Comment un site web
devient-il une vidéo terminée ?

Le worker de capture ouvre l'URL publique dans un navigateur et lit ce qui est visiblement présent. Il extrait les textes utiles, les sections sémantiques, les appels à l'action, les couleurs, les familles de police, les candidats logo et les métadonnées de la page.

Il enregistre les captures d'écran approuvées et les polices web réellement utilisées par la page, lorsqu'elles peuvent être récupérées sans risque. Les zones hero, fonctionnalités, tarifs, preuve sociale et appel à l'action deviennent des plans source potentiels. Les scripts, contenus embarqués, audio, vidéo et SVG non sécurisés ne sont pas copiés dans l'élément logo capturé.

La capture conserve les preuves, mais elle ne décide pas de l'histoire. L'étape suivante choisit lesquels de ces éléments réels soutiennent un argument court.

L'étape d'écriture combine le kit de marque capturé avec un hook sélectionné et rédige une courte séquence de répliques, de textes à l'écran, d'éléments source et d'appels à l'action. Chaque réplique devient un beat avec un début, une fin et un visuel correspondant.

Les répliques vocales sont synthétisées séparément puis mesurées. Leurs durées réelles fixent une limite basse non négociable pour chaque beat. Un rythme demandé peut ajouter du temps de pause, mais la timeline ne raccourcira jamais une réplique parlée pour coller à une estimation.

La scène est autonome et utilise les éléments locaux capturés. Position, échelle, opacité, masques et contenu actif sont des fonctions du temps de la timeline, et non des animations qui tournent en roue libre.

Le moteur de rendu calcule le timestamp de chaque frame à 30fps, règle une horloge virtuelle sur ce timestamp, et appelle la fonction de rendu de la scène. Il attend la mise en page et le paint, enregistre la frame, puis avance au timestamp suivant.

Le temps de capture réel ne contrôle pas le temps d'animation. Une frame difficile peut prendre plus de temps à produire sans faire sauter la frame suivante en avant. Les images numérotées sont encodées dans l'ordre en vidéo h264 avec le format de pixel yuv420p.

Les scènes verticales sont rendues en 1080x1920. Les scènes horizontales en 1920x1080. Les deux utilisent 30fps : le canevas change, mais le contrat de timing reste le même.

Les fichiers vocaux mesurés sont placés à leurs repères sur la timeline finale. Le tapis musical est synthétisé de zéro pour le rendu, en utilisant le pulse sélectionné et les vrais points de montage visuels plutôt qu'un enregistrement préexistant.

La voix et la bande son sont mixées ensemble, la musique restant en dessous de la piste parlée. L'audio combiné passe par une normalisation du volume avec une cible de -14 LUFS, puis devient un flux AAC stéréo dans le MP4.

Un lien audio natif distinct peut être utilisé lors de la publication sociale, lorsque ce son est éligible pour le compte et l'emplacement. Il n'est pas intégré au master exporté.

Le fichier final est analysé pour vérifier sa largeur, sa hauteur, sa fréquence de 30fps, sa durée, le codec h264, le format de pixel yuv420p et la présence d'un flux audio. La durée doit rester à moins de 100 millisecondes de la longueur de rendu prévue.

La scène est aussi inspectée à des timestamps échantillonnés pour repérer des éléments visibles qui dépasseraient la largeur du viewport. Des contrôles distincts décodent des frames du MP4 et comparent leurs hashs, pour qu'une scène censée bouger ne puisse pas passer pour une image répétée.

Un contrôle technique en échec arrête le pipeline avant l'envoi. La revue humaine continue de juger l'accroche, le cadrage, le rythme et la lisibilité, mais elle n'a plus à découvrir un flux audio manquant par accident.