Découpage de vidéo en shorts, reels et clips

Parce qu’un podcast de deux heures met plus de temps à rejoindre un cloud qu’à être découpé. FFmpeg via WebAssembly extrait le son et WebCodecs reconstruit les images — sur un ordinateur portable ordinaire, c’est plus rapide que d’attendre la fin d’un envoi. En mode « Choix intelligent », c’est le texte de la transcription avec ses horaires qui part au serveur, pas la vidéo ; les destinataires figurent sur la page des fournisseurs d’IA.

Parce que personne n’a montré qu’un tel score prédit les vues. Les comparaisons publiées jusqu’ici ont été faites par les services de découpe eux-mêmes, et les clips bien notés n’y battaient pas de façon fiable les clips mal notés. Un chiffre invérifiable ressemble à un savoir sans en être un ; ici, chaque moment affiche donc sa citation et la raison de son choix : phrase complète, question avec sa réponse, parole dense. Cela se vérifie d’un coup d’œil en deux secondes.

Celle qui parle. Dans chaque moment, l’outil trouve les visages, mesure à quel point chaque bouche bouge pendant qu’on parle et coupe le cadre 9:16 vers la personne qui parle ; chaque plan dure au moins une seconde et demie, pour que l’image ne saute pas à chaque hochement de tête. Pour garder les deux à l’écran, choisissez « Deux personnes l’une au-dessus de l’autre » : chacune occupe une moitié du cadre à la même taille. Sans visage dans le moment — diapositives, enregistrement d’écran —, l’image entière est posée sur un fond flou.

La reconnaissance et le montage sollicitent l’appareil, et un téléphone gèle un onglet en arrière-plan : les longs traitements y vont moins souvent jusqu’au bout que sur un ordinateur. Quand une vidéo est longue pour un téléphone, l’outil le dit avant de commencer. La solution : apporter des sous-titres SRT ou VTT déjà prêts — la reconnaissance est alors entièrement sautée et seuls les moments choisis sont montés.

Les bords du moment viennent de la transcription : le début se place après une phrase complète et la fin à la fin d’une phrase. À côté de chaque moment, des boutons − et + agissent sur le début et la fin : chaque appui déplace le bord d’une phrase entière, et le clip commence et finit toujours sur une pause. Si la parole a été mal reconnue (enregistrement bruité, musique, plusieurs voix à la fois), choisir la langue à la main ou apporter vos propres sous-titres aide.

Les sous-titres sont tirés de la même transcription que celle qui a servi à choisir les moments, donc les erreurs de reconnaissance apparaissent aussi à l’image. La parole russe est traitée par GigaAM, les autres langues par whisper. Si l’image a besoin d’un texte vérifié, apportez votre propre fichier de sous-titres : c’est exactement ce texte qui arrive dans le clip.