Eingebettete Untertitel
Ein Katalog, vorab ausgewählt (CATALOG.md – 17 Identitäten; die drei Engines dahinter sind Backend-Details). Standard (Standard) erstellt eine saubere, verbatim Leiste (unteres Drittel Untertitel, die den Großteil des Textes tragen) + einen Embed-Höhepunkt, der in die Szene hinter der Person zum Höhepunkt hin eingefügt wird. Cinematic ist reines Embed – keine Leiste, jeder Untertitel wird hinter der Person in die Szene eingefügt (Hero-Typografie, Akkumulation, Okklusion als Effekt). Theme ist eine vollständige thematische Verfassung – Paradigma des Körpers × Hero-Setpiece × Front-Effekt × Plattenreaktion, zusammengestellt 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-artige Anfragen ("炸", "特效", "wie in AE gemacht").
Betriebsablauf (TL;DR)
Der folgende handwerkliche Text ist lang; die Pipeline selbst ist kurz – und alles Deterministische wird berechnet oder kompiliert, niemals von Hand geschrieben:
- Entscheidungstor (schlechte Clips ablehnen) → Wähle EINE Identität aus CATALOG.md (17 Identitäten; Engine/Compiler werden per Lookup abgeleitet – niemals eine Modus-/Kategoriefrage stellen)
hyperframes init(überspringe es, wenn das Projektverzeichnis bereits mit dem Video existiert –matte.cjs/transcribe.cjsübernehmen jedes Video im Verzeichnis als source.mp4) →bash scripts/prepare.sh <project>(matte ∥ transcribe ∥ audio-envelope parallel, dann safe-zones v2 mit Szenenpalette/Optik/Beleuchtung – ein Befehl, nichts vergessen)- Erstelle ein kleines JSON mit kreativen Entscheidungen (zuerst
safe-zones.jsonlesen): Cinematic →plan.json→fill-timings.cjs→fit-fonts.cjs→make-composition.cjs; Theme →theme.json→make-theme.cjs(Leisten-/Panel-/Gedicht-/Übernahme-Paradigmen;anchorist die Standardeinstellung für die ruhige Leiste) - Visuelle Qualitätssicherung:
node scripts/preview-frames.cjs <project>→ originalgetreue Composite-Vorschauen in ~2s/Bild (kein Rendern). Prüfe § Visuelle Qualitätssicherung, bevor du für ein Rendering bezahlst. render-and-composite.sh→ Tore (Timing / Okklusion+Hero / Überlauf / Übergabe) →final.mp4
Wichtige Regeln, die Leute übersehen:
- Leiste (Standard) + Embed (Promotion).
drop(Füllwort, nicht angezeigt) /rail(verbatim Untertitel im unteren Drittel, vorne, trägt den meisten Text) /embed(ein Höhepunkt-Wort, das hinter der Person eingefügt wird). Der Standard-Modus macht beides und bettet nur den/die Höhepunkt(e) ein. Siehe § Untertitelmodell. - Das Video wird UNBERÜHRT geliefert (Standard/Cinematic; das PLATTE-Budget des Theme-Modus ist die einzig sanktionierte Ausnahme – registergesteuerte Reaktions-Beat (Ladungsabdunklung, Schlag, Schütteln, Körnung), die pro Theme-DNA definiert und NACH dem Matte-Composite angewendet werden, sodass Person+Text+Platte sich als ein Bild bewegen) – Untertitel sind das Einzige, was hinzugefügt wird; die Matte sorgt nur dafür, dass die Person die Embed-Spur verdecken kann. Niemals das Filmmaterial graduieren/umfärben/scanlinen.
- Zwei Regelwerke: Leiste → references/rail.md (dünn), Embed-Handwerk → references/composition-craft.md (reichhaltig, nur Embed). Nach Bedarf überfliegen.
Untertitelmodell – Leiste + Embed
Jeder gesprochene Satz ist eines von drei Dingen:
| Was | Wie es angezeigt wird | |
|---|---|---|
| drop | Füllwort – ähm/äh, Stottern, Selbstkorrekturen | nicht angezeigt |
| rail | Standard – normaler gesprochener Inhalt (verbatim) | saubere Untertitel im unteren Drittel, vorne, lesbar. Ein Schlagwort kann einen inline emphasis-Highlight erhalten (Akzentfarbe / aktives Wort-Pop) – es bleibt auf der Leiste. |
| embed | ein beworbener Höhepunkt – der Schlagzeilen-Beat | ein großes Wort, das hinter der Person eingefügt wird (Matte-Okklusion), mit gestaltetem Ein- und Ausgang |
Die Leiste trägt den meisten Text; Embed ist der seltene, verdiente Höhepunkt. Knappheit gilt pro Beat/Block, nicht pro Clip: ≤1 Hero pro Block (Gedanke), niemals zwei gleichzeitig sichtbar, ≥ ein Beat Luft zwischen Hero-Fenstern (der Compiler warnt bei unter 0,6 s). Ein kurzer Clip → normalerweise 1–2; ein langes Erklärvideo → ~einer pro Abschnitt. Bei mehreren Heros ist der größte erstellte der APEX (nur er erhält das vollständige Lockup-Embed + Breitenanpassung nach oben); kleinere sind MINOR-Höhepunkte, die in ihrer Spalte als übergroße Hervorhebungszeilen (Vordergrund, gedämpfte Bewegung) fahren – nicht jeder Beat braucht die Matte-Showcase, genau das macht den Apex zu einem Ereignis. Jedes Wort einzubetten ist immer noch der häufige Fehler.
Identitäten mit Leistenoberfläche bauen genau dies auf (Leiste = rail.html, Embed = der Höhepunkt in index.html). Column-Flow-Identitäten entfernen die Leiste und gestalten alles im Embed-Stil – empfehle sie nur für Anfragen, bei denen Stimmung vor Verbatim geht, niemals für Erklär-/Voiceover-Videos, in denen die Wörter 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 klassische + 5 thematische); Engine, Compiler und Autorendatei werden per Lookup aus der Katalogzeile abgeleitet. Stelle niemals "Standard vs Cinematic vs Theme" als Frage – das sind Backend-Namen (ein Produkt hat eine UI, auch mit mehreren Engines). Der Katalog kodiert alles, was das Routing braucht: Leseoberfläche, Stimme, Empfehlung-für, Szenenanforderungen, Adjazenznotizen für die wirklich nahen Paare (loud↔ordnance, neon↔neonsign, cream↔stardust).
Vorgehen: Clip untersuchen → 2–3 Identitäten aus dem Katalog in die engere Wahl nehmen → eine mit einer einzeiligen Begründung empfehlen → der Benutzer wählt → die Datei dieser Identität erstellen. Identitäten sind engine-gebunden (keine Querkombinationen; das Öffnen einer ist ein Validierungsereignis – siehe dna/README.md).
Präsentiere immer deine Empfehlung und lass den Benutzer wählen, bevor du etwas erstellst. Keine stille Standardeinstellung.
(Die vollständige Identitätstabelle befindet sich in CATALOG.md – die einzige Quelle der Wahrheit für das Routing. Die Engine-Dokumente unten beschreiben den Autorenvertrag jedes Backends.)
Empfehlungsheuristik: Verwende die "Shortlisting heuristics" in CATALOG.md – sie sind auf Identitätsebene (z. B. "炸" grenzt ordnance/stomp/terminal/loud ein und wählt nach WAS explodieren soll), niemals auf Kategorieebene. Unsicher → anchor.
- Cinematic → schreibe
plan.jsonfür eine feste Vorlage, kompiliert vonmake-composition.cjs. - Theme → lies themes/README.md, erstelle
theme.json, führescripts/render-theme.shaus (kompiliert + rendert + Plattenreaktion → final_fx.mp4).
Entscheidungstor – ZUERST AUSFÜHREN
Untersuche das Video und klassifiziere die Szene, bevor du einen Modus wählst.
ffprobe <video.mp4> # Spezifikationen
ffmpeg -ss <t> -i <video.mp4> -vframes 1 sample.png # bei 20/50/80%
Lies die Samples. Lehne ab, wenn:
- Mehrere Sprecher / harte Schnitte (jede Einstellung einzeln rendern oder ablehnen)
- Kein menschliches Subjekt (diese Fähigkeit ist für Talking-Head)
- Unter 3 Sekunden, keine Sprache, oder das Gesicht nie klar sichtbar –
transcribe.cjswarnt, wenn Audio nahezu still ist (Whisper halluziniert Wörter wie "Vielen Dank." 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 verursacht Konflikte und das Filmmaterial wird unberührt ausgeliefert (kein Überdecken/Inpainting). Eingebrannter Text erscheint oft erst mitten im Clip: Erstelle ein 1fps-Kontaktblatt (
ffmpeg -i in.mp4 -vf "fps=1,scale=160:-1,tile=10x5" sheet.png), verlasse dich nicht auf 3 Einzelbilder. - Transkript ist Müll – nicht-muttersprachliche/stark akzentuierte Sprache kann zu selbstbewusstem Unsinn transkribieren. Lies
transcript.jsonauf Plausibilität, bevor du etwas erstellst; wenn es sich nicht als Sprache parsen lässt, versuche es einmal mitWHISPER_MODEL=medium, sonst lehne ab (eine verbatim Leiste mit erfundenen Wörtern ist schlimmer als keine Untertitel). - Hektische Handkamera mit schneller Bewegung (Matte flackert)
Pre-Flight-Prüfungen (kosten nichts, verhindern die schlimmsten Fehler)
- Einstellungsschnitt-Prüfung. Sammle Einzelbilder bei 20 %, 50 %, 80 %. Wenn ein anderes Subjekt/Szene erscheint, schneide den Clip vor dem Schnitt zurecht.
- Letterbox / Pillarbox-Prüfung. Schwarze Balken im ersten Bild? Berechne das sichere Inhaltsrechteck und beschränke die Untertitelplatzierung darauf.
- Luminanz-Prüfung. Messe 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 cream+screenund FEST – verwende diese Prüfung, um eine passende Identität auszuwählen (helle Szenen →ink, oder das opake Leisten-anchor-Theme), niemals, um eine umzufärben. - Identitätsempfehlung nach Ton (du empfiehlst; der Benutzer wählt – siehe Schritt 0 + CATALOG.md). Erklärvideo / Interview / Wörter müssen lesbar sein → Identitäten mit Leisten-/Paneloberfläche; poetisch / sozial / "cinematic" → Column-Flow-Identitäten nach Register; "炸 / 特效 / VFX" / benannte Welten → thematische Identitäten. Bei Unsicherheit →
anchor(Wörter lesbar, Szene sicher) – aber präsentiere eine engere Auswahl und lass den Benutzer wählen.
Pipeline – 5 Schritte
1. hyperframes init <project> --non-interactive --video <video.mp4> --skip-skills
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] erstelle ein kleines JSON; siehe unten nach Modus
Cinematic: erstelle plan.json → node scripts/fill-timings.cjs → fit-fonts.cjs → make-composition.cjs
Theme: erstelle theme.json → bash scripts/render-theme.sh <project> (kompiliert + rendert + Platteneffekte)
4. node scripts/preview-frames.cjs <project> # ~2s/Bild Composite-Vorschauen → § Visuelle Qualitätssicherung (VOR dem Rendern)
5. bash scripts/render-and-composite.sh <project> # Tore → 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 der Plattenreaktion)
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 ANGRENZEND an die Silhouette (Text weit weg vom Körper wirkt schwebend, nicht eingebettet; ferne Ecken sind die Ausweichlösung, nicht der Standard). Der Hero standardmäßig inheroAnchor/heroBands.best(zentriert AUF der Person, ~30–55 % verdeckt).recommendation:"fg"verschiebt ERZÄHLUNG nach vorne für Lesbarkeit; der Hero bleibt eingebettet, wann immerheroBands.feasible– Hero-Vordergrund ist die letzte Lösung. - Die DNA ist die Identität, die du in Schritt 0 ausgewählt hast (CATALOG.md) – öffne die Wahl hier nicht erneut. Prüfe sie auf Plausibilität gegen die Szene (heller Hero-Bereich Luma > 150 will
ink; die vollständige Auswahlhilfe befindet sich im Katalog und deckt alle zehn inkl. neon / glitch / chrome / velocity ab). Nenne deine Wahl + Begründung; der Benutzer entscheidet. Die DNA sperrt Typ/Palette/Blend/Bewegung + Heldendreiakter; safe-zones v2 (palette/optics/lighting) parametrisiert es AUTOMATISch an DIESE Szene an. - Erstelle
<project>/cinematic.json–"dna": "<name>"+ Gedanken-BLÖCKE, nicht rohe Gruppen: jeder Block = Wortzeilen (gruppiert 2–5 an Satzgrenzen) + die Ebene, in der er sich stapelt + pro Zeilecss(nur Größe/Gewicht/Stil – keine Positionen) + maximal EINE Zeile markiert als"hero": true(das beworbene Wort;"text"für die Anzeigeform). Schema:scripts/make-cinematic.cjs-Kopf. - Kompilieren:
node scripts/make-cinematic.cjs <project>– senkt Blöcke → plan.json → index.html. Für dich generiert: transkriptsequenzierte Timings, Akkumulation innerhalb des Blocks, Seitenwechsel zwischen Blöcken, der Hero-LOCKUP (der Vor-Kontext eines Hero-Blocks, HERO und Nach-Kontext stapeln sich als EINE verbundene Komposition, zentriert auf die Person – Lesereihenfolge oben→unten = gesprochene Reihenfolge durch Konstruktion; Kontext schwebt im VORDERGRUND, während der Hero im HINTERGRUND eingebettet wird = das Tiefensandwich; eine Massenregel hält den Hero dominant über seinen Kontext), Apex/Minor-Hero-Split, Lesereihenfolge durch Konstruktion, Vordergrund-Ausweichlösung pro safe-zones. Dann laufen die Tore wie gewohnt. (Das manuelle Erstellen von plan.json direkt bleibt möglich für Designs, die Blöcke nicht ausdrücken können – führe dannfill-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. - Erstelle
<project>/theme.json–dna,lines(verbatim, Transkriptreihenfolge; 1–5 Wörter pro Zeile – beitakeoverist jede Zeile eine KARTE),minors(Hervorhebungs-Wörter),hero:{match}(das Höhepunkt-Wort/der Höhepunkt-Satz; lass es für Embed-Setpieces auslinesheraus, behalte es für inline-Setpieces und panel+redact darin). - Rendern:
bash scripts/render-theme.sh <project>– kompiliert (Verbatim-Vollständigkeitstor zur Kompilierzeit), rendert beide Ebenen, erstellt Composites, wendet die Plattenreaktion an →final_fx.mp4. Verwendepreview-frames.cjszwischen Kompilierung und Rendern für die visuelle Qualitätssicherung.
Visuelle Qualitätssicherung – Vorschau VOR dem Rendern
node scripts/preview-frames.cjs <project> [t…] erstellt originalgetreue Vorschaubilder in ~2s pro Bild
(Untertitelebenen zum Suchzeitpunkt erfasst + echtes Videobild + Matte-Okklusion + Leisten-Overlay = wie das
endgültige Composite in diesem Moment aussehen wird). Standard-Samples = jedes Gruppen-/Höhepunkt-Fenster.
Ein vollständiges Rendern kostet Minuten – verwende es niemals, um Layout-Probleme zu entdecken.
Prüfe die Vorschauen (<project>/preview/sheet.png) anhand dieser Liste – das sind die Fehler, die die
geometrischen Tore nicht abfangen können:
- Auswaschung – heller Text über einem hellen Bereich
...