Instalación de plugins: Antes de ejecutar comandos de configuración o actualización, siga las reglas de ejecución de plugins cuando este skill esté dentro de un plugin de HyperFrames. Las instalaciones independientes mantienen las instrucciones de actualización a continuación.
Primero, mantenga este skill actualizado — confirme con el usuario antes de ejecutar:
npx hyperframes skills update embedded-captions. Es una operación rápida sin efectos cuando todo está al día; de lo contrario, actualiza este skill junto con los skills del dominio central de los que depende antes de usarlos.
Subtítulos Incrustados
Un único catálogo, elegido de antemano (CATALOG.md — 35 identidades; los motores detrás son detalles de implementación). Estándar (por defecto) construye una barra limpia de subtítulos literales (franja inferior que lleva la mayor parte del texto) + un clímax incrustado compuesto dentro de la escena detrás del sujeto en el punto álgido. Cinematográfico es puramente incrustado — sin barra, cada subtítulo compuesto detrás del sujeto (tipografía principal, acumulación, oclusión como efecto). Tema es una constitución temática completa — paradigma del cuerpo × pieza principal × efectos frontales × reacción de placa, compuesta a partir de registros (themes/README.md): ordnance terminal neonsign stardust stomp. La mayoría de videos explicativos / voz en off usan Estándar; el incrustado es el pico escaso y ganado — incrustar cada palabra es el error común; Tema es para solicitudes de nivel VFX ("炸", "特效", "como hecho en AE").
Requisitos previos de ejecución
Las instalaciones de plugin usan la CLI empaquetada con versiones fijadas en el manifiesto para enmascaramiento, transcripción y renderizado; no se necesita clonar el repositorio. Las ayudas de previsualización local y medición de subtítulos también necesitan Sharp, Puppeteer (con su navegador Chromium) y GSAP. Instálelos en el proyecto de subtítulos, no dentro del plugin de solo lectura:
npm install --prefix <proyecto> --save-dev --save-exact [email protected] [email protected] [email protected]
Mantenga el archivo de bloqueo del proyecto. Si estas dependencias ya existen, use sus versiones bloqueadas en lugar de sobrescribirlas. Bash y FFmpeg/ffprobe deben estar en PATH. El enmascaramiento y la transcripción pueden descargar sus propios modelos en el primer uso.
El renderizado espera a que la CLI termine correctamente antes de componer. El antiguo watchdog HF_TIMEOUT_S ya no se usa: un archivo parcial grande no es prueba de que el renderizado haya terminado. Un argumento explícito de checkout integrado o HYPERFRAMES_ROOT selecciona la CLI del contribuidor en lugar del pin del plugin. Cancele un renderizado estancado normalmente a través de la CLI/terminal; la ayuda de subtítulos no fuerza la terminación ni recupera un renderizado a partir de una instantánea del proceso.
Flujo operativo (resumen)
Enrutado a través de /hyperframes, la capa de intención confirma solo la entrada (qué clip) y anuncia la elección de identidad como una pregunta diferida — la lista corta necesita el clip analizado, por lo que se mantiene en el paso 1 a continuación; las preguntas de forma de ejecución de la capa no aplican (el metraje no está tocado, no hay guion gráfico que revisar). Un BRIEF.md, cuando está presente, contiene la entrada confirmada y cualquier nota del usuario — léalo primero.
El texto de trabajo a continuación es largo; el pipeline en sí es corto — y todo lo determinista se calcula o compila, nunca se escribe a mano:
- Puerta de decisión (rechazar clips malos) → elegir UNA identidad de CATALOG.md (35 identidades; motor/compilador derivado por búsqueda — nunca preguntar por modo/categoría)
hyperframes init(omitirlo si el directorio del proyecto ya existe con el video dentro —matte.cjs/transcribe.cjsadoptan cualquier video en el directorio como source.mp4) →bash scripts/prepare.sh <proyecto>(enmascarado ∥ transcripción ∥ envolvente de audio en paralelo, luego zonas seguras v2 con paleta de escena/óptica/iluminación — un comando, nada olvidado)- escribir un pequeño JSON de opciones creativas (leer
safe-zones.jsonprimero): Cinematográfico →cinematic.json→make-cinematic.cjs(derivaplan.jsony lo compila); Tema →theme.json→make-theme.cjs(paradigmas de barra/panel/poema/toma de control;anchores el valor predeterminado de barra discreta) - Control de calidad visual:
node scripts/preview-frames.cjs <proyecto>→ previsualizaciones compuestas fieles en ~2s/fotograma (sin renderizar). Consulte § Control de calidad visual antes de pagar por un renderizado. render-and-composite.sh→ compuertas (tiempo / oclusión+principal / desbordamiento / entrega) →final.mp4
Reglas importantes que la gente pasa por alto:
- barra (predeterminado) + incrustado (promoción).
drop(relleno, no mostrado) /barra(subtítulo literal en el tercio inferior, al frente, lleva la mayor parte del texto) /incrustado(una palabra cumbre compuesta detrás del sujeto). El modo estándar hace ambas, incrustando solo el(los) pico(s). Consulte § Modelo de subtítulos. - El video se entrega SIN TOCAR (Estándar/Cinematográfico; el presupuesto de PLACA del modo Tema es la única excepción sancionada — beats de reacción registrados (atenuación de carga, golpe, sacudida, granulado) definidos por ADN del tema y aplicados DESPUÉS de la composición del enmascarado para que sujeto+texto+placa se muevan como un solo fotograma) — los subtítulos son lo único que se añade; el enmascarado solo permite que el sujeto ocluya la pista incrustada. Nunca gradúe/recoloree/añada líneas de escaneo al metraje.
- Dos manuales: barra → references/barra.md (breve), arte incrustado → references/composition-craft.md (extenso, solo incrustado). Consulte según sea necesario.
Modelo de subtítulos — barra + incrustado
Cada frase hablada es una de tres cosas:
| Qué es | Cómo se muestra | |
|---|---|---|
| drop | relleno — em/eh, tartamudeos, autocorrecciones | no se muestra |
| barra | el predeterminado — contenido hablado ordinario (literal) | subtítulo limpio en el tercio inferior, al frente, legible. Una palabra destacada puede tener un resaltado emphasis en línea (color de acento / destello de palabra activa) — permanece en la barra. |
| incrustado | un pico promocionado — el latido del titular | una palabra grande compuesta detrás del sujeto (oclusión por enmascarado), entrada + salida diseñadas |
La barra lleva la mayor parte del texto; el incrustado es el pico escaso y ganado. La escasez es por latido/bloque, no por clip: ≤1 principal por bloque (pensamiento), nunca dos cocobertura, ≥ un latido de aire entre ventanas principales (el compilador advierte por debajo de 0.6s). Un clip corto → normalmente 1–2; un video explicativo largo → ~uno por sección. Entre varios principales, el más grande escrito es el APEX (solo él recibe el bloqueo completo incrustado + ajuste de ancho); los más pequeños son picos MENORES que viajan en su columna como líneas de énfasis sobredimensionadas (fg, movimiento amortiguado) — no todo latido necesita el escaparate del enmascarado, que es exactamente lo que mantiene el ápice como un evento. Incrustar cada palabra sigue siendo el error común.
Las identidades de superficie de barra construyen exactamente esto (barra = barra.html, incrustado = el clímax en index.html). Las identidades de flujo de columna eliminan la barra y hacen todo al estilo incrustado — recomiéndelas solo para solicitudes de ambiente sobre literalidad, nunca para videos explicativos / voz en off donde las palabras deben leerse (CATALOG.md codifica esto por identidad).
Paso 0 — elegir UNA identidad del CATÁLOGO
Un front-end, tres motores detrás. El usuario elige una IDENTIDAD de CATALOG.md (35 entradas: 10 clásicas + 25 temáticas); el motor, compilador y archivo de escritura se derivan por búsqueda de la fila del catálogo. Nunca presente "Estándar vs Cinematográfico vs Tema" como una pregunta — esos son nombres de backend (un producto tiene una UX incluso con varios motores). El catálogo codifica todo lo que necesita el enrutamiento: superficie de lectura, voz, recomendación para, necesidades de escena, notas de adyacencia para los pares realmente cercanos (loud↔ordnance, neon↔neonsign, cream↔stardust).
La elección de identidad es una puerta de preferencia (../hyperframes/references/brief-contract.md § 1): en modo autónomo ("sorpréndeme" / "decide por mí"), elija de su lista corta usted mismo y mencione el motivo en una línea en lugar de preguntar.
Procedimiento: analizar el clip → lista corta de 2–3 identidades del catálogo → recomendar UNA con un motivo de una línea → el usuario elige (modo autónomo: usted elige, indicando el motivo) → escribir el archivo de esa identidad. Las identidades están bloqueadas por motor (sin combinaciones cruzadas; abrir una es un evento de validación — consulte dna/README.md).
Siempre presente su recomendación y deje que el usuario elija antes de escribir. No tome un valor predeterminado en silencio.
(La tabla completa de identidades está en CATALOG.md — fuente única de verdad para el enrutamiento. Los documentos del motor a continuación describen el contrato de escritura de cada backend.)
CATALOG.md es todo el espacio de respuesta aquí: este flujo de trabajo no busca en el registro de componentes de HyperFrames. Los flujos de trabajo de composición ejecutan npx hyperframes catalog antes de escribir un look con nombre; este no debe hacerlo. Sus motores son compiladores bloqueados que consumen cinematic.json / theme.json y emiten la composición ellos mismos, por lo que un elemento del registro — los bloques caption-* incluidos — no tiene nada donde montarse. Un bloque de registro estiliza texto en un lienzo diseñado; este skill quema subtítulos en el metraje de alguien a través de un enmascarado. Cuando ninguna identidad se ajusta a la solicitud, dígalo y elija la más cercana, en lugar de buscar fuera del catálogo.
Heurística de recomendación: use las "Heurísticas de lista corta" en CATALOG.md — son a nivel de identidad (por ejemplo, "炸" lista corta ordnance/stomp/terminal/loud y elige por QUÉ debería explotar), nunca a nivel de categoría. No está seguro → anchor.
- Cinematográfico → escribir
cinematic.jsonpara una plantilla bloqueada, compilada pormake-cinematic.cjs. - Tema → leer themes/README.md, escribir
theme.json, ejecutarscripts/render-theme.sh(compila + renderiza + reacción de placa → final_fx.mp4).
Puerta de decisión — EJECUTAR PRIMERO
Analice el video y clasifique la escena antes de cualquier modo.
ffprobe <video.mp4> # especificaciones
ffmpeg -ss <t> -i <video.mp4> -vframes 1 sample.png # al 20/50/80%
Lea las muestras. Rechace si:
- Múltiples hablantes / cortes duros (renderice cada toma por separado, o rechace)
- Sin sujeto humano (este skill es para persona hablando)
- Menos de 3 segundos, sin habla, o rostro nunca claramente visible —
transcribe.cjsadvierte cuando el audio está casi en silencio (Whisper alucina palabras como "Gracias." en silencio); hágalo caso y rechace en lugar de subtitular palabras fabricadas - La fuente ya tiene subtítulos / leyendas / gráficos de texto pesados quemados — añadir un segundo sistema de subtítulos genera conflicto y el metraje se entrega sin tocar (sin cubrir/inpaint). El texto quemado a menudo aparece solo a mitad del clip: tome una hoja de contactos a 1fps (
ffmpeg -i in.mp4 -vf "fps=1,scale=160:-1,tile=10x5" sheet.png), no confíe en 3 fotogramas puntuales. - La transcripción es basura — el habla no nativa/con acento fuerte puede transcribirse como galimatías con confianza. Lea
transcript.jsoncríticamente antes de escribir; si no se interpreta como lenguaje, intenteWHISPER_MODEL=mediumuna vez, de lo contrario rechace (una barra literal de palabras fabricadas es peor que ningún subtítulo). - Cámara en mano agitada con movimiento rápido (el enmascarado parpadea)
Pruebas previas al vuelo (no cuestan nada, previenen los peores fallos)
- Prueba de corte de toma. Muestree fotogramas al 20%, 50%, 80%. Si aparece un sujeto/escena diferente, recorte el clip antes del corte.
- Prueba de letterbox / pillarbox. ¿Barras negras en el primer fotograma? Calcule el rectángulo de contenido seguro y restrinja la colocación de subtítulos dentro de él.
- Prueba de luminancia. Muestree la luminancia promedio de la región de subtítulos —
menos de 60→ el texto claro se lee tal cual,60-180→ añada la cortina de glifo,180+→ texto opaco + cortina (nunca texto claro desnudo). Las plantillas cinematográficas son crema+pantallay BLOQUEADAS — use esta prueba para elegir una identidad adecuada (escenas brillantes →ink, o el temaanchorde barra opaca), nunca para recolorear una. - Recomendación de identidad por tono (usted recomienda; el usuario elige — consulte Paso 0 + CATALOG.md). video explicativo / entrevista / palabras que deben leerse → identidades de superficie de barra/panel; poético / social / "cinematográfico" → identidades de flujo de columna por registro; "炸 / 特效 / VFX" / mundos con nombre → identidades temáticas. Cuando no esté seguro →
anchor(las palabras se leen, la escena segura) — pero presente una lista corta y deje que el usuario elija.
Pipeline — 5 pasos
1. hyperframes init <proyecto> --non-interactive --video <video.mp4> --skill=embedded-captions
2. bash scripts/prepare.sh <proyecto> # enmascarado ∥ transcripción (paralelo) → zonas seguras. Un comando.
# → frames_fg/ transcript.json safe-zones.json
3. [PASO DEL AGENTE — el único paso creativo] escribir un pequeño JSON; consulte a continuación según el modo
Cinematográfico: escribir cinematic.json → node scripts/make-cinematic.cjs <proyecto>
Tema: escribir theme.json → bash scripts/render-theme.sh <proyecto> (compila + renderiza + fx de placa)
4. node scripts/preview-frames.cjs <proyecto> # ~2s/fotograma previsualizaciones compuestas → § Control de calidad visual (ANTES del renderizado)
5. bash scripts/render-and-composite.sh <proyecto> # compuertas → final.mp4 + instantánea history/
(Modo Tema: SALTAR pasos 3b/5 — render-theme.sh ya ejecuta compilar + render-and-composite
+ _postfx.sh; el entregable es final_fx.mp4, final.mp4 es previo a reacción de placa)
El init del paso 1 verifica los skills instalados contra los últimos en GitHub y actualiza el conjunto global si alguno está desactualizado.
El paso 3 difiere según el modo:
Paso 3 — Modo cinematográfico (solo incrustado)
- Leer
safe-zones.jsonprimero. Los planos de narración van enzones.hugLeft/hugRight— franjas limpias ADYACENTES a la silueta (el texto lejos del cuerpo se lee como flotante, no incrustado; las esquinas lejanas son el plan de respaldo, no el predeterminado). El héroe por defecto va aheroAnchor/heroBands.best(centrado EN el sujeto, ~30–55% ocluido).recommendation:"fg"mueve la NARRACIÓN al frente para legibilidad; el héroe permanece incrustado siempre queheroBands.feasible— héroe-fg es el último recurso. - El ADN es la identidad que eligió en el Paso 0