Video Documentary logo

Video Documentary

Community
Littlpinguin
video-documentary

Montage documentaire sur archives libres pour {{COMPANY_NAME}}, un essai filmé au service d'une thèse, à partir d'images d'Internet Archive, Wikimedia Commons, NASA, Pexels ou Pixabay. Brief thématique et thèse, découpage en emplacements validé, corpus constitué et filtré par licence (corpus.py build), index et recherche CLIP (corpus.py index et search), sélection validée sur les images clés (selections.json), narration, montage dans hyperframes:general-video avec un étalonnage commun, crédits générés (corpus.py credits) et QA. Appelée par video-production ; ne comble pas un trou par un clip généré, n'élargit jamais une licence sans décision humaine, ne publie pas.

Overview

PublisherLittlpinguin
Repositorymarketing-cockpit-template
Skill namevideo-documentary
Stars
9
Forks
0
Bundled files
Instructions only
LicenseMIT
Links
  • Markdown instructions

    A SKILL.md file the model loads on demand, so it only costs tokens when a request actually matches.

  • Works with any LLM

    AI skills are plain Markdown, not provider-specific code, so this works with GPT, Claude, Gemini, Grok, or a local model.

  • Self-contained

    Everything the model needs lives in the instructions — no extra files to sync.

  • Open source

    Published by Littlpinguin on GitHub. Read the source before you install it.

Installation

Install the Video Documentary AI skill in TypingMind to use it with any LLM, or drop it into another agent that reads SKILL.md.

1

Install in TypingMind

TypingMind installs a skill straight from its GitHub folder — it reads SKILL.md, bundles the resource files, and stores the result locally.

  1. Open the app and go to Plugins → Skills.
  2. Choose "Install from GitHub".
  3. Paste the skill folder URL below and confirm.
    https://github.com/Littlpinguin/marketing-cockpit-template/tree/main/.claude/skills/video-documentary
  4. Enable the skill in any chat where you want it available.
Plugins → Skills → Add skill → From GitHub URL, then paste the folder URL and press Continue.
2

Install in another agent

Any agent that reads the Agent Skills format can use this skill — copy the folder into that agent's skills directory.

Claude Code — .claude/skills
git clone --depth 1 https://github.com/Littlpinguin/marketing-cockpit-template.git /tmp/marketing-cockpit-template
mkdir -p .claude/skills
cp -r /tmp/marketing-cockpit-template/.claude/skills/video-documentary .claude/skills/video-documentary
Restart Claude Code after copying so it picks up the new skill.

Use it in TypingMind

Enable Video Documentary in any TypingMind chat and the model takes it from there. Its name and description sit in the system prompt, and the moment a request matches, the model loads the full instructions itself — you never invoke it by hand, and it costs no tokens until it is actually used.

The model loads Video Documentary on its own as soon as a request matches it.

Works with any AI model

AI skills are plain Markdown instructions rather than provider-specific code, so Video Documentary is not tied to the model it was written for. Install it once in TypingMind and use it with GPT-5, Claude, Gemini, Grok, DeepSeek, Mistral, Llama, or a local model you run yourself — all on your own API keys.

  • Loaded only when it is needed

    The system prompt carries just the name and description. The instructions are fetched on the first matching request, so an idle skill costs nothing.

  • Switch models mid-chat

    Because the skill is instructions rather than code, changing model does not break it — the next model reads the same SKILL.md.

Skill instructions

This is the SKILL.md content the model loads. Read it before installing — a skill is instructions your model will follow.

video-documentary : un essai filmé sur archives libres

Un montage documentaire défend une thèse avec des images réelles : des archives qui montrent que quelque chose a eu lieu, rapprochées pour faire naître un sens. Cette skill conduit le film du brief thématique aux crédits. Elle est appelée par video-production, qui a ouvert le projet (08-video/projets/<slug>/, slug daté AAAA-MM-JJ-<sujet>, script.md au modèle de video-production avec son frontmatter date, subject, statut), écrit le brief et tient les validations.

Références à charger

  • 08-video/documentaire.md, en premier : ton, emplacements, règles de sélection, étalonnage, licences, outillage.
  • 08-video/narration.md si le film a une voix ; 08-video/montage.md pour la coupe et le son ; 08-video/motion.md pour les cartons de date et de source.
  • 01-brand/droits.md et 01-brand/divulgation-ia.md.

Prérequis

  • ffmpeg et ffprobe : conversion des archives en mp4, mesure des durées, images clés.
  • Recherche CLIP, facultative : pip install -r 08-video/requirements-corpus.txt (open_clip, torch, pillow ; les poids du modèle se téléchargent au premier lancement). /modules note cette capacité dans .setup-completed (modules.video.capacites.corpus). Sans elle, la sélection se fait à l'œil (08-video/documentaire.md § « Outillage »).
  • Clés gratuites, facultatives : PEXELS_API_KEY et PIXABAY_API_KEY dans .env. Sans elles, les sources Internet Archive, Wikimedia Commons et NASA restent disponibles.
  • HyperFrames pour le montage (plugin installé par /modules).

Où se placent les validations

Les trois validations de video-production prennent ici cette forme :

  • Concept (validation 1) : la question du film, la thèse, le registre (étape 1).
  • Script (validation 2) : le découpage en emplacements, avant corpus.py build (étape 2) ; puis, si le film a une voix, la narration écrite sur les images retenues, avant toute génération de voix (étape 6).
  • Storyboard (validation 3) : la sélection validée dans selections.json, avec storyboard.md (ordre des plans, durées, cartons), à la fin de l'étape 5, avant le montage (étape 7).

Constituer et indexer le corpus ne coûte aucun crédit. Une voix ou une musique payante reste sous le contrat de coût de video-production, et jamais avant la validation 3.

Étape 1 : brief thématique et thèse

Dans brief.md : la question du film en une ligne, la thèse que le spectateur doit pouvoir formuler à la fin, le registre du film, la durée, la destination et sa toile, avec ou sans voix, la musique envisagée et sa licence. → Validation 1.

Étape 2 : découper en emplacements

Écrire 08-video/corpus/themes/<nom>.toml sur le modèle de 08-video/corpus/themes/exemple-savoir-faire.toml : le champ nom, sources, nombre de résultats par requête, durée maximale d'un clip, et pour chaque emplacement un id, une description en langage visuel (sujet, action, cadre, époque, lumière ; en anglais pour la recherche CLIP) et deux ou trois requetes en anglais. Laisser les licences par défaut. Le dossier du corpus (08-video/corpus/<nom>/), et donc le <nom> de toutes les commandes qui suivent, vient du champ nom du thème, pas du nom du fichier (qui ne sert que si le champ manque) : en copiant le thème d'exemple, remplacer nom = "savoir-faire" par le nom du nouveau corpus, sinon ses clips rejoignent ceux de l'exemple. → Validation humaine du découpage, avant toute recherche.

Étape 3 : constituer le corpus

bash
python3 08-video/scripts/corpus.py build 08-video/corpus/themes/<nom>.toml
python3 08-video/scripts/corpus.py list <nom>
  • build cherche chaque requête dans chaque source, écarte les licences hors du défaut et les clips trop longs, télécharge le reste dans 08-video/corpus/<nom>/clips/ avec une fiche par clip. Lire son rapport : clips téléchargés, déjà présents, écartés pour licence ou pour durée, sources ignorées, erreurs.
  • Relancer build reprend sans retélécharger. Un emplacement trop pauvre se nourrit de nouvelles requêtes dans le thème, puis d'un nouveau build.
  • list donne l'inventaire : nombre de clips, licences, durée totale, index présent ou non.

Étape 4 : indexer

bash
python3 08-video/scripts/corpus.py index <nom>

Extrait les images clés de chaque clip (une après chaque changement de plan, au moins une toutes les 3 s) dans 08-video/corpus/<nom>/images/ et construit l'index CLIP. Sans les dépendances facultatives, la commande sort en code 2 et affiche la commande d'installation.

Étape 5 : chercher et sélectionner

bash
python3 08-video/scripts/corpus.py search <nom> --emplacement <id>
python3 08-video/scripts/corpus.py search <nom> "<description libre, en anglais>" --top 5
  • La forme --emplacement cherche avec la description de l'emplacement et écrit les meilleurs résultats (5 par défaut, réglable par --top) dans 08-video/corpus/<nom>/selections.json : clip, instant de l'image la plus proche, score, image clé. La forme libre affiche seulement les résultats.
  • Relancer --emplacement sur un même emplacement remplace sa sélection : le faire avant la validation, jamais après.
  • Planche des images retenues : pour chaque emplacement, réunir les images clés citées par selections.json (champ image, dans 08-video/corpus/<nom>/images/), les regarder, et appliquer les règles de sélection de 08-video/documentaire.md : ni contresens ni anachronisme, date et contexte vérifiés sur la fiche du clip, pas de visage de particulier sans droit.
  • Ne garder dans selections.json que les clips choisis, avec leur instant. Les écartés notables vont dans decisions.md avec leur raison.
  • Sans open_clip : pas d'index ni d'images clés extraites par l'outil. Sélection à l'œil, sur une planche par clip faite avec ffmpeg, puis selections.json écrit à la main (format et commande dans 08-video/documentaire.md § « Outillage »).

Écrire storyboard.md : l'ordre des plans, la durée de chacun, le passage du clip retenu, les cartons de date et de source. → Validation humaine de selections.json et du storyboard (validation 3).

Étape 6 : narration

Si le film a une voix : script minuté selon 08-video/narration.md, écrit sur les images retenues. La voix oriente, l'archive prouve : ne pas décrire ce que l'image montre déjà. Validation du texte, puis échantillon de voix validé, avant toute génération complète. Sans voix, la musique et les cartons portent le film : la thèse doit rester lisible.

Étape 7 : monter dans hyperframes:general-video

  • Passation selon video-production § « Passer la main à HyperFrames », avec workflow: general-video, flow: automation et storyboard: no dans BRIEF.md : la sélection et le storyboard sont déjà validés (validation 3), le workflow publie son plan pour information sans rouvrir de point de contrôle du storyboard. Le rendu reste soumis à l'accord.
  • Copier les seuls clips retenus dans hyperframes/assets/ : tous les médias restent dans le dossier du projet.
  • Chaque archive devient un plan <video> muet, avec data-start, data-duration et data-media-start (le point d'entrée dans le clip) ; le son passe par des <audio> séparés.
  • Étalonnage commun : le parti retenu dans 08-video/documentaire.md (noir et blanc assumé, grain commun ou table de correspondance commune), appliqué à tous les plans, jamais clip par clip. Les traitements d'image d'HyperFrames sont décrits par la skill hyperframes:media-use.
  • Date et source à l'écran quand l'archive porte un fait : rôle label de frame.md, discret, en zone sûre.
  • Montage par temps forts : les plans qui portent la thèse restent plus longtemps à l'écran ; coupes franches de 08-video/montage.md ; un silence sur le moment le plus fort.
  • Rendu seulement après l'accord de l'humain sur l'aperçu.

Étape 8 : crédits

bash
python3 08-video/scripts/corpus.py credits <nom> --selection 08-video/corpus/<nom>/selections.json

Écrit 08-video/corpus/<nom>/credits.md, une ligne par clip retenu (titre, auteur, source et page, licence, mention d'attribution obligatoire). Le reprendre au générique, ou dans la légende de publication si la vidéo n'en a pas, et le copier dans 08-video/projets/<slug>/ : le dossier du corpus n'est pas versionné. Ajouter les crédits de la musique et de la police si leur licence le demande.

Étape 9 : QA

bash
python3 08-video/scripts/qa-video.py 08-video/projets/<slug>/exports/<slug>-<plateforme>.mp4 \
  --plateforme <reels|tiktok|shorts|linkedin> --duree <secondes> --script 08-video/projets/<slug>/script.md
  • Sans piste son : --sans-audio. Sans voix (musique seule) : sans --script ; une colonne Voix vide dans script.md désactive de toute façon la vérification de couverture. Destination site ou YouTube : sans --plateforme.
  • Un film contemplatif tient des plans longs à dessein : relever --max-plan (ou 0 pour couper ce contrôle) et noter la raison dans decisions.md.
  • Puis l'agent video-reviewer, deux tours de correction au plus, et la revue humaine du rendu final (video-production § « QA et revue »).

Coûts

Les sources du corpus sont gratuites. Ce qui se dépense : le temps de téléchargement et d'indexation (le premier index télécharge en plus les poids du modèle), la place disque du corpus, et, s'il y en a, la voix et la musique payantes, sous le contrat de coût de video-production.

Checklist avant livraison

  • Question du film, thèse et registre validés (validation 1)
  • Découpage en emplacements validé avant corpus.py build ; descriptions et requêtes en anglais
  • selections.json réduit aux clips choisis et validé sur la planche des images clés, avec storyboard.md (validation 3)
  • Aucun contresens ni anachronisme ; date et source à l'écran quand l'archive porte un fait ; aucun visage de particulier sans droit
  • Un seul parti d'étalonnage pour tout le film ; aucun agrandissement par IA ni colorisation non déclarés
  • Licences du défaut, ou élargissement consigné dans decisions.md ; musique sous licence établie
  • credits.md produit par corpus.py credits --selection, repris au générique ou en légende, copié dans le projet
  • qa-video.py et video-reviewer passés ; revue humaine du rendu final faite

Ce que cette skill ne fait pas

  • Combler un emplacement vide par un clip généré : chercher d'autres requêtes, changer l'emplacement, ou poser la question à l'humain.
  • Élargir les licences admises sans décision humaine consignée dans decisions.md.
  • Agrandir par IA ou coloriser une archive sans le déclarer.
  • Publier.

Méthode inspirée d'OpenMontage (calesthio/OpenMontage, AGPLv3), réécrite pour le template : aucun texte ni code repris. Registre : docs/vendored-video.md.

Frequently asked questions

What does the Video Documentary AI skill do?

Montage documentaire sur archives libres pour {{COMPANY_NAME}}, un essai filmé au service d'une thèse, à partir d'images d'Internet Archive, Wikimedia Commons, NASA, Pexels ou Pixabay. Brief thématique et thèse, découpage en emplacements validé, corpus constitué et filtré par licence (corpus.py build), index et recherche CLIP (corpus.py index et search), sélection validée sur les images clés (selections.json), narration, montage dans hyperframes:general-video avec un étalonnage commun, crédits générés (corpus.py credits) et QA. Appelée par video-production ; ne comble pas un trou par un cli...

Why use Video Documentary on TypingMind?

Because you install it once and use it with any model. Video Documentary is plain Markdown rather than provider-specific code, so the same skill runs on GPT-5, Claude, Gemini, Grok, or a local model — and you can switch model mid-chat without it breaking. TypingMind runs on your own API keys, so you pay providers directly instead of a per-seat subscription, and your skills and chats stay in your own storage.

How do I install Video Documentary in TypingMind?

Open Plugins → Skills → Install from GitHub in TypingMind and paste https://github.com/Littlpinguin/marketing-cockpit-template/tree/main/.claude/skills/video-documentary. TypingMind reads its SKILL.md and installs it as a skill you can enable per chat.

Which AI models can use Video Documentary?

Any model you connect in TypingMind. AI skills are plain Markdown instructions rather than provider-specific code, so GPT, Claude, Gemini, Grok, and local models can all load this skill when a request matches it.

How many AI models can I use with Video Documentary?

As many as you like. As long as a model supports skills, you can use Video Documentary with it — GPT, Claude, Gemini, Grok, DeepSeek, Mistral, Llama and more — all on TypingMind with your own API keys.

Is the Video Documentary AI skill free?

Yes. It is published on GitHub by Littlpinguin under the MIT license. You only pay your own AI provider for the tokens you use.

What are AI skills?

An AI skill is a reusable instruction bundle that teaches an AI model how to do one specific task. It follows the open Agent Skills format: a SKILL.md file with a name and description, plus any scripts, templates or reference files the model may need. The model reads the instructions only when your request matches the skill, so an installed skill costs nothing until it is used.

How are AI skills different from plugins or MCP servers?

A plugin or MCP server gives a model new tools to call — code that runs somewhere and returns a result. An AI skill gives the model knowledge and process instead: how to approach a task, which steps to follow, what good output looks like. Skills are plain Markdown, so they need no server, no API key and no runtime, and they work with any model.

View all

Set up your own AI workspace now

Get notified about new features and future giveaways by subscribing to our newsletter 👇