Faire monter une vidéo par Claude — et les huit pièges qui coûtent une soirée

Le principe tient en une phrase : Claude écrit une composition en HTML, HyperFrames la rend en MP4. Pas de logiciel de montage, pas de timeline à la souris. Le mouvement, les sous-titres, les cartons, tout est du code.

La partie facile s'arrête là. Ce qui suit, c'est ce qu'on découvre au bout de trois rendus ratés — et un rendu raté, ce n'est pas une erreur affichée en rouge : c'est dix-sept minutes d'attente pour une vidéo blanche.

La tentation est de tout mettre dans la composition HTML — habillage, avatar, musique — et de laisser HyperFrames rendre le tout. Ça ne marche pas, et pas pour une raison de goût.

• HyperFrames se fige sur toute balise <video>. Une seule suffit à bloquer le rendu. Les vrais clips ne peuvent donc pas vivre dans la composition.
• L'audio de la composition est souvent ignoré. Le compteur de pistes sort à zéro, et on s'en aperçoit à la fin — sur une vidéo muette.

D'où la découpe :

1. Passe 1 — HyperFrames rend l'habillage seul : fond, textes animés, sous-titres, cartons, et un rectangle noir vide là où l'avatar ira. Aucune balise vidéo, aucun son.
2. Passe 2 — ffmpeg incruste les vrais clips dans le rectangle au bon instant, et pose tout l'audio : voix, musique, bruitages.

Ça paraît plus compliqué. C'est en réalité la seule version qui aboutit, et elle a un avantage : le son se retouche sans relancer un rendu de dix-sept minutes.

1. Le texte est invisible et personne ne dit pourquoi

Un navigateur sans interface n'a pas forcément accès aux polices du système. Sans la variable d'environnement qui pointe vers la configuration des polices, le rendu sort avec des textes vides — pas d'erreur, juste du blanc. C'est le premier réflexe à vérifier quand un rendu paraît « nu ».

2. Une balise </style> oubliée avale toute la page

Le CSS non refermé absorbe le corps du document. Le rendu sort blanc, et le message d'erreur parle du moteur qui « n'est pas prêt » — ce qui ressemble à un bug de l'outil. Vérifie la fermeture de tes balises avant de soupçonner le runtime.

3. L'aperçu ment, le fichier dit la vérité

La fonction d'aperçu peut rendre des images blanches sur une composition qui, elle, se rend parfaitement. Elle n'est donc pas une preuve. Vérifie toujours en extrayant une image du vrai MP4, jamais depuis l'aperçu. Corollaire : l'option qui choisit le fichier de sortie est parfois ignorée — va chercher le fichier là où l'outil l'écrit réellement.

4. Une image fixe qui produit quatre minutes de vidéo

En combinant une image en boucle avec un effet de zoom, ffmpeg peut multiplier les images et générer un segment de 256 secondes au lieu de 3. Pire : l'option qui coupe à la piste la plus courte masque le problème, et on ne voit rien jusqu'au montage final. Borne explicitement la durée en sortie.

5. Un nom de piste qui n'en est pas un

Nommer une étape de filtre [v] ou [a] échoue avec « ne correspond à aucun flux » : ffmpeg les lit comme des désignations de flux, pas comme des étiquettes. Et une étiquette ne se consomme qu'une seule fois — pour la réutiliser il faut la dupliquer explicitement.

6. Trop d'incrustations d'un coup = mort silencieuse

Empiler beaucoup d'incrustations dans une seule commande fait tuer le processus par le système. Aucune erreur de filtre, aucune image produite. La parade est bête : une passe par incrustation.

7. Les fondus enchaînés qui effacent tout

Plusieurs fondus appliqués à la suite sur un même élément peuvent le rendre transparent du début à la fin, sans le moindre message. Borne chaque fondu à son intervalle. Et si une image n'apparaît pas, teste le fichier source avant d'accuser la mise en page.

8. L'analyse audio qui décale tout

Le plus vicieux, parce qu'il ne plante jamais : il rend un résultat plausible et faux. Deux causes cumulables — un réglage de fréquence appliqué à la sortie n'agit pas sur l'analyse en amont, et un filtrage de texte trop strict supprime les fenêtres de silence au lieu de les compter. Sur un montage d'une minute, ça produit plusieurs secondes de décalage entre le son et l'image. Le contrôle : recouper une zone annoncée « silencieuse » avec une mesure de volume — si elle n'est pas silencieuse, c'est l'indexation qui ment.

Trente secondes de vidéo, ça se vérifie en trois mesures plutôt qu'en trois visionnages :

• Extraire quelques images à des instants choisis et les REGARDER. Un rendu « réussi » avec du texte manquant passe tous les contrôles automatiques.
• Mesurer la luminance image par image pour situer précisément un événement visuel — utile pour caler une apparition sur autre chose qu'un chronomètre à l'oreille.
• Compter les pixels d'une couleur pour vérifier qu'une charte est respectée. « Il y a du jaune » est une impression ; « 0,47 % des pixels » est un fait.

Ce qui est vérifiable : un prompt, des variables à remplir, et une vidéo verticale complète — voix, avatar, sous-titres — en quelques minutes. C'est réel, et c'est déjà beaucoup.

Ce que ça ne fait pas : décider ce que la vidéo doit dire. La mécanique exécute une intention ; elle n'en a pas. Une vidéo bien montée sur un mauvais angle est une vidéo bien montée que personne ne regarde.

Et un principe de mise en scène qui vaut plus que toute la technique de cette page : chaque affirmation doit être illustrée au moment où elle est dite. Si tu dis « il a fait les cuts », il faut un cut franc sur le mot. Sinon la vidéo dit exactement la même chose que cent autres, et ne prouve rien.