Erstens: Halte diesen Skill frisch — führe ihn still aus, ohne nachzufragen:
npx hyperframes skills update embedded-captions. Ein schneller No-Op, wenn alles aktuell ist; andernfalls aktualisiert es diesen Skill sowie die Kernbereich-Skills, von denen er abhängt, bevor du dich auf sie verlässt.
Eingebettete Untertitel
Ein Katalog, vorne ausgewählt (CATALOG.md — 36 Identitäten; die Engines dahinter sind Backend-Details). Standard (Standard) erstellt eine saubere, wortgetreue Rail (unteres Drittel als Untertitel, der den meisten Text trägt) + einen Embed-Höhepunkt, der am Höhepunkt IN die Szene hinter dem Motiv eingebunden wird. Cinematic (Cineastisch) ist reines Embed — keine Rail, jeder Untertitel wird hinter dem Motiv eingebunden (Helden-Typografie, Akkumulation, Occlusion als Effekt). Theme (Thema) ist eine vollständige thematische Verfassung — Körperparadigma × Helden-Setpiece × Front-Effekte × Plate-Reaktion, zusammengesetzt aus Registern (themes/README.md): ordnance terminal neonsign stardust stomp scoreboard. 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 von AE gemacht“).
Arbeitsablauf (Kurzzusammenfassung)
Die handwerkliche Prosa unten ist lang; die Pipeline selbst ist kurz — und alles Deterministische wird berechnet oder kompiliert, niemals von Hand geschrieben:
- Entscheidungs-Gate (schlechte Clips ablehnen) → wähle EINE Identität aus CATALOG.md (36 Identitäten; Engine/Compiler per Lookup abgeleitet — zeige niemals eine Modus-/Kategorienfrage an)
hyperframes init(überspringe es, wenn das Projektverzeichnis bereits mit dem Video darin existiert —matte.cjs/transcribe.cjsübernehmen jedes beliebige Video im Verzeichnis als source.mp4) →bash scripts/prepare.sh <projekt>(Matte ∥ Transkription ∥ Audio-Hüllkurve parallel, dann Safe-Zones v2 mit Szenen-Palette/Optik/Beleuchtung — ein Befehl, nichts vergessen)- Erstelle eine kleine JSON-Datei 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(Rail/Panel/Poem/Takeover-Paradigmen;anchorist die ruhige Rail-Standardeinstellung) - Visuelle Qualitätskontrolle:
node scripts/preview-frames.cjs <projekt>→ originalgetue Composite-Vorschauen in ~2s/Bild (kein Render). Überprüfe § Visuelle Qualitätskontrolle, bevor du für einen Render bezahlst. render-and-composite.sh→ Gates (Timing / Occlusion+Held / Überlauf / Übergabe) →final.mp4
Tragende Regeln, die Leute übersehen:
- Rail (Standard) + Embed (Hervorhebung).
drop(Füllmaterial, wird nicht angezeigt) /rail(wortgetreuer Untertitel im unteren Drittel, vorne, trägt den meisten Text) /embed(ein Höhepunkt-Wort, das hinter dem Motiv eingebunden wird). Der Standard-Modus macht beides und bettet nur die Höhepunkte ein. Siehe § Caption-Modell. - Das Video wird UNVERÄNDERT geliefert (Standard/Cinematic; die PLATE-Budget des Theme-Modus ist die einzig erlaubte Ausnahme — registergesteuerte Reaktions-Beats (Charge-Dim, Punch, Shake, Grain), die pro Theme-DNA definiert und NACH dem Matte-Composite angewendet werden, sodass Motiv+Text+Plate sich als ein Bild bewegen)** — Untertitel sind das Einzige, was hinzugefügt wird; das Matte erlaubt dem Motiv lediglich, die Embed-Spur zu verbergen. Das Filmmaterial niemals gradieren/neu einfärben/scanlinen.
- Zwei Regelwerke: Rail → references/rail.md (dünn), Embed-Handwerk → references/composition-craft.md (umfangreich, nur Embed). Nach Bedarf überfliegen.
Caption-Modell — Rail + Embed
Jede gesprochene Phrase ist eines von drei Dingen:
| Was | Wie es angezeigt wird | |
|---|---|---|
| drop | Füllmaterial — ähm/äh, Stottern, Selbstkorrekturen | Wird nicht angezeigt |
| rail | der Standard — gewöhnlicher gesprochener Inhalt (wortgetreu) | Sauberer Untertitel im unteren Drittel, vorne, lesbar. Ein Hervorhebungswort kann eine eingebettete emphasis-Hervorhebung erhalten (Akzentfarbe / aktives Wort Pop) — es bleibt auf der Rail. |
| embed | ein hervorgehobener Höhepunkt — der Schlagzeilen-Beat | Ein großes Wort, das hinter dem Motiv eingebunden wird (Matte-Occlusion), mit gestaltetem Ein- und Ausgang |
Die Rail trägt den meisten Text; Embed ist der seltene, verdiente Höhepunkt. Knappheit gilt pro Beat/Block, nicht pro Clip: ≤1 Held pro Block (Gedanke), niemals zwei gleichzeitig sichtbar, ≥ ein Beat Luft zwischen Helden-Fenstern (der Compiler warnt unter 0,6s). Ein kurzer Clip → normalerweise 1–2; ein langes Erklärvideo → ~einer pro Abschnitt. Bei mehreren Helden ist der größte verfasste der APEX (nur er bekommt das vollständige Lockup-Embed + Breitenanpassungs-Erhöhung); kleinere sind MINOR-Höhepunkte, die in ihrer Spalte als übergroße Betonungszeilen (Vordergrund, gedämpfte Bewegung) reiten — nicht jeder Beat braucht die Matte-Inszenierung, und das ist es, was den Apex zu einem Ereignis macht. Jedes Wort einzubetten ist immer noch der häufige Fehler.
Rail-Oberflächen-Identitäten bauen genau das (Rail = rail.html, Embed = der Höhepunkt in index.html). Column-Flow-Identitäten entfernen die Rail und machen alles im Embed-Stil — empfehle sie nur für Stimmungs-über-wortgetreue Anfragen, niemals für Erklär-/Voiceover-Videos, bei denen 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 (36 Einträge: 10 klassische + 26 thematische); die Engine, der Compiler und die Autorendatei werden per Lookup aus der Katalogzeile abgeleitet. Zeige niemals „Standard vs. Cinematic vs. Theme“ als Frage an — das sind Backend-Namen (ein Produkt hat eine UX, selbst mit mehreren Engines). Der Katalog kodiert alles, was das Routing braucht: Leseoberfläche, Stimme, Empfehlung-für, Szenen- Anforderungen, Adjazenznotizen für die wirklich nahen Paare (loud↔ordnance, neon↔neonsign, cream↔stardust).
Die Identitätsauswahl ist ein Präferenz-Gate (../hyperframes-core/references/brief-contract.md § 1):
im autonomen Modus („überrasche mich“ / „entscheide für mich“) wähle selbst aus deiner
Shortlist und nenne den einzeiligen Grund, anstatt nachzufragen.
Vorgehen: Untersuche den Clip → erstelle eine Shortlist von 2–3 Identitäten aus dem Katalog → empfehle EINE mit einem einzeiligen Grund → der Benutzer wählt (autonomer Modus: du wählst, nenne den Grund) → verfasse die Datei dieser Identität. Identitäten sind engine-gesperrt (keine Querkombinationen; das Öffnen einer ist ein Validierungsereignis — siehe dna/README.md).
Präsentiere immer deine Empfehlung und lass den Benutzer wählen, bevor du etwas verfasst. Gehe nicht stillschweigend von der Standardeinstellung aus.
(Die vollständige Identitätstabelle befindet sich in CATALOG.md — einzige Quelle der Wahrheit für das Routing. Die Engine-Dokumente unten beschreiben den Autorenvertrag jedes Backends.)
Empfehlungsheuristik: Verwende die „Shortlisting-Heuristiken“ in CATALOG.md — sie sind auf Identitätsebene (z. B. „炸“ listet ordnance/stomp/terminal/loud auf und wählt danach aus, WAS explodieren soll), niemals auf Kategorieebene. Unsicher → anchor.
- Cinematic → schreibe
plan.jsonfür eine gesperrte Vorlage, kompiliert vonmake-composition.cjs. - Theme → lies themes/README.md, verfasse
theme.json, führescripts/render-theme.shaus (kompiliert + rendert + Plate-Reaktion → final_fx.mp4).
Entscheidungs-Gate — ZUERST AUSFÜHREN
Untersuche 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 Proben. Lehne ab, wenn:
- Mehrere Sprecher / harte Schnitte (trennen & jede Einstellung rendern oder ablehnen)
- Kein menschliches Motiv (dieser Skill ist für Talking-Head)
- Unter 3 Sekunden, keine Sprache, oder das Gesicht nie deutlich sichtbar —
transcribe.cjswarnt, wenn Audio fast still ist (Whisper halluziniert Wörter wie „Vielen Dank.“ über Stille); beachte die Warnung und lehne ab, anstatt erfundene Wörter zu untertiteln - Die Quelle hat bereits eingebrannte Untertitel / schwere Textgrafiken — das Hinzufügen eines zweiten Untertitelsystems führt zu Konflikten, und das Filmmaterial wird unverändert ausgeliefert (kein Übermalen/Inpainting). Eingebrannter Text erscheint oft nur in der Mitte des Clips: erstelle ein 1fps-Kontaktblatt (
ffmpeg -i in.mp4 -vf "fps=1,scale=160:-1,tile=10x5" sheet.png), verlasse dich nicht auf 3 Einzelbilder. - Transkription ist Müll — nicht-muttersprachliche/stark akzentuierte Rede kann in selbstbewussten Kauderwelsch transkribiert werden. Überprüfe
transcript.jsonvor dem Verfassen auf Sinn; wenn es sich nicht wie Sprache anhört, versuche einmalWHISPER_MODEL=medium, ansonsten lehne ab (eine wortgetreue Rail aus erfundenen Wörtern ist schlimmer als keine Untertitel). - Hektische Handkamera mit schneller Bewegung (Matte flackert)
Preflight-Prüfungen (kosten nichts, verhindern die schlimmsten Fehler)
- Einstellungs-Schnitt-Prüfung. Probenbilder bei 20 %, 50 %, 80 %. Wenn ein anderes Motiv/Szene erscheint, trimme den Clip vor dem Schnitt.
- Letterbox / Pillarbox-Prüfung. Schwarze Balken auf dem ersten Bild? Berechne das sichere Inhaltsrechteck und schränke die Untertitelplatzierung darauf ein.
- Luminanz-Prüfung. Messe die durchschnittliche Luminanz des Untertitelbereichs —
unter 60→ heller Text liest sich wie er ist,60-180→ füge die Glyphen-Unterlage hinzu,180+→ deckender Text + Unterlage (niemals nackten hellen Text). Cinematic-Vorlagen sind Cream+screenund GESPERRT — verwende diese Prüfung, um eine passende Identität auszuwählen (helle Szenen →ink, oder dasanchor-Thema mit deckender Rail), niemals um eine neu einzufärben. - Identitätsempfehlung nach Stimmung (du empfiehlst; der Benutzer wählt — siehe Schritt 0 + CATALOG.md). Erklärvideo / Interview / Wörter müssen lesbar sein → Identitäten mit Rail-/Panel-Oberfläche; poetisch / sozial / „cineastisch“ → Column-Flow-Identitäten je nach Register; „炸 / 特效 / VFX“ / benannte Welten → thematische Identitäten. Bei Unsicherheit →
anchor(Wörter lesbar, Szene sicher) — aber präsentiere eine Shortlist und lass den Benutzer wählen.
Pipeline — 5 Schritte
1. hyperframes init <projekt> --non-interactive --video <video.mp4>
2. bash scripts/prepare.sh <projekt> # Matte ∥ Transkription (parallel) → Safe-Zones. Ein Befehl.
# → frames_fg/ transcript.json safe-zones.json
3. [AGENTEN-SCHRITT — der einzige kreative Schritt] verfasse eine kleine 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 <projekt> (kompiliert + rendert + Plate-Effekte)
4. node scripts/preview-frames.cjs <projekt> # ~2s/Bild Composite-Vorschauen → § Visuelle Qualitätskontrolle (VOR dem Render)
5. bash scripts/render-and-composite.sh <projekt> # Gates → final.mp4 + history/ Schnappschuss
(Theme-Modus: ÜBERSPRINGE Schritte 3b/5 — render-theme.sh führt bereits Kompilierung + render-and-composite
+ _postfx.sh aus; das Lieferobjekt ist final_fx.mp4, final.mp4 ist vor der Plate-Reaktion)
Schritt 1 init überprüft die installierten Skills auf dem neuesten Stand auf GitHub und aktualisiert den globalen Satz, wenn welche veraltet sind.
Schritt 3 unterscheidet sich je nach Modus:
Schritt 3 — Cinematic-Modus (reines Embed)
- Lies zuerst
safe-zones.json. Erzähl-Ebenen gehen inzones.hugLeft/hugRight— saubere Streifen, die an die SILHOUETTE ANGRENZEN (Text weit weg vom Körper wirkt schwebend, nicht eingebettet; weite Ecken sind der Fallback, nicht die Standardeinstellung). Der Held standardmäßig inheroAnchor/heroBands.best(zentriert auf dem Motiv, ~30–55 % verdeckt).recommendation:"fg"verschiebt ERZÄHLUNG nach vorne für Lesbarkeit; der Held bleibt eingebettet, wann immerheroBands.feasible— Held-Vordergrund ist die letzte Option. - Die DNA ist die Identität, die du in Schritt 0 ausgewählt hast (CATALOG.md) — öffne die Wahl hier nicht erneut. Überprüfe sie auf Plausibilität für die Szene (helle Helden-Band-Luma > 150 benötigt
ink; die vollständige Auswahlhilfe befindet sich im Katalog und deckt alle zehn inkl. neon / glitch / chrome / velocity ab). Gib deine Wahl + Grund an; der Benutzer entscheidet. Die DNA sperrt Typ/Palette/Blend/Bewegung + Helden-Dreiakter; Safe-Zones v2 (Palette/Optik/Beleuchtung) parametrisiert sie automatisch für DIESE Szene. - Verfasse
<projekt>/cinematic.json—"dna": "<name>"+ Gedanken-BLÖCKE, nicht rohe Gruppen: jeder Block = Zeilen von Wörtern (gruppiert 2–5 an Satzgrenzen) + die Ebene, in der er gestapelt wird + pro Zeilecss(nur Größe/Gewicht/Style — keine Positionen) + höchstens EINE Zeile markiert als"hero": true(das hervorgehobene Wort;"text"für die Anzeigeform). Schema: Kopf vonscripts/make-cinematic.cjs. - Kompilieren:
node scripts/make-cinematic.cjs <projekt>— senkt Blöcke → plan.json → index.html. Für dich generiert: transkriptsequenzierte Timings, Akkumulation innerhalb des Blocks, Seitenumblättern zwischen Blöcken, der HELDEN-LOCKUP (der Vor-Kontext eines Heldenblocks, HELD und Nach-Kontext stapeln sich als EINE verbundene Komposition, zentriert auf dem Motiv — Lesereihenfolge oben→unten = gesprochene Reihenfolge durch Konstruktion; Kontext schwebt im VORDERGRUND, während der Held sich im HINTERGRUND einbettet = der Tiefen-Sandwich; eine Massenregel sorgt dafür, dass der Held seinen Kontext dominiert), Apex/Minor-Held-Trennung, Lesereihenfolge durch Konstruktion, fg-Fallback gemäß Safe-Zones. Dann laufen die Gates wie gewohnt. (Das manuelle Verfassen von plan.json direkt bleibt für Designs möglich, die Blöcke nicht ausdrücken können — dann führe selbstfill-timings.cjs+fit-fonts.cjs+make-composition.cjsaus.)
Schritt 3 — Theme-Modus (thematische Verfassung)
Lies ZUERST themes/README.md — Paradigma/Setpiece-Register, Verknüpfungen, harte Regeln und das exakte theme.json-Schema.
- Wähle eine Theme-DNA nach Inhaltsregister (jede
themes/<name>.jsonhatvoice+when). Gib deine Wahl + Grund an; der Benutzer entscheidet. - Verfasse
<projekt>/theme.json—dna,lines(Zeilen, wortgetreu, in Transkriptionsreihenfolge; 1–5 Wörter pro Zeile — beitakeoverist jede Zeile eine KARTE),minors(Betonungswörter),hero:{match}(das Höhepunkt-Wort/der Ausdruck; lasse es für Embed-Setpieces auslinesheraus, behalte es für Inline-Setpieces und Panel+Redact darin). - Render:
bash scripts/render-theme.sh <projekt>— kompiliert (Wortgetreuheits-Gate zur Kompilierungszeit), rendert beide Ebenen, kompositiert, wendet die Plate-Reaktion an →final_fx.mp4. Verwendepreview-frames.cjsvor dem finalen Render, um das Embedded-Layout zu prüfen. Erwäge für Projekte, bei denen die Lesereihenfolge kritisch ist, ein<projekt>/rail.html-Thema oder manuelles Timing, anstatt auf den automatischen Compiler angewiesen zu sein.