-il se suffire à lui-même sans contexte préalable ?payoff(valeur) — la fin est-elle utile, mémorable ou digne d'être partagée ?
Classez par total pondéré : accroche × 0.35 + clarté × 0.25 + autonomie × 0.2 + valeur × 0.2
4b. Guide du Nombre de Candidats
| Durée de la source | Candidats cibles |
|---|---|
| < 20 min | 5 – 8 |
| 20 – 60 min | 8 – 12 |
| > 60 min | 10 – 15 |
Le mode d'échec par défaut doit être "trop peu de candidats", pas "trop nombreux". En cas de doute, incluez-en plus. L'utilisateur fera le tri.
4c. Gestion des sous-titres automatiques (bruités)
Les sous-titres automatiques YouTube contiennent souvent :
- Fragments répétés (même phrase apparaissant dans des repères consécutifs)
- Ponctuation et capitalisation manquantes
- Mots mal entendus (surtout les noms, termes techniques)
Lorsque les sous-titres source sont générés automatiquement :
- Inférez le sens voulu de manière conservatrice — n'inventez pas d'affirmations
- Ignorez les fragments en double lors du jugement des limites du clip
- Utilisez le contexte environnant pour déterminer où les phrases se terminent réellement
- Notez dans le résumé du candidat si la qualité de la source est faible
4d. Écrire les sorties
Écrivez deux fichiers :
-
studio/<slug>/intel/selected_clips.json— les décisions de clips lisibles par machine. Doit suivre exactement le schéma dansplaybooks/clip-contract.md. -
studio/<slug>/intel/candidate-board.md— le tableau de révision lisible par l'humain.
5. Présenter les candidats pour révision par l'utilisateur
Affichez la liste des candidats dans un format convivial pour la révision. Pour chaque candidat, affichez :
| Champ | Format | Exemple |
|---|---|---|
| ID | clip-XX | clip-01 |
| Plage horaire | HH:MM:SS → HH:MM:SS | 00:12:03 → 00:13:22 |
| Durée | lisible par l'humain | 1m 19s |
| Titre | un titre chinois provocateur, ≤12 caractères | AI终将取代一切? |
| Résumé | exactement deux phrases en chinois | 句1: 在讲什么。句2: 为什么值得看。 |
Présentez comme un tableau numéroté afin que l'utilisateur puisse répondre avec les identifiants.
Si l'utilisateur dit "procéder" ou "auto-sélectionner" : sélectionnez vous-même les candidats les mieux classés. Pour une vidéo d'une heure, exportez au moins 8.
Si l'utilisateur choisit des identifiants spécifiques : exportez uniquement ceux-là.
6. Exporter chaque clip choisi
Pour chaque clip que l'utilisateur a choisi (ou que vous avez auto-sélectionné), exécutez les étapes 6a à 6f dans l'ordre. Terminez toutes les sous-étapes pour un clip avant de passer au suivant.
6a. Couper le segment vidéo
python3 -m corekit.cut_video \
"studio/<slug>/intake/<nom-exact-du-fichier-mp4>" \
<secondes_de_début> <secondes_de_fin> \
"studio/<slug>/exports/<dossier-du-clip>/clip.mp4"
La convention de nommage <dossier-du-clip> est XX-<slug-du-titre>, par exemple 01-ai-will-replace.
Vérifiez que le fichier de sortie existe et a une taille non nulle.
6b. Fenêtrer le sous-titre source
python3 -m corekit.window_subtitles \
"studio/<slug>/intake/<nom-exact-du-fichier-srt>" \
<secondes_de_début> <secondes_de_fin> \
"studio/<slug>/exports/<dossier-du-clip>/clip.src.srt"
Cela extrait uniquement les repères qui chevauchent la fenêtre du clip et décale tous les horodatages pour que le clip commence à 00:00:00,000.
Vérifiez que le SRT de sortie a au moins un repère.
6c. Traduire en sous-titres chinois
Lisez clip.src.srt et traduisez-le en chinois simplifié. Écrivez le résultat dans clip.zh.srt dans le même dossier.
Règles de traduction (suivez strictement) :
- Chinois parlé naturel — pas de chinois écrit/ formel. Le spectateur regarde une courte vidéo, pas un document.
- Conservez les horodatages exactement — sauf si vous devez fusionner deux repères pour la lisibilité. Ne décalez jamais arbitrairement le timing.
- Gardez les entités nommées précises — les noms de personnes, entreprises, produits, chiffres et phrases citées doivent être fidèlement conservés.
- Lignes concises — préférez les courtes phrases chinoises qui s'adaptent au rythme des courtes vidéos. Les sous-titres longs qui défilent tuent la rétention.
- Rééquilibrez entre les repères si nécessaire — si une phrase anglaise est répartie sur 3 repères, vous pouvez redistribuer le texte chinois sur ces 3 mêmes repères. Conservez l'ordre des repères.
- Ne réduisez PAS les repères — un SRT anglais dense avec 40 repères devrait produire environ 35 à 45 repères chinois, pas 10. Le mode d'échec par défaut est légèrement trop de repères, pas beaucoup trop peu.
- Supprimez uniquement les vrais doublons — les sous-titres automatiques répètent souvent le même fragment dans des repères consécutifs. Vous pouvez supprimer le doublon, mais gardez la première occurrence.
- Si la source est déjà en chinois — ne traduisez pas. Nettoyez uniquement le bruit évident des sous-titres automatiques (fragments répétés, caractères cassés).
6d. Générer le titre et la description
Pour chaque clip, créez :
Titre (pour la superposition de la première seconde) :
- Perçant, cliquable, tranché
- Ciblez ≤ 12 caractères chinois pour qu'il tienne proprement à l'écran avec une taille de police 48
- Peut être provocateur ou contradictoire mais doit être fidèle au sens de l'orateur
- Doit créer de la curiosité, de la tension ou une envie de continuer à regarder
Description (pour la distribution sur les plateformes) :
- ≤ 140 caractères chinois
- Doit mentionner : qui parle, de quelle émission/entretien cela provient, quel sujet est abordé, quelle est l'affirmation ou le point clé
Écrivez les deux dans studio/<slug>/exports/<dossier-du-clip>/metadata.txt :
标题:AI终将取代一切?
描述:Sam Altman 在 Lex Fridman 播客中谈到 AGI 的时间表——他认为大多数人严重低估了 AI 的发展速度,未来三年将改变一切。
6e. Graver les sous-titres chinois + le titre dans la vidéo
python3 -m corekit.render_hardsubs \
"studio/<slug>/exports/<dossier-du-clip>/clip.mp4" \
"studio/<slug>/exports/<dossier-du-clip>/clip.zh.srt" \
"studio/<slug>/exports/<dossier-du-clip>/clip.hardsub.mp4" \
--title "<le-titre-de-6d>"
CRITIQUE : Passez le fichier chinois clip.zh.srt, PAS clip.src.srt. C'est l'erreur agent la plus courante — passer le sous-titre dans la langue source au lieu de la traduction.
L'étape de gravure va :
- Détecter automatiquement libass ; si indisponible, revenir au rendu drawtext (aucune action requise de votre part)
- Sélectionner automatiquement le meilleur encodeur H.264 pour la machine actuelle
- Rendre le titre centré avec une taille de police 48 et un contour noir de 3 px pendant la première seconde
- Rendre les repères de sous-titres en bas du cadre pour le reste du clip
Vérifiez que le fichier de sortie clip.hardsub.mp4 existe et a une taille de fichier plus grande que clip.mp4 (la chaîne de filtres ajoute des données visuelles).
6f. Ajouter à la copie de packaging
Après l'exportation de chaque clip, ajoutez son titre et sa description au fichier de packaging combiné :
studio/<slug>/intel/packaging-copy.md
Format :
## clip-01: AI终将取代一切?
**标题**: AI终将取代一切?
**描述**: Sam Altman 在 Lex Fridman 播客中谈到 AGI 的时间表...
**文件**: studio/<slug>/exports/01-ai-will-replace/clip.hardsub.mp4
**时长**: 1m 19s
---
7. Sortie finale
Après l'exportation de tous les clips, retournez à l'utilisateur :
- Dossier d'actifs source :
studio/<slug>/intake/ - Liste des candidats : le tableau complet de l'étape 5 (horodatages, durée, titre, résumé)
- Fichier de packaging :
studio/<slug>/intel/packaging-copy.md - Clips exportés : listez chaque chemin
clip.hardsub.mp4
Référence de la disposition de l'espace de travail
studio/<slug-vidéo>/
├── intake/ # actifs bruts de YouTube
│ ├── <titre> [<id>].mp4 # vidéo source (nom de fichier de yt-dlp)
│ └── <titre> [<id>].<lang>.srt # sous-titre source
├── intel/ # artefacts d'analyse
│ ├── transcript.json # repères de sous-titres structurés (étape 3)
│ ├── selected_clips.json # décisions de clips (étape 4)
│ ├── candidate-board.md # tableau de révision (étape 4)
│ └── packaging-copy.md # tous les titres + descriptions (étape 6f)
└── exports/ # un dossier par clip exporté
└── 01-<slug>/
├── clip.mp4 # coupe brute (sans sous-titres)
├── clip.src.srt # sous-titre fenêtré en langue source
├── clip.zh.srt # sous-titre chinois traduit
├── clip.hardsub.mp4 # livrable final (sous-titres + titre incrustés)
└── metadata.txt # titre + description pour ce clip
Référence des modules
| Module | Invocation | Arguments |
|---|---|---|
corekit.fetch_source | python3 -m corekit.fetch_source <url> <rép_sortie> | URL YouTube, répertoire de sortie |
corekit.subtitle_to_json | python3 -m corekit.subtitle_to_json <entrée.srt> <sortie.json> | Chemin du fichier SRT, chemin de sortie JSON |
corekit.cut_video | python3 -m corekit.cut_video <entrée.mp4> <sec_début> <sec_fin> <sortie.mp4> | vidéo source, secondes de début (float), secondes de fin (float), chemin de sortie |
corekit.window_subtitles | python3 -m corekit.window_subtitles <entrée.srt> <sec_début> <sec_fin> <sortie.srt> | SRT source, secondes de début (float), secondes de fin (float), chemin de sortie |
corekit.render_hardsubs | python3 -m corekit.render_hardsubs <entrée.mp4> <entrée.srt> <sortie.mp4> --title "..." | vidéo clip, SRT chinois, chemin de sortie, texte de titre optionnel |
Drapeaux optionnels pour `ren
…
[tronqué pour la traduction]