caption-burn
Captions, die auf das ausgerichtet sind, was tatsächlich im fertigen Video gesagt wird – nicht auf die Schätzung des Drehbuchs.
Ausführen
python transcribe.py --media reel.mp4 --out reel.words.json # kostenpflichtig, Cents
python captions.py --video reel.mp4 --beats cutlist.aligned.json \
--words reel.words.json --out final.mp4 [--style plate|outline] [--highlight Brand]
--beats liefert die Zeilen (vo), deren Timing und bei Split-Layouts seam, size und den state jedes Beats. Jede Datei mit beats: [{start, end, vo}] funktioniert.
Platzierung und Stil
-
--anchor seam(Standard, wenn die Beats eine Naht haben): Beisplit-Beats wird die Plate an der Naht fixiert, positioniert durch die Plate, nicht den Text: 25 % der Plate oberhalb der Linie, 75 % darunter. Vollbild-Beats verwenden--full-y. -
--anchor fixed --y 0.62: Jede Caption-Plate wird mittig bei diesem Bruchteil der Höhe platziert. -
plate(Standard): Weiß fett auf einer dunkelgrauen abgerundeten Plate, 1–2 Wörter, cap ~0,019 H. -
outline: Weiß fett mit dunkler Kontur, keine Plate, 1–3 Wörter, cap ~0,034 H. -
--highlight WORDfärbt dieses Wort gelb (das CTA-Keyword). Wiederholbar. -
serif-word: EIN Wort auf einmal, schwere Serife (Georgia Bold), weiß mit schwarzer Kontur, auf einer festen Basislinie bei 0,77 H (der Screeninsert-Look). Das hervorgehobene Wort wird zitiert. -
--card "ZEILE EINS|ZEILE ZWEI" --card-until 4.7: Eine weiße abgerundete Hook-Karte mit zwei Zeilen schwerer roter Großbuchstaben nahe dem oberen Bildrand, für die ersten Sekunden. ~14 Zeichen pro Zeile.
Captions für ein Format ohne Sprachaufnahme (plates.py)
python plates.py --video walk.mp4 --beats cutlist.json --out captioned.mp4 [--logo logo.png]
Der caption-Eintrag jedes Beats (ein String oder eine Liste von Zeilen) wird für den gesamten Beat auf EINEM schwarzen Block angezeigt (Quadrate, die zu Rechtecken vereinigt und dann als eine einzige Silhouette abgerundet werden: das Abrunden jeder Zeile hinterlässt Nähte), Zeilen linksbündig, der Block zentriert auf seiner breitesten Zeile. Er wird in der leersten Zone des betreffenden Frames platziert, es sei denn, der Beat gibt cap_y vor. logo: true bei einem Beat hängt das Logo unter den Block. Schreibe Zeilen, wie eine Person sie tippen würde: Dieselbe kurze „Fragment. Fragment.“-Form dreimal wirkt KI-generiert. Kein Emoji zweimal.
Regeln
- Transkribiere das FERTIGE Audio. Das Zusammenfügen von Takes und das Ausrichten von Zeilen verschiebt das Timing; nur das Audio des finalen Videos liefert korrekte Hinweise.
- Die letzte Caption bleibt bis zum letzten Frame stehen. Sie ist der Call-to-Action.
- Ein Wort, das Whisper anders schreibt („200“ für „two hundred“) wird zwischen seinen Nachbarn interpoliert, anstatt es zu verwerfen oder über die gesamte Zeile zu strecken.
- Ohne
--wordswird das Timing anhand der Silben geschätzt. Verwende das nur zur Platzierungsbeurteilung, niemals zur Auslieferung. - Schriftarten: Eine fette Sans wird unter macOS, Linux oder Windows gefunden; falls keine vorhanden ist, wird Roboto Bold einmalig in
~/.cache/gooseworks/fontsabgelegt.--fontoderGW_CAPTION_FONTüberschreibt dies.