Primero, mantén esta skill actualizada — confirma con el usuario antes de ejecutar:
npx hyperframes skills update embedded-captions. Es una operación rápida y sin efecto cuando todo está actualizado; de lo contrario, refresca esta skill y las skills del dominio central de las que depende antes de que confíes en ellas.
¿Qué hace Subtítulos Incrustados (Embedded Captions)?
Un único catálogo, elegido de antemano (CATALOG.md — 35 identidades; los motores detrás son detalles internos). Standard (por defecto) construye una barra limpia y literal (subtítulo inferior con la mayor parte del texto) + un clímax incrustado, compuesto dentro de la escena detrás del sujeto en el punto álgido. Cinematic es pura incrustación: sin barra, cada subtítulo se compone detrás del sujeto (tipografía heroica, acumulación, oclusión como efecto). Theme es una constitución temática completa — paradigma del cuerpo × pieza heroica × efectos frontales × reacción de placa, compuesta a partir de registros (themes/README.md): ordnance terminal neonsign stardust stomp. La mayoría de videos explicativos o de voz en off son Standard; la incrustación es el pico escaso y ganado — incrustar cada palabra es el error común; Theme es para tareas de nivel VFX ("炸", "特效", "como hecho en AE").
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 storyboard que revisar). Un BRIEF.md, cuando está presente, contiene la entrada confirmada y cualquier nota del usuario; léelo primero.
El texto de oficio a continuación es extenso; 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 consulta — 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>(matte ∥ transcribir ∥ envolvente de audio en paralelo, luego zonas seguras v2 con paleta de escena/óptica/iluminación — un solo comando, nada olvidado)- escribir un pequeño JSON de elecciones creativas (leer
safe-zones.jsonprimero): Cinematic →plan.json→fill-timings.cjs→fit-fonts.cjs→make-composition.cjs; Theme →theme.json→make-theme.cjs(paradigmas de barra/panel/poema/toma de control;anchores la barra tranquila por defecto) - QA Visual:
node scripts/preview-frames.cjs <proyecto>→ vistas previas compuestas fieles en ~2s/fotograma (sin renderizar). Consulta § QA Visual antes de pagar por un render. render-and-composite.sh→ compuertas (sincronización / oclusión+heroico / desbordamiento / entrega) →final.mp4
Reglas clave que la gente pasa por alto:
- barra (por defecto) + incrustación (promoción).
drop(relleno, no se muestra) /barra(subtítulo inferior literal, al frente, lleva la mayor parte del texto) /incrustación(una palabra pico compuesta detrás del sujeto). El modo estándar hace ambas, incrustando solo el(los) pico(s). Consulta § Modelo de subtítulos. - El video se entrega SIN TOCAR (Standard/Cinematic; el presupuesto de PLACA del modo Theme es la única excepción sancionada — los golpes de reacción registrados (atenuación de carga, golpe, sacudida, grano) definidos por el ADN de cada tema y aplicados DESPUÉS de la composición mate para que sujeto+texto+placa se muevan como un solo fotograma) — los subtítulos son lo único que se añade; el mate solo permite que el sujeto ocluya la pista incrustada. Nunca corregir/recolorear/líneas de exploración del metraje.
- Dos manuales: barra → references/rail.md (fino), técnica de incrustación → references/composition-craft.md (rico, solo para incrustación). Hojea según necesidad.
Modelo de subtítulos — barra + incrustación
Cada frase hablada es una de tres cosas:
| Qué es | Cómo se muestra | |
|---|---|---|
| drop | relleno — muletillas, tartamudeos, autocorrecciones | no se muestra |
| barra | el valor por defecto — contenido hablado ordinario (literal) | subtítulo inferior limpio, al frente, legible. Una palabra de impacto puede tener un resaltado emphasis en línea (color de acento / palabra activa) — permanece en la barra. |
| incrustación | un pico promocionado — el latido del titular | una gran palabra compuesta detrás del sujeto (oclusión mate), con entrada y salida diseñadas |
La barra lleva la mayor parte del texto; la incrustación es el pico escaso y ganado. La escasez es por latido/bloque, no por clip: ≤1 heroico por bloque (idea), nunca dos visibles juntos, ≥ un latido de aire entre ventanas heroicas (el compilador advierte por debajo de 0.6s). Un clip corto → usualmente 1–2; un video explicativo largo → ~uno por sección. Entre múltiples heroicos, el más grande es el APEX (solo él obtiene el bloqueo completo incrustado + ajuste de ancho elevado); los más pequeños son picos MENORES que viajan en su columna como líneas de énfasis de tamaño sobredimensionado (en primer plano, movimiento amortiguado) — no todos los latidos necesitan la exhibición del mate, 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 = rail.html, incrustación = el clímax en index.html). Las identidades de flujo de columna eliminan la barra y hacen todo al estilo de incrustación — recomiéndalas solo para solicitudes que prioricen el ambiente sobre el texto literal, nunca para videos explicativos o de 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 autoría se derivan por consulta de la fila del catálogo. Nunca preguntes "Standard vs Cinematic vs Theme" — esos son nombres internos (un producto tiene una UX incluso con varios motores). El catálogo codifica todo lo necesario para 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"), elige de tu lista corta tú mismo y expresa el motivo en una línea en lugar de preguntar.
Procedimiento: analiza el clip → lista corta de 2–3 identidades del catálogo → recomienda UNA con un motivo en una línea → el usuario elige (modo autónomo: tú eliges, expresando el motivo) → escribe el archivo de esa identidad. Las identidades están bloqueadas por motor (sin combinaciones cruzadas; abrir una es un evento de validación — consulta dna/README.md).
Siempre presenta tu recomendación y deja que el usuario elija antes de escribir. No tomes un valor por defecto 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 autoría 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 estilo 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; esta skill quema subtítulos en el metraje de alguien a través de un mate. Cuando ninguna identidad se ajusta a la solicitud, dilo y elige la más cercana, en lugar de buscar fuera del catálogo.
Heurística de recomendación: usa las "Heurísticas de preselección" en CATALOG.md — son a nivel de identidad (p. ej., "炸" preselecciona ordnance/stomp/terminal/loud y elige según QUÉ debería explotar), nunca a nivel de categoría. Si no estás seguro → anchor.
- Cinematic → escribe
plan.jsonpara una plantilla bloqueada, compilada pormake-composition.cjs. - Theme → lee themes/README.md, escribe
theme.json, ejecutascripts/render-theme.sh(compila + renderiza + reacción de placa → final_fx.mp4).
Puerta de decisión — EJECUTAR PRIMERO
Analiza el video y clasifica la escena antes de cualquier modo.
ffprobe <video.mp4> # especificaciones
ffmpeg -ss <t> -i <video.mp4> -vframes 1 sample.png # al 20/50/80%
Lee las muestras. Rechaza si:
- Varios oradores / cortes duros (divide y renderiza cada toma, o rechaza)
- Sin sujeto humano (esta skill es para una persona hablando)
- Menos de 3 segundos, sin habla, o la cara nunca es claramente visible —
transcribe.cjsadvierte cuando el audio está casi en silencio (Whisper alucina palabras como "Gracias." sobre el silencio); hazle caso y rechaza en lugar de subtitular palabras inventadas - La fuente ya tiene subtítulos / leyendas / gráficos de texto pesados — agregar un segundo sistema de subtítulos entra en conflicto y el metraje se envía sin tocar (sin cubrir/inpaint). El texto quemado a menudo aparece solo a mitad del clip: toma una hoja de contactos a 1 fps (
ffmpeg -i in.mp4 -vf "fps=1,scale=160:-1,tile=10x5" sheet.png), no confíes en 3 fotogramas puntuales. - La transcripción es basura — el habla con acento no nativo/pesado puede transcribirse como galimatías seguro. Lee
transcript.jsoncon criterio antes de escribir; si no se interpreta como lenguaje, intentaWHISPER_MODEL=mediumuna vez, de lo contrario rechaza (una barra literal de palabras inventadas es peor que sin subtítulos). - Cámara en mano movida con movimiento rápido (el mate parpadea)
Sondas previas al vuelo (no cuestan nada, evitan los peores fallos)
- Sonda de corte de toma. Muestrea fotogramas al 20%, 50%, 80%. Si aparece un sujeto/escena diferente, recorta el clip antes del corte.
- Sonda de letterbox / pillarbox. ¿Barras negras en el primer fotograma? Calcula el rectángulo de contenido seguro y restringe la colocación de los subtítulos dentro de él.
- Sonda de luminancia. Muestrea la luminancia promedio de la región de subtítulos —
por debajo de 60→ el texto claro se lee tal cual,60-180→ añade la máscara de glifo,180+→ texto opaco + máscara (nunca texto claro sin fondo). Las plantillas Cinematic son crema+pantallay BLOQUEADAS — usa esta sonda para elegir una identidad adecuada (escenas brillantes →ink, o el temaanchorde barra opaca), nunca para recolorear una. - Recomendación de identidad por tono (tú recomiendas; el usuario elige — consulta Paso 0 + CATALOG.md). 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 estés seguro →
anchor(las palabras se leen, la escena es segura) — pero presenta una lista corta y deja 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> # matte ∥ transcribir (paralelo) → zonas seguras. Un solo comando.
# → frames_fg/ transcript.json safe-zones.json
3. [PASO DEL AGENTE — el único paso creativo] escribe un pequeño JSON; consulta a continuación según el modo
Cinematic: escribe plan.json → node scripts/fill-timings.cjs → fit-fonts.cjs → make-composition.cjs
Theme: escribe theme.json → bash scripts/render-theme.sh <proyecto> (compila + renderiza + VFX de placa)
4. node scripts/preview-frames.cjs <proyecto> # ~2s/fotograma vistas previas compuestas → § QA Visual (ANTES del render)
5. bash scripts/render-and-composite.sh <proyecto> # compuertas → final.mp4 + history/ snapshot
(Modo Theme: OMITE los pasos 3b/5 — render-theme.sh ya ejecuta compile + render-and-composite
+ _postfx.sh; el entregable es final_fx.mp4, final.mp4 es antes de la reacción de placa)
El init del paso 1 verifica las skills instaladas contra las más recientes en GitHub y actualiza el conjunto global si alguna está desactualizada.
El paso 3 difiere según el modo:
Paso 3 — Modo Cinematic (pura incrustación)
- Lee
safe-zones.jsonprimero. Los planos de narración van enzones.hugLeft/hugRight— franjas limpias que ABRAZAN 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 heroico por defecto va enheroAnchor/heroBands.best(centrado EN el sujeto, ~30–55% ocluido).recommendation:"fg"mueve la NARRACIÓN al frente para legibilidad; el heroico permanece incrustado siempre queheroBands.feasible— heroico en primer plano es el último recurso. - El ADN es la identidad que elegiste en el Paso 0 (CATALOG.md) — no reabras la elección aquí. Verifícala con sentido crítico contra la escena (banda heroica brillante con luma > 150 quiere
ink; la guía completa de selección está en el catálogo, cubriendo las diez, incluyendo neon/glitch/chrome/velocity). Expresa tu elección + por qué; el usuario decide. El ADN bloquea tipo/paleta/mezcla/movimiento + tri-actor heroico; las zonas seguras v2 (paleta/óptica/iluminación) lo parametrizan para ESTA escena automáticamente. - Escribe
<proyecto>/cinematic.json—"dna": "<nombre>"+ BLOQUES de pensamiento, no grupos brutos: cada bloque = líneas de palabras (agrupadas de 2 a 5 en límites de cláusula) + el plano en el que se apilan +csspor línea (solo tamaño/peso/estilo — sin posiciones) + como máximo UNA línea marcada como"hero": true(la palabra promocionada;"text"para forma mostrada). Esquema: encabezado descripts/make-cinematic.cjs. - Compila:
node scripts/make-cinematic.cjs <proyecto>— reduce bloques → plan.json → index.html. Generado para ti: sincronizaciones secuenciadas por transcripción, acumulación dentro del bloque, paso de página entre bloques, el BLOQUEO HEROICO (el contexto previo de un bloque heroico, el HERO y el contexto posterior se apilan como UNA composición vinculada centrada en el sujeto — el orden de lectura de arriba a abajo = orden hablado por construcción; el contexto flota en FRENTE mientras que el heroico se incrusta DETRÁS = el sándwich de profundidad; una regla de masa mantiene el heroico dominando su contexto), división ápice/heroico menor, orden de lectura por construcción [truncado].
QA Visual (Antes de Siquiera Renderizar)
node scripts/preview-frames.cjs <proyecto> renderiza en caché las vistas previas de composición (~2s/fotograma). Verifica:
- ¿Las palabras de la barra son legibles? (relación de contraste, tamaño de fuente, posición)
- ¿La palabra incrustada está correctamente ocluida por el sujeto? (debería aparecer detrás de ellos, no encima)
- ¿Los subtítulos cubren o evitan los bordes del sujeto? (el texto no debe superponerse a características faciales)
- ¿El sentido temporal es correcto? (tanto la entrada como la salida parecen naturales? ¿Los subtítulos duran lo suficiente para ser leídos?)
- ¿El estilo elegido coincide con el tono del video?
Ajusta el plan.json/theme.json si es necesario, luego repite la vista previa. Solo entonces procede al paso 5.
Referencias
- CATALOG.md — 35 identidades, heurísticas de preselección, tabla de enrutamiento
- references/rail.md — manual de oficio de barra (superficie de lectura, puntuación, sincronización)
- references/composition-craft.md — manual de oficio de incrustación (elección tipográfica, posicionamiento, dinámica de profundidad, reglas de masa)
- themes/README.md — tema ADN, plantillas de autoría, registros de reacción de placa
- dna/README.md — especificación de sistema de identidad, reglas de validación de compilador
- scripts/make-cinematic.cjs — encabezado del esquema cinematic.json
- scripts/make-theme.cjs — encabezado del esquema theme.json