Communitygithub.com

montage-court-vertical

Montez un court métrage vertical de type talking-head (TikTok / Reels / 小红书 / Shorts) de bout en bout selon le flux en 5 étapes de l'éditeur — 1 coupe brute, 2 sous-titres, 3 texte cinétique avec son, 4 B-roll & graphiques animés, 5 BGM et livraison — avec ffmpeg + OpenFilm.

Qu'est-ce que montage-court-vertical ?

Cette compétence est conçue pour les éditeurs professionnels qui souhaitent automatiser et standardiser la production de vidéos verticales de type talking-head (TikTok, Reels, 小红书, Shorts). Elle suit un pipeline en 5 étapes, de la coupe brute à la livraison finale, en utilisant ffmpeg et OpenFilm. L'utilisateur fournit les rushes et un script PDF, et la compétence orchestre le découpage, la génération de sous-titres, l'ajout de texte cinétique avec animations et effets sonores, l'insertion de B-roll et de graphiques animés (cartes de données, clips designer, cut-out du présentateur), et le mixage audio final. Des scripts Python, Node.js et Whisper sont utilisés pour l'analyse vocale, la transcription, et la composition. La compétence garantit des standards de qualité stricts : vérification des niveaux audio, respect des zones de titre, et conformité aux plateformes. Elle prend en charge plusieurs étapes intermédiaires et une étape de finalisation manuelle avec archivage sécurisé.

Compatible avec✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/zihangwong/short-video-edit/tree/main

Demander à votre IA préférée

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

Documentation

Montage vidéo court vertical (pipeline OpenFilm)

L'utilisateur est un éditeur professionnel. Travaillez à son niveau : chaque coupe, chaque chiffre et chaque son est vérifié, rien n'est déclaré « fait » avant d'avoir été inspecté (images) et mesuré (niveaux, vérification plateforme).

Scripts : .claude/skills/short-video-edit/scripts/ (appelez-les via run.py). Python 3.12, ffmpeg 9 (NVENC), Node (pour npx -y [email protected]), faster-whisper sur CUDA, onnxruntime-directml (matting RVM) sont installés.

python .claude/skills/short-video-edit/scripts/run.py <episode-dir> new|cut|subs|text|broll|bgm|all|look <t>

Le dossier de l'épisode (episodes/<nom>/)

fichierétapequi l'écrit
episode.jsontoutessource, titre, out_name, speed (1.2), font (par défaut Noto Sans SC Black ; toute police CJK dont vous possédez une licence), bgm (identifiant OpenFilm CC0), keywords (jaune dans les sous-titres), words (jieba), steps (pastilles STEP), cta, designer_cards, drive_folder (facultatif)
blocks.json1vous : les prises, [{a, b, label, note}] en secondes source
subs.tsv2vous : sous-titres relus start<TAB>end<TAB>text sur la timeline coupée
kinetic.json3vous : groupes d'emphase (format ci-dessous)
cards.json, mg.json4vous : cartes de données et graphiques animés
work/ film/ out/scripts : fichiers intermédiaires, le projet OpenFilm, livrables

Tous les temps dans subs/kinetic/cards/mg/steps/cta sont sur la timeline coupée avant l'accélération. La vitesse est appliquée à la livraison.

Étape 1 — Coupe brute

  1. run.py EP new → remplir episode.json. Puis run.py EP cut (s'arrête après la préparation si blocks.json est vide).
  2. La préparation rapporte l'équilibre gauche/droite. Les enregistrements téléphoniques et lavalier portent souvent la voix sur UN SEUL canal (l'autre ≈ -25 dB) : la livraison est rendue double mono à partir du bon côté automatiquement (voice_channel). Ne jamais faire la moyenne G+D.
  3. Lire work/transcript.txt à côté du script PDF. Comparez ce qu'il a dit avec le script et dites à l'utilisateur où il s'écarte (les chiffres surtout) — les chiffres à l'écran suivent ce qu'il DIT, pas le script.
  4. Sélectionnez les prises dans blocks.json : la structure suit le script ; conservez ses élaborations supplémentaires ; coupez les reprises, les faux départs, les voix du prompteur, les jurons, les silences gênants. La dernière prise propre d'une ligne répétée gagne sauf si l'utilisateur dit le contraire. À l'intérieur d'un bloc, les pauses de ≥ 0.45 s sont resserrées automatiquement.
  5. run.py EP cut à nouveau → out/cut_preview.mp4 (timecode incrusté) + contrôle qualité de la coupe. Montrez à l'utilisateur et faites approuver la coupe avant l'étape 2. Signalez les « hot splices » qui sont généralement des queues de respiration (déjà fondues sur 40 ms) — dites lesquelles.
  6. Recouper plus tard : modifiez blocks.json, relancez cut, puis scripts/shift.py EP <cut_t> <delta> décale chaque temps placé manuellement après l'édition (delta = ancienne longueur − nouvelle longueur).

Étape 2 — Sous-titres

run.py EP subs → subs_draft.tsv. Relisez dans subs.tsv : corrigez les mots mal compris (whisper transforme souvent une phrase parlée en caractères absurdes homophones), l'orthographe anglaise, le chinois simplifié, supprimez les apartés hors script. Signalez les suppositions à l'utilisateur. Les sous-titres s'affichent sur une seule ligne : tout ce qui est plus large qu'environ 10 CJK devient automatiquement le sous-titre suivant, chronométré à partir des temps des mots, coupé aux limites des mots jieba, jamais à l'intérieur d'une phrase anglaise, jamais commençant par 的/了/吗/」.

Étape 3 — Texte cinétique + effets sonores

Écrivez kinetic.json. Choisissez les punchlines, les chiffres, les contrastes, les titres d'étapes (environ un toutes les 5 à 8 s, pas dans les fenêtres de cartes). Les sous-titres courants se cachent automatiquement pendant qu'un groupe est actif.

{"a": 34.20, "b": 35.72, "items": [
  {"text": "会很", "x": 290, "y": 450, "fs": 96, "col": "W", "anim": "fade", "at": "会很"},
  {"text": "丢脸", "x": 800, "y": 380, "fs": 210, "col": "R", "anim": "slam", "at": "丢脸", "v": true, "rot": 4}]}
  • at : une phrase qu'il dit (résolue au temps réel) ou un nombre de secondes après a.
  • x/y = centre en px sur 1080×1920 ; gardez y ≈ 380–700 (autour/au-dessus de la tête), x 200–880. v : empilement vertical.
  • Zone de titre (la norme de l'utilisateur = guide interne à 10 % de Premiere) : tout ce qui est lisible reste dans x 108–972, y 192–1728. L'étape text déplace tout élément cinétique qui la traverse à l'intérieur (affiche « title-safe … moved »), et la construction refuse les positions de sous-titres en dehors de cette zone. Concevez à l'intérieur depuis le début ; title_safe dans episode.json remplace la boîte.
  • col : W Y R C ou #hex ; latin : Arial Black pour l'anglais/les chiffres ; italic ; rot degrés.
  • anim : fade drop rise slide_l slide_r pop slam type wave flip stamp split shake.
  • deco : box underline strike check (dessiné après l'atterrissage du texte, avec son propre son).
  • Pas de contours sur aucun texte (sous-titres, cinétique, étiquettes MG) : ombre portée douce en couches uniquement — le goût de l'utilisateur (« 比较高级 »).
  • Mélangez les tailles (un mot de configuration de 90 px + un mot choc de 150–230 px), mélangez vertical et horizontal, blanc/jaune/rouge.
  • Sécurité d'accélération (automatique, l'étape text imprime ce qu'elle a fait) : les animations se jouent speed× plus lentement dans le film pour qu'elles ressemblent au design après l'accélération 1.2×, et chaque élément obtient un temps de maintien de l'atterrissage + 0.45 s (temps réel, kinetic_hold) + sortie avant la fin de son groupe — le groupe est étendu dans le temps libre (jamais dans le groupe suivant / carte noire / MG, max 1.2 s), sinon l'élément commence jusqu'à 0.3 s avant son mot. Les sous-titres reviennent toujours au temps écrit. Lisez le rapport ; si un élément commence bien avant son mot, raccourcissez le texte du groupe ou déplacez le groupe suivant.
  • Chaque animation et décoration reçoit automatiquement un son (assets/sfx_library.json, OpenFilm CC0, variantes tournées).
  • run.py EP text construit le minutage ; vérifiez avec look après l'étape 4.

Étape 4 — B-roll & graphiques animés

  • Clips designer (ProRes 4444 avec alpha, par ex. cartes A下卡) : listez-les dans episode.json designer_cards {file, out_in, out_out, src_in}. Vérifiez d'abord leurs chiffres par rapport à ce qu'il dit — les cartes designer sont fabriquées à partir du script ; si elles le contredisent, reconstruisez la carte dans cards.json dans le même style et prévenez l'utilisateur.
  • Cartes de données (cards.json, style designer) : {a, b, badge, keep_bg_after?, rows:[step|value|big]} — step {t, y, num, title, sub}, value {t, y, label, value, t_value?, color: green|yellow|sub, strike?}, big {t, number, line}. [[word]] = jaune. Pendant les cartes, le cadre devient noir, la carte se place en haut et le cut-out du présentateur (matte RVM) se place en bas à gauche ; les sous-titres se déplacent au-dessus de lui.
  • MG (mg.json) : types target (grandit sur big_at), bucket (mode overflow|fill, label), frost, checklist (rows, checks), breakdown (crack_at), cta (word = le mot-clé du commentaire, gift_at) ; chacun avec sfx [[t, id, in, out, file_peak, target_peak], ...]. Placez MG dans les trous (pas de cinétique / carte) et liez-les aux mots.
  • run.py EP broll rend la plaque, matte chaque fenêtre cinétique/MG en pleine résolution, décide devant vs derrière par élément de texte (couvert > 25 %, ou un chiffre couvert > 10 % → devant ; sinon derrière pour la profondeur ; forcez avec occlusion_overrides.json {"k07": [true, null]}), et écrit le projet OpenFilm.
  • Vérifiez les images : run.py EP look 35.4 (affiche le PNG) — regardez chaque groupe/MG au moins une fois, surtout les chiffres. L'utilisateur peut ouvrir le projet dans OpenFilm Studio et glisser n'importe quoi.

Étape 5 — BGM & livraison

run.py EP bgm : rendu OpenFilm avec flou de mouvement (~20–30 min pour 3 min), puis le son : voix double mono → accélération → compression → loudnorm −13 LUFS : les pics de voix se situent dans 0 à −6 dB sur le vumètre (la norme de l'utilisateur ; équivalent 剪映 ≈ +13 dB), vrai pic ≤ −1.2 dBTP ; BGM en boucle, ducking side-chain ≈16 dB sous la parole. Livre out/<name>.mp4 (+ .srt, _preview720.mp4 sous 30 Mo pour le téléphone, _levels.png), exécute la vérification TikTok/Reels et imprime RMS G/D (doivent correspondre).

Étape 6 — Finalisation (uniquement sur la parole de l'utilisateur)

Exécutez ceci SEULEMENT lorsque l'utilisateur dit que cette version est finale (满意 / final / 定稿) — jamais de vous-même, jamais parce qu'un rendu est passé. D'abord run.py EP final --dry et dites à l'utilisateur le résumé d'une ligne (ce qui va dans 视频, combien de vidéos / Mo vont dans la Corbeille), puis run.py EP final : le fichier out/<out_name>.mp4 final est déplacé vers le dossier Windows Videos (%USERPROFILE%\Videos) ; toute autre vidéo de l'épisode (versions, aperçus, aperçu de coupe, mezzanine, plaque, cut-outs, rendus, caches) va dans la Corbeille (pas de suppression définitive). Les rushes sources et les clips designer listés dans episode.json (et keep) ne sont jamais touchés ; les fichiers projet (json, subs, .srt, mattes) restent, donc l'épisode peut être reconstruit à partir de la source. Ajoutez --also <dir> pour un dossier de projet plus ancien du même épisode. out/FINAL.txt enregistre où le fichier final est allé. Facultatif : si episode.json définit drive_folder, le fichier final est également copié dans ce dossier du propre My Drive de l'utilisateur via Google Drive pour ordinateur (installé, connecté, monté comme une lettre de lecteur) ; il télécharge en arrière-plan. Ne copiez jamais dans un dossier partagé client sauf si l'utilisateur le dit. Si Drive n'est pas connecté, l'étape le dit ; après connexion, exécutez run.py EP final --upload-only.

Étape 7 — Copie de publication (quand l'utilisateur dit 我要发布 / 发布这个视频)

Si le projet a une compétence de copie de publication, chargez-la et suivez-la ; sinon, écrivez le titre, le corps, les tags et le texte de couverture pour 小红书 / TikTok à partir des subs.tsv de cet épisode + script dans out/publish_copy.md. Ne publiez pas pour l'utilisateur.

Standards & pièges (appris à la dure)

  • Les séquences iPhone sont HDR (Dolby Vision HLG) : la mezzanine est mappée de tons (mobius) en SDR BT.709. Ne téléchargez jamais du HDR tel quel.
  • Mesurez G/D avant tout (la voix sur un seul canal arrive). Niveau vocal : vumètre 0 à −6 dB.
  • Ressorts : slam utilise un ressort ferme avec dépassement amorti — ne laissez jamais l'échelle descendre en dessous d'environ 0.94 (le texte semblait rétrécir).
  • Polices : la police de sous-titres doit couvrir chaque caractère (vérifiez avec fontTools) ; les polices/SFX en cache de 剪映 sont sous licence uniquement pour 剪映 — utilisez-en une à l'extérieur uniquement lorsque l'utilisateur confirme une licence.
  • Les brouillons 剪映 11.x sont chiffrés : pas de cycle de code ; livrez le média + SRT si l'utilisateur veut finir dans 剪映.
  • Avant chaque rendu, look aux moments modifiés ; après, rapportez la vérification plateforme, la sonie, le vrai pic et G/D.
  • Les longs rendus s'exécutent en arrière-plan ; ne prétendez jamais qu'un rendu est terminé avant qu'il ne le soit.

Skills associés