Eingebettete Untertitel
Ein Katalog, vorab ausgewählt (CATALOG.md – 17 Identitäten; die drei Engines dahinter sind Backend-Details). Standard (Standard) baut eine saubere, wortgetreue Schiene (untere Drittel-Untertitel, die den Großteil des Texts tragen) + einen Embed-Höhepunkt, der am Höhepunkt in die Szene hinter der Person komponiert wird. Cinematic ist reines Embed – keine Schiene, jeder Untertitel wird hinter der Person komponiert (Helden-Typografie, Akkumulation, Okklusion als Effekt). Theme ist eine vollständige thematische Verfassung – Körper-Paradigma × Helden-Setpiece × Front-Effekt × Platten-Reaktion, zusammengesetzt aus Registern (themes/README.md): ordnance terminal neonsign stardust stomp. Die meisten Erklärvideos / Voiceovers sind Standard; Embed ist der seltene, verdiente Höhepunkt – jedes Wort einzubetten ist der häufige Fehler; Theme ist für VFX-würdige Anfragen („炸“, „特效“, „wie in After Effects“).
Betriebsablauf (TL;DR)
Der kunstvolle Prosa-Text unten ist lang; die Pipeline selbst ist kurz – und alles Deterministische wird berechnet oder kompiliert, nie von Hand geschrieben:
- Entscheidungsgate (schlechte Clips ablehnen) → wähle EINE Identität aus CATALOG.md (17 Identitäten; Engine/Compiler werden per Nachschlagen abgeleitet – nie eine Mode/Kategorie-Frage stellen)
hyperframes init(überspringen, wenn das Projektverzeichnis bereits existiert und das Video enthält –matte.cjs/transcribe.cjsübernehmen jedes Video im Verzeichnis als source.mp4) →bash scripts/prepare.sh <project>(matte ∥ transcribe ∥ Audio-Hüllkurve parallel, dann safe-zones v2 mit Szenen-Palette/Optik/Beleuchtung – ein Befehl, nichts vergessen)- Verfasse ein kleines JSON mit kreativen Entscheidungen (lies zuerst
safe-zones.json): Cinematic →plan.json→fill-timings.cjs→fit-fonts.cjs→make-composition.cjs; Theme →theme.json→make-theme.cjs(Schiene/Panel/Gedicht/Übernahme-Paradigmen;anchorist die stille Schienen-Voreinstellung) - Visuelle Qualitätskontrolle:
node scripts/preview-frames.cjs <project>→ originalgetreue Composite-Vorschauen in ~2s/Bild (kein Render). Prüfe § Visuelle Qualitätskontrolle, bevor du einen Render bezahlst. render-and-composite.sh→ Gates (Timing / Okklusion+Held / Überlauf / Übergabe) →final.mp4
Tragende Regeln, die oft übersehen werden:
- Schiene (Standard) + Embed (Promotion).
drop(Füller, nicht angezeigt) /rail(wortgetreue untere Drittel-Untertitel, im Vordergrund, tragen den Großteil des Texts) /embed(ein Höhepunkts-Wort, das hinter der Person komponiert wird). Der Standard-Modus macht beides, wobei nur der/die Höhepunkt(e) eingebettet werden. Siehe § Caption-Modell. - Das Video wird UNVERÄNDERT ausgeliefert (Standard/Cinematic; Der PLATE-Budget des Theme-Modus ist die einzig erlaubte Ausnahme – registergesteuerte Reaktions-Beats (Ladungs-Dimmer, Schlag, Schütteln, Körnung), die pro Theme-DNA definiert und NACH dem Matte-Composite angewendet werden, sodass Person+Text+Platte sich als ein Frame bewegen) – Untertitel sind das Einzige, was hinzugefügt wird; das Matte lässt die Person nur die Embed-Spur verdecken. Niemals das Filmmaterial farblich anpassen/neu abtasten/Scanlines hinzufügen.
- Zwei Regelwerke: Schiene → references/rail.md (dünn), Embed-Handwerk → references/composition-craft.md (umfangreich, nur Embed). Nach Bedarf überfliegen.
Caption-Modell – Schiene + Embed
Jeder gesprochene Satz ist eines von drei Dingen:
| Was | Wie es gezeigt wird | |
|---|---|---|
| drop | Füllwörter – äh/ähem, Stottern, Selbstkorrekturen | nicht gezeigt |
| rail | die Voreinstellung – normale gesprochene Inhalte (wortgetreu) | saubere untere Drittel-Untertitel, im Vordergrund, lesbar. Ein betontes Wort kann eine Inline-emphasis-Hervorhebung erhalten (Akzentfarbe/Aktiv-Wort-Pop) – es bleibt auf der Schiene. |
| embed | ein hervorgehobener Höhepunkt – der Schlagzeilen-Beat | ein großes Wort, das hinter der Person komponiert wird (Matte-Okklusion), gestalteter Ein- und Ausgang |
Die Schiene trägt den Großteil des Texts; Embed ist der seltene, verdiente Höhepunkt. Knappheit ist pro Beat/Block, nicht pro Clip: ≤1 Held pro Block (Gedanke), nie zwei gleichzeitig sichtbar, mindestens ein Beat Abstand zwischen Helden-Fenstern (der Compiler warnt unter 0,6s). Ein kurzer Clip → normalerweise 1–2; ein langes Erklärvideo → etwa einer pro Abschnitt. Unter mehreren Helden ist der größte verfasste der APEX (er allein erhält das vollständige Lockup-Embed + Breitenanpassung); kleinere sind MINOR-Höhepunkte, die als überdimensionierte Betonungszeilen im Vordergrund reiten (FG, gedämpfte Bewegung) – nicht jeder Beat braucht die Matte-Show, und genau das macht den Apex zu einem Ereignis. Jedes Wort einzubetten ist immer noch der häufige Fehler.
Schienen-Oberflächenidentitäten bauen genau das (Schiene = rail.html, Embed = der Höhepunkt in index.html). Column-Flow-Identitäten lassen die Schiene weg und machen alles im Embed-Stil – empfehle sie nur für Stimmungs-über-wortgetreue Anfragen, nie für Erklärvideo/Voiceover, wo die Worte lesbar sein müssen (CATALOG.md kodiert dies pro Identität).
Schritt 0 – wähle EINE Identität aus dem KATALOG
Ein Frontend, drei Engines dahinter. Der Benutzer wählt eine IDENTITÄT aus CATALOG.md (17 Einträge: 12 klassisch + 5 thematisch); die Engine, der Compiler und die Autoren-Datei werden durch Nachschlagen in der Katalogzeile abgeleitet. Stelle nie „Standard vs Cinematic vs Theme“ als Frage – das sind Backend-Namen (ein Produkt hat eine UX, auch mit mehreren Engines). Der Katalog kodiert alles, was das Routing braucht: Leseoberfläche, Stimme, Empfehlung-für, Szenen- Anforderungen, Angrenzungsnotizen für die wirklich nahen Paare (loud↔ordnance, neon↔neonsign, cream↔stardust).
Vorgehen: Clip sondieren → 2–3 Identitäten aus dem Katalog vorauswählen → EINE empfehlen mit einer einzeiligen Begründung → der Benutzer wählt → verfasse die Datei dieser Identität. Identitäten sind engine-gesperrt (keine Querkombos; das Öffnen einer ist ein Validierungsereignis – siehe dna/README.md).
Gib immer deine Empfehlung ab und lass den Benutzer wählen, bevor du etwas verfasst. Gehe nicht stillschweigend von der Voreinstellung aus.
(Die vollständige Identitätstabelle befindet sich in CATALOG.md – alleinige Quelle der Wahrheit für das Routing. Die Engine-Dokumente unten beschreiben den Autorenvertrag jedes Backends.)
Empfehlungsheuristik: Verwende die „Vorauswahl-Heuristiken“ in CATALOG.md – sie sind identitätsebene (z. B. „炸“ listet ordnance/stomp/terminal/loud vor und wählt je nachdem, WAS explodieren soll), nie kategorieebene. Unsicher → anchor.
- Cinematic → schreibe
plan.jsonfür eine feste Vorlage, kompiliert vonmake-composition.cjs. - Theme → lies themes/README.md, verfasse
theme.json, führescripts/render-theme.shaus (kompiliert + rendert + Plattenreaktion → final_fx.mp4).
Entscheidungsgate – ZUERST AUSFÜHREN
Sondiere das Video und klassifiziere die Szene vor beiden Modi.
ffprobe <video.mp4> # Spezifikationen
ffmpeg -ss <t> -i <video.mp4> -vframes 1 sample.png # bei 20/50/80%
Lies die Muster. Lehne ab, wenn:
- Mehrere Sprecher / harte Schnitte (Schnitt & rendere jede Einstellung einzeln, oder lehne ab)
- Kein menschliches Motiv (dieser Skill ist für Talking-Head)
- Unter 3 Sekunden, keine Sprache, oder Gesicht nie klar sichtbar –
transcribe.cjswarnt, wenn das Audio fast still ist (Whisper halluziniert Wörter wie „Thank you.“ über Stille); beachte die Warnung und lehne ab, anstatt erfundene Wörter zu untertiteln - Quelle hat bereits eingebrannte Untertitel / schwere Textgrafiken – das Hinzufügen eines zweiten Untertitelsystems führt zu Konflikten und das Filmmaterial wird unberührt ausgeliefert (kein Abdecken/Inpainting). Eingebrannter Text erscheint oft erst mitten im Clip: nimm ein 1fps-Kontaktblatt (
ffmpeg -i in.mp4 -vf "fps=1,scale=160:-1,tile=10x5" sheet.png), verlasse dich nicht auf 3 Spot-Bilder. - **Transkription ist Müll“ – nicht-muttersprachliche/stark akzentuierte Sprache kann als selbstbewusster Unsinn transkribiert werden. Lies
transcript.jsonvor dem Verfassen auf Sinn; wenn es sich nicht als Sprache entziffern lässt, versucheWHISPER_MODEL=mediumeinmal, sonst lehne ab (eine wortgetreue Schiene aus erfundenen Wörtern ist schlimmer als keine Untertitel). - Hektische Handkamera mit schneller Bewegung (Matte flackert)
Vorflug-Sondierungen (kosten nichts, verhindern die schlimmsten Fehler)
- Einstellungsschnitt-Sondierung. Nimm Bilder bei 20 %, 50 %, 80 %. Wenn ein anderes Motiv/andere Szene erscheint, trimme den Clip vor dem Schnitt.
- Letterbox-/Pillarbox-Sondierung. Schwarze Balken im ersten Bild? Berechne das sichere Inhalts-Rechteck und beschränke die Untertitelplatzierung darauf.
- Luminanz-Sondierung. Muster die durchschnittliche Luminanz des Untertitelbereichs –
unter 60→ heller Text liest sich wie er ist,60-180→ füge den Glyphen-Schleier hinzu,180+→ opaker Text + Schleier (niemals nackten hellen Text). **Cinematic-Vorlagen sind creme+screenund GESPERRT“ – verwende diese Sondierung, um eine passende Identität auszuwählen (helle Szenen →ink, oder die opake-Schiene-anchor-Theme), niemals, um eine einzufärben. - Identitätsempfehlung nach Ton (du empfiehlst; der Benutzer wählt – siehe Schritt 0 + CATALOG.md). Erklärvideo / Interview / Wort-muss-lesbar → Schienen-/Panel-Oberflächenidentitäten; poetisch / sozial / „cinematic“ → Column-Flow-Identitäten nach Register; „炸 / 特效 / VFX“ / benannte Welten → thematische Identitäten. Bei Unsicherheit →
anchor(Worte lesbar, Szene sicher) – aber präsentiere eine Vorauswahl und lass den Benutzer wählen.
Pipeline – 5 Schritte
1. hyperframes init <project> --non-interactive --video <video.mp4>
2. bash scripts/prepare.sh <project> # matte ∥ transcribe (parallel) → safe-zones. Ein Befehl.
# → frames_fg/ transcript.json safe-zones.json
3. [AGENT-SCHRITT – der einzige kreative Schritt] verfasse ein kleines JSON; siehe unten nach Modus
Cinematic: verfasse plan.json → node scripts/fill-timings.cjs → fit-fonts.cjs → make-composition.cjs
Theme: verfasse theme.json → bash scripts/render-theme.sh <project> (kompiliert + rendert + Platten-FX)
4. node scripts/preview-frames.cjs <project> # ~2s/Bild Composite-Vorschauen → § Visuelle Qualitätskontrolle (VOR dem Render)
5. bash scripts/render-and-composite.sh <project> # Gates → final.mp4 + history/ snapshot
(Theme-Modus: ÜBERSPRINGE Schritte 3b/5 – render-theme.sh führt bereits Kompilierung + render-and-composite
+ _postfx.sh aus; das Ergebnis ist final_fx.mp4, final.mp4 ist vor Platten-Reaktion)
Schritt 1s init prüft die installierten Skills gegen die neuesten auf GitHub und aktualisiert die globale Menge, wenn welche veraltet sind.
Schritt 3 unterscheidet sich je nach Modus:
Schritt 3 – Cinematic-Modus (reines Embed)
- Lies zuerst
safe-zones.json. Erzählebenen gehen inzones.hugLeft/hugRight– saubere Streifen ANGESCHMIEGT an die Silhouette (Text weit weg vom Körper liest sich als schwebend, nicht eingebettet; die fernen Ecken sind der Fallback, nicht die Voreinstellung). Der Held standardmäßig inheroAnchor/heroBands.best(zentriert auf dem Motiv, ~30–55 % verdeckt).recommendation:"fg"verschiebt ERZÄHLUNG in den Vordergrund für Lesbarkeit; der Held bleibt eingebettet, wann immerheroBands.feasible– Held-FG ist die letzte Zuflucht. - Die DNA ist die Identität, die du in Schritt 0 gewählt hast (CATALOG.md) – öffne die Wahl hier nicht erneut. Überprüfe sie auf Szenen-Kompatibilität (helles Heldenband-Luma > 150 braucht
ink; vollständige Auswahlhilfe befindet sich im Katalog, der alle zehn inkl. neon/glitch/chrome/velocity abdeckt). Nenne deine Wahl + Begründung; der Benutzer entscheidet. Die DNA sperrt Typ/Palette/Blend/Bewegung + Held-Drei-Akt; safe-zones v2 (palette/optics/lighting) parametrisiert sie AUTOMATISCH für DIESE Szene. - Verfasse
<project>/cinematic.json–"dna": "<name>"+ Gedanken-BLÖCKE, nicht rohe Gruppen: jeder Block = Zeilen von Wörtern (gruppiert 2–5 an Satzgrenzen) + die Ebene, in die er gestapelt wird + pro Zeilecss(nur Größe/Gewicht/Stil – keine Positionen) + höchstens EINE Zeile markiert als"hero": true(das hervorgehobene Wort;"text"für Anzeigeform). Schema:scripts/make-cinematic.cjs-Kopf. - Kompiliere:
node scripts/make-cinematic.cjs <project>– senkt Blöcke → plan.json → index.html. Automatisch generiert: transkript-sequenzierte Timings, Akkumulieren innerhalb des Blocks, Seitenwechsel zwischen Blöcken, der HELDEN-LOCKUP (ein Helden-Blocks Vorkontext, HELD und Nachkontext stapeln sich als EINE gebundene Komposition zentriert auf dem Motiv – Lesereihenfolge oben→unten = gesprochene Reihenfolge durch Konstruktion; Kontext schwebt im VORDERGRUND, während der Held im HINTERGRUND eingebettet wird = der Tiefen-Sandwich; eine Massenregel sorgt dafür, dass der Held seinen Kontext dominiert), APEX/Minor-Held-Aufteilung, Lesereihenfolge durch Konstruktion, FG-Fallback gemäß safe-zones. Dann laufen die Gates wie gewohnt. (Das direkte Verfassen von plan.json von Hand bleibt möglich für Designs, die Blöcke nicht ausdrücken können – dann führefill-timings.cjs+fit-fonts.cjs+make-composition.cjsselbst aus.)
Schritt 3 – Theme-Modus (thematische Verfassung)
Lies themes/README.md ZUERST – Paradigma/Setpiece-Register, Verknüpfungen, harte Regeln und das exakte theme.json-Schema.
- Wähle eine Theme-DNA nach Inhaltsregister (jedes
themes/<name>.jsonhatvoice+when). Nenne deine Wahl + Begründung; der Benutzer entscheidet. - Verfasse
<project>/theme.json–dna,lines(wortgetreu, Transkript-Reihenfolge; 1–5 Wörter pro Stück – fürtakeoverist jede Zeile eine KARTE),minors(Betonungswörter),hero:{match}(das Höhepunkt-Wort/den Satz; lasse es für Embed-Setpieces AUSlinesheraus, lasse es für Inline-Setpieces und Panel+Redact DRIN). - Rendere:
bash scripts/render-theme.sh <project>– kompiliert (Wortgetreu-Vollständigkeits-Gate zur Kompilierzeit), rendert beide Ebenen, setzt zusammen, wendet die Platten-Reaktion an →final_fx.mp4. Verwendepreview-frames.cjszwischen Kompilierung und Render für die visuelle Qualitätskontrolle.
Visuelle Qualitätskontrolle – Vorschau VOR dem Render
node scripts/preview-frames.cjs <project> [t…] setzt originalgetreue Vorschaubilder in ~2s pro Stück zusammen
(Untertitel-Ebenen werden zum Suchzeitpunkt gescreenshotet + echtes Videobild + Matte-Okklusion + Schienen-Overlay = wie die endgültige
Komposition in diesem Moment aussehen wird). Standardmuster = jedes Gruppen-/Höhepunkt-Fenster.
Ein vollständiger Render kostet Minuten – verwende ihn nie, um Layout-Probleme zu entdecken.
Prüfe die Vorschauen (<project>/preview/sheet.png) auf:
- Okklusion: Überlappt die Person das Embed-Wort so, dass es immer noch lesbar ist? Der Matte-Service von hyperframes ist robust, aber
falsch-positive Außenbereiche können das Wort vollständig verdecken – dann verschiebe es in einen
hug*-Plan, oder wähle eine andere Oberflächen-Identität. - Embed-Position: Das Wort zentriert auf dem Körper, nicht vor dem Hintergrund. Wenn das Wort auf leerem Hintergrund schwebt,
ist es nicht eingebettet – die
heroAnchor-Zone ist falsch. Verwende denmove-to-plane-Override in safe-zones, um es zu verschieben. - Schienen-Embed-Abstand: Der Embed-Höhepunkt sollte mit einem leeren Schienen-Beat zusammenfallen – wenn die Schiene gleichzeitig aktiv ist, wird es unordentlich. Der Compiler warnt bei Überlappungen; passe die Gruppe / den Block im Quell-JSON an.
Vergewissere dich auch, dass die Sequenz wie Sprache wirkt, nicht wie isolierte Wörter. Wenn die Untertitel-Captions
sich wie eine Liste von Effekten lesen, nicht wie eine Aussage, dann verfehlt das Layout den narrativen Zweck. Erwäge die Verwendung von
theme (z. B. das scoreboard-Register für Ergebnislisten, nicht für argumentative Prosa) oder bleibe bei anchor.
Referenzen
| Dokument | Zweck |
|---|---|
| CATALOG.md | 17 Identitäten, Routing- und Oberflächenmatrix |
| references/rail.md | Schienen-Regelwerk – Position, Schrift, Animation |
| references/composition-craft.md | Embed-Regelwerk – Okklusion, Helden-Platzierung, Tiefe |
| references/scripts.md | CLI-Referenz – alle Befehle, Flags, Umgebungsvariablen |
| themes/README.md | Thematische Verfassungs-Engine – Register, Schema, Kompilierung |
| dna/README.md | DNA-System – Validierung, Erweiterung, Identitäts-Sperrung |
Häufige Fehler und wie man sie vermeidet
- Jedes Wort einbetten: Das ist der mit Abstand häufigste Fehler von LLMs – die gesamte Transkription als Embed zu behandeln. Lies die Transkription, finde den narrativen Bogen, wähle den Höhepunkt. Embed ist der verdiente Schlussakkord eines Abschnitts, nicht die ganze Aufführung.
- Den Videohintergrund anpassen: Das Video wird unberührt ausgeliefert. Keine Farbkorrektur, keine LUT, keine Körnung, kein Schärfen. Die einzige Ausnahme sind die registrierungsgesteuerten Platten-Reaktions-Effekte von Theme-Modus (Ladungs-Dimmer, Taktil-Overlays), die NACH der Matte-Embed-Komposition auf das gesamte Bild angewendet werden. Sonst nichts.
- Identität ohne Sondierung der Szene wählen: Der Katalog ist szenenbewusst. Eine helle Szene (Interview mit weißem Hintergrund) braucht
ink(dunkle Glyphen, opaker Schleier), nichtcream(das auf hellem Hintergrund ausgebleicht wirkt). Probiere die Szene immer mit der Luminanz-Sondierung aus, bevor du eine Identität wählst. - Plan.json direkt schreiben, wenn Blöcke ausreichen: Der Block-basierte Workflow in Schritt 3 (Cinematic) erzeugt automatisch korrekte Timings, Lesereihenfolge und Helden-Dominanz. Direktes Schreiben von
plan.jsonist umständlicher und fehleranfälliger – reserviere es für Sonderfälle, in denen die Block-Struktur nicht ausreicht. - Render ohne visuelle Qualitätskontrolle überspringen: Das Vorschaubild-Tool ist schnell (~2s/Bild) und verhindert teure Fehler. Überspringe es nie. Ein vollständiger Render dauert Minuten, und die meisten Layout-Probleme sind im Vorschaubild sichtbar.
Tipps zur Zusammenarbeit
- Bei Unsicherheit „Anchor“ empfehlen:
anchorist die sicherste Identität – sie ist ruhig, gut lesbar und in den meisten Szenen robust. Sie ist der Standard, nicht die Krücke. Empfehle sie bei jedem Clip, bei dem die Priorität auf Wortverständlichkeit und nicht auf dramatischer Wirkung liegt. - Vor dem Verfassen vorlesen: Das Skript der Theme-Identitäten liest sich beim Rendern vor – wenn es sich beim Vorlesen nicht natürlich anfühlt, wird es sich beim Ansehen auch nicht natürlich anfühlen. Kürze umständliche Passagen oder passe die Satzstruktur an.
- Über das native Anzeigeverhalten nachdenken: Wenn der Benutzer ein Identitätsthema mit starkem Design („ordnance“, „terminal“) wählt, wird der Render einen deutlichen Stil haben. Stelle sicher, dass der Stil zum Ton des Inhalts passt – eine ruhige Interview-Transkription funktioniert nicht mit „loud“
Nächste Schritte
- Wähle eine Identität aus CATALOG.md (oder lass mich dir 2–3 empfehlen)
hyperframes init <projektname> --non-interactive --video <video.mp4>bash scripts/prepare.sh <projektname>- Verfasse
<projektname>/cinematic.jsonoder<projektname>/theme.json(lies zuerstsafe-zones.json) node scripts/preview-frames.cjs <projektname>– Prüfe das Vorschaubildbash scripts/render-and-composite.sh <projektname>(Cinematic) oderbash scripts/render-theme.sh <projektname>(Theme)- Liefere
final.mp4(Cinematic/Standard) oderfinal_fx.mp4(Theme) aus
Übersetzt aus dem Original-SKILL.md von EvoFlow – treu dem deterministischen Pipeline-Design und dem Katalog-zentrierten Routing.