Chapter 1 · L'essentiel
Keyframes, mascotte, sous-titres et rendu
Follow this course in your space: your progress is saved, and the community answers your questions.
Follow for freeIci, personne ne monte rien à la souris. Claude Code écrit une page web de 1080 × 1920 pixels qui dessine la vidéo, et toutes les animations y sont décrites par des keyframes (images clés) : « à 2,40 s, ce titre est invisible et 60 pixels plus bas ; à 2,92 s, il est en place ». Entre deux keyframes, l'ordinateur calcule tout le mouvement.
1. Une timeline qu'on peut arrêter à n'importe quelle image
Le principe qui rend tout fiable :
- toutes les animations de la page sont mises en pause ;
- une fonction met chaque élément exactement dans l'état de l'instant
t(on dit que la timeline est « seekable ») ; - un script ouvre la page dans Chrome sans fenêtre, la met à 0 ms et prend une photo, puis à 33,3 ms, une autre photo, et ainsi de suite, 30 fois par seconde ;
- FFmpeg assemble les photos en vidéo et ajoute le son.
Résultat : pas de saccade, même sur un ordinateur lent, et un rendu identique à chaque fois. Les outils possibles : les animations intégrées du navigateur (rien à installer), GSAP, ou HyperFrames. Quatre règles à donner à Claude Code : pas de minuteur, pas de hasard réel (un hasard « à graine fixe » à la place), pas d'animation infinie, et la page attend ses polices et ses images avant de se dire prête.
D'abord la timeline. Demande à Claude Code de lire les vraies durées de tes fichiers de voix, de placer les phrases les unes après les autres avec une pause d'environ 0,3 s, et d'écrire un fichier de données : quand commence chaque phrase, chaque mot, et chaque moment où la voix parle vraiment.
2. Les zones sûres du 9:16
Sur Instagram, TikTok et YouTube Shorts, l'interface (nom du compte, légende, boutons) recouvre une partie de l'écran. Sur une image de 1080 × 1920 :
- rien d'important au-dessus de 250 px depuis le haut ;
- rien d'important sous 1 450 px : la légende et les boutons couvrent le bas ;
- le texte tient dans 800 px de large, centré, pour échapper aux boutons de droite.
Les titres, les sous-titres et le mot-clé restent dans cette zone. La mascotte peut déborder vers le bas : elle n'est pas du texte à lire.
3. La mascotte qui ne parle que quand la voix parle
Une mascotte qui gigote en continu sonne faux. L'effet « elle parle vraiment » vient d'un détail : elle s'arrête dans chaque pause de la voix. Pour ça, le script écoute réellement le volume de chaque phrase :
- il découpe le son en tranches de 10 millisecondes et mesure leur volume ;
- il garde les moments nettement au-dessus du silence ;
- il comble les micro-trous entre deux syllabes et ignore les souffles très courts.
Pendant ces moments, la mascotte prend une nouvelle position toutes les 110 ms environ (petit pas de côté, légère bascule, parfois un saut). Dès que la voix se tait, elle s'immobilise. Elle change de pose juste avant chaque phrase, et reste petite, en bas à gauche, pour laisser la place au contenu.
4. Les sous-titres mot par mot
Beaucoup regardent sans le son. Grâce à l'horodatage d'ElevenLabs, chaque mot s'allume pile quand il est prononcé :
- des morceaux de 4 mots au maximum, coupés à la ponctuation ;
- les mots à venir pâles, le mot en cours dans ta couleur d'accent, les mots déjà dits en blanc ;
- une bulle à côté de la mascotte, toujours à la même place, dans la zone sûre.
5. Le son, discret
La vidéo repose sur la voix : tout le reste reste en dessous.
- une musique de fond très basse, avec un fondu au début et à la fin ;
- des bruitages rares, tous baissés d'un coup par un seul réglage : un whoosh aux transitions, un pop aux apparitions, jamais deux à moins d'une demi-seconde ;
- une frappe au clavier en un seul son continu, coupé à la fin du texte tapé, plutôt qu'un clic par lettre ;
- le volume final normalisé, pour sonner comme les autres vidéos du fil.
N'utilise que des sons dont tu as les droits pour un usage commercial.
6. Aperçus, rendu et publication
- Les aperçus d'abord : quelques images fixes au milieu de chaque scène, en quelques secondes. C'est là qu'on repère un texte qui déborde ou une mascotte qui cache la bulle.
- Le rendu complet : une à trois minutes pour 30 secondes, selon ton ordinateur.
- Les vérifications : 1080 × 1920, 30 images par seconde, la durée attendue ; trois images extraites du fichier final ; la vidéo regardée en entier sur ton téléphone, avec puis sans le son.
- La publication : Claude Code prépare la légende, le titre court et le message privé du mot-clé. Toi, tu publies ou tu programmes.