Transformer un article en vidéo motion design avec Claude Code

OPUS MOTION produit deux formats à partir d'un article : des shorts verticaux en 1080 × 1920, jusqu'à trois minutes, et des vidéos longues en 16:9, de dix minutes et plus, découpées en chapitres, avec sous-titres et chapitres YouTube. Les articles viennent de nokod.ai.

Tout se pilote depuis une interface locale, la Régie, qui lance Claude Code sans surveillance. Chaque production tourne seule jusqu'au moment où elle a besoin de moi.

La Régie

La Régie est une page web servie par l'ordinateur et qui ne répond qu'à lui. En haut, une zone où coller l'adresse de l'article et choisir le format. Au milieu, un mur avec toutes les productions, rangées en deux rayons, vidéos longues et shorts. Chaque vignette porte un voyant : « REC » quand la production attend ma voix, « en cours » quand Claude travaille, « à rendre », « prêt ». En bas, une console montre ce que fait Claude en direct. La Régie note aussi les jetons consommés par chaque tâche.

Derrière, la Régie lance le programme Claude Code en ligne de commande. Il charge le skill du format choisi, « short-motion » ou « long-motion », qui décrit chaque étape et les agents à lancer : concepts, scripteur, voix, design, relecture. Les étapes mécaniques passent par des scripts du projet : récupérer l'article, générer la voix, contrôler, rendre. Le skill interdit d'en écrire d'autres à la volée.

La chaîne d'un short

Pour un short, Claude lit l'article et propose trois films possibles, chacun avec sa forme de récit, sa mise en scène et une image témoin. J'en choisis un. Le scripteur écrit le texte, avec ses choix et ses doutes sur les chiffres ou les formulations ; je valide. Puis tout s'enchaîne : voix provisoire, animation, deux tours de relecture, contrôle automatique, rendu.

Whisper, un modèle de transcription, mesure l'instant où chaque mot est prononcé, et l'animation comme les sous-titres dérivent de ce minutage : changer une phrase ou remplacer la prise recale la vidéo sans toucher au code de l'animation.

Le skill impose aussi que chaque short ait sa propre forme. Ni les shorts précédents ni l'exemple de référence ne sont des modèles à recopier.

Une voix clonée pour caler, la mienne pour finir

Avant que j'enregistre, chaque production est montée sur ma voix clonée. Elle est générée sur l'ordinateur par l'application Voicebox, sans service en ligne, avec une graine fixe pour obtenir le même résultat à chaque fois. Une phrase déjà générée n'est jamais refaite : l'outil retrouve la génération identique dans l'historique.

Si Voicebox est fermé, la production continue avec une voix de secours. D'abord edge-tts, les voix de synthèse de Microsoft, qui demandent Internet et envoient le texte chez Microsoft. Puis Piper, un moteur libre qui tourne entièrement sur l'ordinateur. La fiche du projet affiche le moteur utilisé.

Cette voix clonée sert à caler l'animation et à me montrer une vidéo complète avant le tournage. Ensuite, j'enregistre au prompteur intégré, en plein écran, avec un vu-mètre. Le README donne la consigne : une seule prise, une pause entre les paragraphes, et après une erreur, reprendre toute la phrase. L'agent voix repère les reprises, garde la dernière, coupe dans les silences et recale l'animation sur mon débit.

Le README conseille de passer la prise dans Adobe Podcast, qui retire la réverbération et le bruit de la pièce : c'est le plus gros gain de qualité.

Le rendu sans logiciel de montage

L'animation est une page HTML. Chrome, sans fenêtre, en tire chaque image, et ffmpeg les assemble avec le son. Le skill le dit dans sa description : sans HyperFrames ni Remotion, deux outils de vidéo par le code que j'ai utilisés sur d'autres projets.

Pour une vidéo longue, chaque chapitre a son designer et sa voix, et les chapitres se rendent en parallèle. Une prise refaite ne re-rend que son chapitre. Le scripteur ne remplit pas : la durée visée est de douze minutes, mais si l'article n'en tient que sept, la vidéo dure sept minutes.

La voix commande l'animation : changer une phrase recale la vidéo sans toucher au code.

Les décisions en route

• Peu de gestes à la main : choisir le concept, valider le script, enregistrer, publier. Le reste tourne sans surveillance, et la console montre ce qui se passe.
• Une voix provisoire locale : la vidéo complète existe avant le tournage, sans envoyer le texte à un service en ligne quand Voicebox est ouvert.
• Des scripts pour chaque étape mécanique : l'agent appelle les mêmes outils à chaque production, ce qui rend les erreurs reproductibles.
• Rien de lourd dans le dépôt : l'audio, les vidéos rendues et la musique ne sont pas versionnés.

OPUS MOTION est en cours. Une vidéo longue sur le référencement dans Google et ChatGPT et plusieurs shorts sont passés par la chaîne : automatiser ses emails, relancer un devis, dicter un devis par message vocal.