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>/)
| fichier | étape | qui l'écrit |
|---|---|---|
episode.json | toutes | source, 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.json | 1 | vous : les prises, [{a, b, label, note}] en secondes source |
subs.tsv | 2 | vous : sous-titres relus start<TAB>end<TAB>text sur la timeline coupée |
kinetic.json | 3 | vous : groupes d'emphase (format ci-dessous) |
cards.json, mg.json | 4 | vous : 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
run.py EP new→ remplirepisode.json. Puisrun.py EP cut(s'arrête après la préparation siblocks.jsonest vide).- 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. - Lire
work/transcript.txtà 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. - 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. run.py EP cutà 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.- Recouper plus tard : modifiez
blocks.json, relancezcut, puisscripts/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 aprèsa.- 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
textdéplace 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_safedansepisode.jsonremplace la boîte. col: W Y R C ou#hex;latin: Arial Black pour l'anglais/les chiffres ;italic;rotdegrés.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
textimprime ce qu'elle a fait) : les animations se jouentspeed× 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 textconstruit le minutage ; vérifiez aveclookaprès l'étape 4.
Étape 4 — B-roll & graphiques animés
- Clips designer (ProRes 4444 avec alpha, par ex. cartes
A下卡) : listez-les dansepisode.jsondesigner_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 danscards.jsondans 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) : typestarget(grandit surbig_at),bucket(modeoverflow|fill,label),frost,checklist(rows,checks),breakdown(crack_at),cta(word= le mot-clé du commentaire,gift_at) ; chacun avecsfx[[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 brollrend 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 avecocclusion_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 :
slamutilise 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,
lookaux 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.