Un prompt peut-il remplacer Synthesia ?

Construis un générateur de vidéos narrées à partir de diapositives, en calquant le cas d’usage de formation d’entreprise le plus courant de Synthesia plutôt que son ensemble complet de fonctionnalités. Utilise Python avec un modèle TTS local (Coqui TTS ou Piper) pour générer l’audio de narration à partir d’un script par diapositive. Accepte un diaporama sous forme d’images (export depuis PowerPoint, Google Slides ou Keynote en PNG) ou des diapositives Markdown converties en images. Ajuste la durée d’affichage de chaque diapositive à la longueur de sa narration, et rends la séquence en MP4 avec ffmpeg. En option, superpose un petit clip de tête parlante, généré avec un modèle de synchronisation labiale local utilisant la même approche que la fiche HeyGen de ce catalogue, dans un coin de la vidéo à partir d’une seule photo source, pour que ça ne ressemble pas à un simple diaporama. Fournis une interface web simple pour téléverser des diapositives, écrire le texte de narration par diapositive, prévisualiser et exporter. Ne construis pas de bibliothèque de présentateurs sous licence, de redoublage automatique multilingue, ni d’hébergement vidéo et d’analyses de niveau entreprise — c’est hors périmètre. Aucune clé API nécessaire si les modèles TTS et de synchronisation labiale tournent en local.