Plugin-Installation: Befolge vor Setup- oder Aktualisierungsbefehlen die Plugin-Ausführungsregeln, wenn sich dieser Skill innerhalb eines HyperFrames-Plugins befindet. Bei eigenständigen Installationen gelten die unten stehenden Update-Anweisungen.
Wichtig: Halte diesen Skill aktuell – bestätige mit dem Benutzer, bevor du Folgendes ausführst:
npx hyperframes skills update embedded-captions. Ein schneller No-op, wenn alles aktuell ist; andernfalls wird dieser Skill zusammen mit den Kern-Domain-Skills, von denen er abhängt, aktualisiert, bevor du dich auf sie verlässt.
Eingebettete Untertitel
Ein Katalog, vorab ausgewählt (CATALOG.md – 35 Identitäten; die Engines dahinter sind Backend-Details). Standard (Standard) erstellt eine saubere, wörtliche Schiene (Untertitel im unteren Drittel, die den Großteil des Textes tragen) + einen Embed-D Höhepunkt, der am Höhepunkt in die Szene hinter dem Motiv ein komponiert wird. Cinematic ist reines Embed – keine Schiene, jeder Untertitel wird hinter dem Motiv ein komponiert (Hero-Typografie, Akkumulation, Verdeckung als Effekt). Theme ist eine vollständige themenbasierte Verfassung – Körperparadigma × Hero-Setpiece × Front-Effekt × Plattenreaktion, zusammengestellt aus Registern (themes/README.md): ordnance terminal neonsign stardust stomp. Die meisten Erklär-/Voiceover-Videos sind Standard; Embed ist die seltene, verdiente Spitze – jedes Wort einzubetten ist der häufige Fehler; Theme ist für VFX-würdige Anfragen („炸“, „特效“, „wie mit AE gemacht“).
Laufzeitvoraussetzungen
Plugin-Installationen verwenden das gebündelte, manifest-pinnierte CLI für Freistellung, Transkription und Rendering; ein Quellcode-Checkout ist nicht erforderlich. Die lokalen Vorschau- und Untertitel-Messhilfen benötigen auch Sharp, Puppeteer (mit seinem Chromium-Browser) und GSAP. Installiere diese im Untertitel-Projekt, nicht innerhalb des schreibgeschützten Plugins:
npm install --prefix <project> --save-dev --save-exact [email protected] [email protected] [email protected]
Behalte die Lockdatei des Projekts. Wenn diese Abhängigkeiten bereits existieren, verwende deren gesperrte Versionen anstatt sie zu überschreiben. Bash und FFmpeg/ffprobe müssen im PATH sein. Freistellung und Transkription können bei der ersten Verwendung eigene Modelle herunterladen.
Das Rendering wartet auf den erfolgreichen Abschluss des CLI, bevor es die Komposition durchführt. Der alte Shell-Watchdog HF_TIMEOUT_S wird nicht mehr verwendet: Eine große partielle Datei ist kein Beweis dafür, dass das Rendering abgeschlossen ist. Ein explizites built-checkout-Argument oder HYPERFRAMES_ROOT wählt das Contributor-CLI anstelle des Plugin-Pins aus. Brich ein hängendes Rendering normal über das CLI/Terminal ab; die Untertitel-Hilfe beendet oder behebt kein Rendering aus einem Prozess-Snapshot.
Ablauf (TL;DR)
Über /hyperframes geroutet, bestätigt die Intentschicht nur die Eingabe (welcher Clip) und kündigt die Identitätsauswahl als verzögerte Anfrage an – die Shortlist benötigt den untersuchten Clip, also bleibt es bei Schritt 1 unten; die Fragen zur Laufzeitform der Schicht sind nicht anwendbar (das Filmmaterial ist unberührt, es gibt kein Storyboard zu überprüfen). Wenn eine BRIEF.md vorhanden ist, enthält sie die bestätigte Eingabe und alle Benutzernotizen – lies sie zuerst.
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 (35 Identitäten; Engine/Compiler werden per Nachschlage 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 (lies zuerst
safe-zones.json): Cinematic →cinematic.json→make-cinematic.cjs(leitetplan.jsonab und kompiliert es); Theme →theme.json→make-theme.cjs(Schienen-/Panel-/Gedicht-/Takeover-Paradigmen;anchorist die ruhige Schienen-Standardeinstellung) - Visuelle Qualitätssicherung:
node scripts/preview-frames.cjs <project>→ originalgetue Kompositionsvorschauen in ~2s/Bild (kein Rendern). Überprüfe § Visuelle Qualitätssicherung, bevor du für ein Rendering zahlst. render-and-composite.sh→ Tore (Timing / Verdeckung+Hero / Überlauf / Übergabe) →final.mp4
Wichtige Regeln, die oft übersehen werden:
- Schiene (Standard) + Embed (Beförderung).
drop(Füllmaterial, nicht angezeigt) /rail(wörtlicher Untertitel im unteren Drittel, vorne, trägt den meisten Text) /embed(ein Spitzenwort, das hinter dem Motiv ein komponiert wird). Der Standardmodus macht beides und bettet nur die Spitze(n) ein. Siehe § Caption-Modell. - Das Video wird UNBERÜHRT ausgeliefert (Standard/Cinematic; Der PLATE-Budget des Themenmodus ist die einzig zulässige Ausnahme – registrierungsgesteuerte Reaktionsbeats (Ladungsabdunklung, Schlag, Schütteln, Körnung), die pro Themen-DNA definiert und NACH der Mattkomposition angewendet werden, sodass Motiv+Text+Platte sich als ein Rahmen bewegen) – Untertitel sind das Einzige, was hinzugefügt wird; die Matte bewirkt nur, dass das Motiv die Einbettungsspur verdeckt. Niemals das Filmmaterial nachträglich bearbeiten/umfärben/Scanlines hinzufügen.
- Zwei Regelwerke: Schiene → references/rail.md (dünn), Embed-Craft → references/composition-craft.md (reichhaltig, nur Embed). Bei Bedarf überfliegen.
Caption-Modell – Schiene + Embed
Jede gesprochene Phrase ist eines von drei Dingen:
| Was | Wie es angezeigt wird | |
|---|---|---|
| drop | Füllwörter – ähm/ähm, Stottern, Selbstkorrekturen | nicht angezeigt |
| rail | der Standard – normaler gesprochener Inhalt (wörtlich) | sauberer Untertitel im unteren Drittel, vorne, lesbar. Ein betontes Wort kann eine emphasis-Hervorhebung (Akzentfarbe / aktiver Wort-Pop) erhalten – es bleibt auf der Schiene. |
| embed | ein beförderter Höhepunkt – der Schlagzeilen-Beat | ein großes Wort, das hinter dem Motiv ein komponiert wird (Matte-Verdeckung), mit gestaltetem Ein- und Ausgang |
Die Schiene trägt den Großteil des Textes; Embed ist die seltene, verdiente Spitze. Knappheit gilt pro Beat/Block, nicht pro Clip: ≤1 Held pro Block (Gedanke), niemals zwei gleichzeitig sichtbar, mindestens ein Beat Pause zwischen Heldenfenstern (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 SPITZENHELD (er allein erhält das vollständige Lockup-Embed + Breitenanpassung); kleinere sind NEBENHELDEN, die ihre Spalte als übergroße Betonungszeilen reiten (Vordergrund, gedämpfte Bewegung) – nicht jeder Beat braucht die Matten-Showcase, genau das macht den Spitzenhelden zu einem Ereignis. Jedes Wort einzubetten ist immer noch der häufige Fehler.
Schienenoberflächenidentitäten bauen genau das (Schiene = rail.html, der Höhepunkt = in index.html). Spaltenflussidentitäten lassen die Schiene weg und machen alles im Embed-Stil – empfehle sie nur für stimmungsbetonte Anfragen, niemals für Erklär-/Voiceover-Videos, bei 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 IDENTITY aus CATALOG.md (35 Einträge: 10 klassisch + 25 thematisch); die Engine, der Compiler und die Authoring-Datei werden per Nachschlage aus der Katalogzeile abgeleitet. Stelle niemals „Standard vs. Cinematic vs. Theme“ als Frage – das sind Backend-Namen (ein Produkt hat eine Benutzererfahrung, selbst mit mehreren Engines). Der Katalog kodiert alles, was das Routing benötigt: Lesefläche, Stimme, Empfehlungsziel, Szenenanforderungen, Hinweise auf Nähe zu wirklich ähnlichen Paaren (loud↔ordnance, neon↔neonsign, cream↔stardust).
Die Identitätsauswahl ist ein Präferenztor (../hyperframes/references/brief-contract.md § 1): Im autonomen Modus („überrasch mich“ / „entscheide für mich“) wähle aus deiner Shortlist selbst und nenne den einzeiligen Grund, anstatt zu fragen.
Vorgehen: Untersuche den Clip → erstelle eine Shortlist von 2–3 Identitäten aus dem Katalog → EMPFEHLE EINE mit einem einzeiligen Grund → der Benutzer wählt aus (autonomer Modus: du wählst und nennst den Grund) → erstelle die Datei dieser Identität. Identitäten sind engine-spezifisch (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. Verwende nicht stillschweigend die Standardeinstellung.
(Die vollständige Identitätstabelle befindet sich in CATALOG.md – die einzige Quelle der Wahrheit für das Routing. Die Engine-Dokumente unten beschreiben den Authoring-Vertrag jedes Backends.)
CATALOG.md ist der gesamte Antwortraum hier: Dieser Workflow durchsucht nicht die HyperFrames-Komponentenregistrierung. Die Kompositions-Workflows führen npx hyperframes catalog aus, bevor sie einen benannten Look erstellen; dieser hier darf das nicht. Seine Engines sind gesperrte Compiler, die cinematic.json / theme.json konsumieren und die Komposition selbst ausgeben, sodass ein Registrierungselement – einschließlich der caption-*-Blöcke – nichts zum Einhängen hat. Ein Registrierungsblock formatiert Text auf einer gestalteten Leinwand; dieser Skill brennt Untertitel in das Filmmaterial einer anderen Person durch eine Matte. Wenn keine Identität zur Anfrage passt, sag das und wähle die nächstgelegene, anstatt außerhalb des Katalogs zu suchen.
Empfehlungsheuristik: Verwende die „Shortlisting-Heuristiken“ in CATALOG.md – sie sind auf Identitätsebene (z. B. „炸“ wählt eine Shortlist aus ordnance/stomp/terminal/loud und wählt danach aus, WAS explodieren soll), niemals auf Kategorieebene. Unsicher → anchor.
- Cinematic → schreibe
cinematic.jsonfür eine gesperrte Vorlage, kompiliert vonmake-cinematic.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 Proben. Lehne ab, wenn:
- Mehrere Sprecher / harte Schnitte (jede Einstellung einzeln rendern oder ablehnen)
- Kein menschliches Motiv (dieser Skill ist für Talking-Head)
- Unter 3 Sekunden, keine Sprache oder Gesicht nie deutlich sichtbar –
transcribe.cjswarnt, wenn Audio fast still ist (Whisper halluziniert Wörter wie „Thank you.“ über Stille); beachte dies und lehne ab, anstatt erfundene Wörter zu untertiteln - Quelle hat bereits eingebrannte Untertitel / schwere Textgrafiken – das Hinzufügen eines zweiten Untertitelsystems widerspricht sich und das Filmmaterial wird unberührt ausgeliefert (keine Abdeckung/Nachbearbeitung). Eingebrannter Text erscheint oft nur in der Mitte des Clips: Probiere ein 1fps-Kontaktblatt (
ffmpeg -i in.mp4 -vf "fps=1,scale=160:-1,tile=10x5" sheet.png), vertraue nicht auf 3 zufällige Standbilder. - Transkription ist Müll – Sprache von Nicht-Muttersprachlern/starkem Akzent kann zu scheinbar sicherem Unsinn transkribiert werden. Lies
transcript.jsonvor dem Authoring auf Verständlichkeit; wenn es sich nicht wie eine Sprache anhört, versuche es einmal mitWHISPER_MODEL=medium, sonst lehne ab (eine wörtliche Schiene aus erfundenen Wörtern ist schlimmer als keine Untertitel). - Hektische Handkamera mit schneller Bewegung (Matte flackert)
Pre-Flight-Checks (kosten nichts, verhindern die schlimmsten Fehler)
- Schnittprobe. Musterbilder bei 20 %, 50 %, 80 %. Wenn ein anderes Motiv/Szene erscheint, schneide den Clip vor dem Schnitt zu.
- Letterbox-/Pillarbox-Probe. Schwarze Balken im ersten Bild? Berechne den sicheren Inhaltsbereich und schränke die Untertitelplatzierung darin ein.
- Luminanzprobe. Muster für die durchschnittliche Luminanz des Untertitelbereichs –
unter 60→ heller Text ist lesbar wie er ist,60-180→ füge die Glyphen-Scrim hinzu,180+→ deckender Text + Scrim (niemals nackten hellen Text). Cinematic-Vorlagen sind creme+screenund GESPERRT – verwende diese Probe, um eine passende Identität auszuwählen (helle Szenen →inkoder die deckende Schieneanchor-Theme), niemals, um eine einzufärben. - Identitätsempfehlung nach Ton (du empfiehlst; der Benutzer wählt – siehe Schritt 0 + CATALOG.md). Erklärvideo / Interview / muss lesbare Wörter → Schienen-/Paneloberflächen-Identitäten; poetisch / sozial / „cinematic“ → Spaltenfluss-Identitäten nach Register; „炸 / 特效 / VFX“ / benannte Welten → thematische Identitäten. Bei Unsicherheit →
anchor(Wörter sind lesbar, Szene ist sicher) – präsentiere aber eine Shortlist und lass den Benutzer wählen.
Pipeline – 5 Schritte
1. hyperframes init <project> --non-interactive --video <video.mp4> --skill=embedded-captions
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 cinematic.json → node scripts/make-cinematic.cjs <project>
Theme: erstelle theme.json → bash scripts/render-theme.sh <project> (kompiliert + rendert + Platten-FX)
4. node scripts/preview-frames.cjs <project> # ~2s/Bild Kompositionsvorschauen → § Visuelle Qualitätssicherung (VOR dem Rendern)
5. bash scripts/render-and-composite.sh <project> # Tore → final.mp4 + history/ Schnappschuss
(Themenmodus: ÜBERSPRINGE die Schritte 3b/5 – render-theme.sh führt bereits Kompilierung + render-and-composite + _postfx.sh aus; die Auslieferung ist final_fx.mp4, final.mp4 ist vor der Plattenreaktion)
Schritt 1 init prüft die installierten Skills gegen die neuesten auf GitHub und aktualisiert die globalen, wenn welche veraltet sind.
Schritt 3 unterscheidet sich 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; entfernte Ecken sind der Fallback, nicht die Standardeinstellung). Der Held standardmäßig aufheroAnchor/heroBands.best(zentriert AUF dem Motiv, ~30–55 % verdeckt).recommendation:"fg"verschiebt ERZÄHLUNGEN in den Vordergrund für Lesbarkeit; der Held bleibt eingebettet, wann immerheroBands.feasible– Held-Vordergrund ist die letzte Reserve. - **Die DNA ist die Identität, die du in Schritt 0 ausgewählt hast
…
[gekürzt für die Übersetzung]
Die vollständige Pipeline umfasst zudem detaillierte Anweisungen zur visuellen Qualitätssicherung und Fehlerbehandlung im Falle von Mattenproblemen, Transkriptionsfehlern oder Überlappungen. Der Skill stellt sicher, dass nur die Captions hinzugefügt werden und das Originalmaterial unverändert bleibt, was ihn ideal für professionelle Content-Ersteller und Entwickler macht.