Fichiers
remotion-test/outils-voix/preparer.py
T
Théo GastineletClaude Opus 5.5 9a20e84fad Video ecosysteme Gastinel : versions complete (71 s) et courte (42 s)
- Compositions EcosystemeComplet et EcosystemeCourt (src/Ecosysteme.tsx), reprend les composants de NouveauteMind et les sous-titres mot a mot d'ExempleVoix2
- Voix provisoire (dots.tts-soar) generee par le pipeline existant, decoupee et calee par outils-voix/preparer.py
- Captures reelles et publiques dans public/ecosysteme
- Script et rapport (sources de chaque affirmation, points a valider)

Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
2026-10-20 21:00:57 +02:00

86 lignes
4.0 KiB
Python
Brut Annotations Historique

Ce fichier contient des caractères Unicode invisibles.
Ce fichier contient des caractères Unicode invisibles à l'œil nu, mais peuvent être traités différemment par un ordinateur. Si vous pensez que c'est intentionnel, vous pouvez ignorer cet avertissement. Utilisez le bouton Échappe pour les dévoiler.
"""Prépare les prises de voix de la vidéo écosystème pour Remotion (écrit par Claude, 20/10/2026).
1. Coupe les silences de début et de fin de chaque pNN.wav (seuil d'énergie), normalise le volume (loudnorm).
2. Cale les mots du SCRIPT (texte affiché) sur l'horodatage Whisper de la prise (mots.json) :
1 pour 1 si le nombre de mots est le même, sinon au prorata des lettres (Whisper découpe « n 'est »…).
3. Écrit public/voix-ecosysteme/pNN.wav, mots-cales.json et src/voixEcosysteme.ts.
Usage : python -I outils-voix/preparer.py out/voix-ecosysteme-brut
"""
import json, re, subprocess, sys, unicodedata, wave
from pathlib import Path
import numpy as np
RACINE = Path(__file__).resolve().parent.parent
FFMPEG = RACINE / "node_modules/@remotion/compositor-win32-x64-msvc/ffmpeg.exe"
BRUT = Path(sys.argv[1])
SORTIE = RACINE / "public/voix-ecosysteme"
TEXTES = json.loads((SORTIE / "phrases-affichees.json").read_text(encoding="utf-8"))
MOTS = json.loads((BRUT / "mots.json").read_text(encoding="utf-8"))
AVANT, APRES, SEUIL = 0.06, 0.18, 0.01
def bornes(f):
with wave.open(str(f)) as w:
sr, n = w.getframerate(), w.getnframes()
a = np.frombuffer(w.readframes(n), dtype=np.int16).astype(np.float32) / 32768.0
hop = sr // 50 # 20 ms
rms = np.array([np.sqrt(np.mean(a[i:i + hop] ** 2)) for i in range(0, len(a) - hop, hop)])
actif = np.where(rms > SEUIL)[0]
t0 = max(0.0, actif[0] * hop / sr - AVANT)
t1 = min(len(a) / sr, (actif[-1] + 1) * hop / sr + APRES)
return t0, t1
def norm(m):
m = unicodedata.normalize("NFD", m.lower())
return re.sub(r"[^a-z0-9]", "", "".join(c for c in m if unicodedata.category(c) != "Mn"))
def caler(affiche, whisper, t0, dur):
w = [(x, max(0.0, s - t0), min(dur, e - t0)) for x, s, e in whisper]
if len(w) == len(affiche):
return [[m, round(s, 2), round(e, 2)] for m, (_, s, e) in zip(affiche, w)]
# prorata des lettres : position (0..1) -> temps, par morceaux sur les mots Whisper
lw = [max(1, len(norm(x))) for x, _, _ in w]
tot = sum(lw)
xs, ts, c = [], [], 0
for l, (_, s, e) in zip(lw, w):
xs += [c / tot, (c + l) / tot]
ts += [s, e]
c += l
la = [max(1, len(norm(m))) for m in affiche]
tota, c, res = sum(la), 0, []
for m, l in zip(affiche, la):
s = float(np.interp(c / tota, xs, ts))
e = float(np.interp((c + l) / tota, xs, ts))
res.append([m, round(s, 2), round(e, 2)])
c += l
return res
phrases, cales = [], {}
for i, texte in enumerate(TEXTES, 1):
pid = f"p{i:02d}"
src = BRUT / f"{pid}.wav"
t0, t1 = bornes(src)
dst = SORTIE / f"{pid}.wav"
subprocess.run([str(FFMPEG), "-loglevel", "error", "-y", "-i", str(src), "-af",
f"atrim={t0:.3f}:{t1:.3f},asetpts=PTS-STARTPTS,loudnorm=I=-16:TP=-1.5:LRA=11",
"-ar", "48000", "-ac", "1", str(dst)], check=True)
with wave.open(str(dst)) as w:
dur = w.getnframes() / w.getframerate()
# ponctuation française : « : » et « ? » restent collés au mot (espace insécable)
mots = caler(texte.replace(" :", " :").replace(" ?", " ?").split(" "), MOTS[pid], t0, dur)
phrases.append({"id": pid, "dur": round(dur, 2), "mots": mots})
cales[pid] = {"coupe": [round(t0, 2), round(t1, 2)], "whisper": " ".join(x[0] for x in MOTS[pid])}
print(f"{pid} {t0:.2f}-{t1:.2f} -> {dur:.2f}s | {texte}")
(SORTIE / "mots-cales.json").write_text(json.dumps({"phrases": phrases, "controle": cales}, ensure_ascii=False, indent=1), encoding="utf-8")
ts = ("// Généré par outils-voix/preparer.py depuis public/voix-ecosysteme (horodatage faster-whisper, texte = script).\n"
"// Voix PROVISOIRE (dots.tts-soar, voix par défaut), en attendant la voix clonée de Théo.\n"
"export type Phrase = {id: string; dur: number; mots: [string, number, number][]};\n"
f"export const PHRASES_ECO: Phrase[] = {json.dumps(phrases, ensure_ascii=False)};\n")
(RACINE / "src/voixEcosysteme.ts").write_text(ts, encoding="utf-8")
print("total", round(sum(p["dur"] for p in phrases), 2), "s")