Subtítulos Incrustados
Un solo catálogo, elegido al inicio (CATALOG.md — 17 identidades; los tres motores detrás son detalles del backend). Estándar (por defecto) construye un carril textual limpio (subtítulo en el tercio inferior que lleva la mayor parte del texto) + un clímax incrustado compuesto dentro de la escena detrás del sujeto en el punto máximo. Cinematográfico es pura incrustación — sin carril, cada subtítulo compuesto detrás del sujeto (tipografía heroica, acumulación, oclusión como efecto). Temático es una constitución temática completa — paradigma corporal × pieza central heroica × efectos frontales × reacción de placa, compuesto a partir de registros (themes/README.md): ordnance terminal neonsign stardust stomp. La mayoría de los videos explicativos / de voz en off son Estándar; la incrustación es el pico escaso y merecido — incrustar cada palabra es el error común; el modo Temático es para peticiones de nivel VFX ("炸", "特效", "像 AE 做的").
Flujo operativo (resumen TL;DR)
La prosa técnica a continuación es larga; 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 (17 identidades; motor/compilador derivado por búsqueda — nunca mostrar una pregunta de modo/categoría)
hyperframes init(omitir 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 ∥ transcribe ∥ envolvente de audio en paralelo, luego zonas seguras v2 con paleta de escena/óptica/iluminación — un comando, nada olvidado)- autorizar un pequeño JSON de elecciones creativas (leer
safe-zones.jsonprimero): Cinematográfico →plan.json→fill-timings.cjs→fit-fonts.cjs→make-composition.cjs; Temático →theme.json→make-theme.cjs(paradigmas de carril/panel/poema/toma de control;anchores el carril silencioso por defecto) - QA visual:
node scripts/preview-frames.cjs <proyecto>→ vistas previas compuestas fieles en ~2s/fotograma (sin renderizado). Ver § QA visual antes de pagar por un renderizado. render-and-composite.sh→ compuertas (temporización / oclusión+héroe / desbordamiento / transferencia) →final.mp4
Reglas cruciales que la gente pasa por alto:
- carril (por defecto) + incrustación (promoción).
drop(relleno, no se muestra) /rail(subtítulo textual en el tercio inferior, al frente, lleva la mayor parte del texto) /embed(una palabra culminante compuesta detrás del sujeto). El modo Estándar hace ambas cosas, incrustando solo el(los) pico(s). Ver § Modelo de subtítulos. - El video se entrega SIN TOCAR (Estándar/Cinematográfico; el presupuesto de PLACA del modo Temático es la única excepción sancionada — latidos de reacción registrados (carga-oscurecimiento, golpe, sacudida, granulado) definidos por el ADN del tema y aplicados DESPUÉS de la composición con mate para que el 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 gradúes/recoloques/líneas de escaneo el metraje.
- Dos manuales de reglas: carril → references/rail.md (delgado), arte de incrustación → references/composition-craft.md (rico, solo incrustación). Hojea según sea necesario.
Modelo de subtítulos — carril + incrustación
Cada frase hablada es una de tres cosas:
| Qué | Cómo se muestra | |
|---|---|---|
| drop | relleno — um/eh, tartamudeos, autocorrecciones | no se muestra |
| rail | el valor por defecto — contenido hablado ordinario (textual) | subtítulo limpio en el tercio inferior, al frente, legible. Una palabra de impacto puede obtener un resaltado emphasis en línea (color de acento / pop de palabra activa) — permanece en el carril. |
| embed | un pico promocionado — el latido del titular | una palabra grande compuesta detrás del sujeto (oclusión con mate), entrada + salida diseñadas |
El carril lleva la mayor parte del texto; la incrustación es el pico escaso y merecido. La escasez es por latido/bloque, no por clip: ≤1 héroe por bloque (pensamiento), nunca dos co-visibles, ≥ un latido de espacio entre ventanas de héroe (el compilador advierte por debajo de 0.6s). Un clip corto → usualmente 1–2; un video explicativo largo → ~uno por sección. Entre varios héroes, el más grande autorizado es el APEX (solo él obtiene la incrustación de bloqueo completa + elevación de ajuste de ancho); los más pequeños son picos MENORES que viajan en su columna como líneas de énfasis sobredimensionadas (fg, movimiento amortiguado) — no todos los latidos necesitan el escaparate 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 carril construyen exactamente esto (carril = rail.html, incrustación = el clímax en index.html). Las identidades de flujo de columna eliminan el carril y lo convierten todo en estilo incrustación — recomiéndalas solo para solicitudes de estado de ánimo sobre texto, nunca para videos explicativos / 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 (17 entradas: 12 clásicas + 5 temáticas); el motor, compilador y archivo de autoría se derivan por búsqueda de la fila del catálogo. Nunca presentes "Estándar vs Cinematográfico vs Temático" 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, recomendar-para, necesidades de escena, notas de adyacencia para los pares realmente cercanos (loud↔ordnance, neon↔neonsign, cream↔stardust).
Procedimiento: sondear el clip → preseleccionar 2–3 identidades del catálogo → recomendar UNA con un motivo de una línea → el usuario elige → autorizar el archivo de esa identidad. Las identidades están bloqueadas por motor (sin combinaciones cruzadas; abrir una es un evento de validación — ver dna/README.md).
Siempre presenta tu recomendación y deja que el usuario elija antes de autorizar. No tomes un valor predeterminado en silencio.
(La tabla de identidades completa 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.)
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 POR QUÉ debería explotar), nunca a nivel de categoría. No estás seguro → anchor.
- Cinematográfico → escribir
plan.jsonpara una plantilla bloqueada, compilada pormake-composition.cjs. - Temático → leer themes/README.md, autorizar
theme.json, ejecutarscripts/render-theme.sh(compila + renderiza + reacción de placa → final_fx.mp4).
Puerta de decisión — EJECUTAR PRIMERO
Sondear el video y clasificar la escena antes de cualquier modo.
ffprobe <video.mp4> # especificaciones
ffmpeg -ss <t> -i <video.mp4> -vframes 1 sample.png # al 20/50/80%
Leer las muestras. Rechazar si:
- Múltiples hablantes / cortes bruscos (dividir y renderizar cada toma, o rechazar)
- No hay sujeto humano (esta habilidad es para personas 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 "Thank you." sobre el silencio); hazle caso y rechaza en lugar de subtitular palabras fabricadas - La fuente ya tiene subtítulos / leyendas / gráficos de texto pesados incrustados — agregar un segundo sistema de subtítulos entra en conflicto y el metraje se envía sin tocar (sin cubrir/inpintar). El texto quemado a menudo aparece solo a mitad del clip: muestra una hoja de contactos a 1fps (
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 no nativa/con acento fuerte puede transcribirse en galimatías confiado. Lee
transcript.jsoncríticamente antes de autorizar; si no se analiza como lenguaje, intentaWHISPER_MODEL=mediumuna vez; de lo contrario, rechaza (un carril textual de palabras fabricadas es peor que sin subtítulos). - Mano alzada ocupada con movimiento rápido (el mate parpadea)
Sondas previas al vuelo (no cuestan nada, previenen los peores fallos)
- Sonda de corte de toma. Muestra 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 limita la colocación de subtítulos dentro de él.
- Sonda de luminancia. Muestra la luminancia promedio de la región de subtítulos —
por debajo de 60→ el texto claro se lee tal cual,60-180→ añadir la pantalla de glifos,180+→ texto opaco + pantalla (nunca texto claro desnudo). Las plantillas cinematográficas son crema+screeny BLOQUEADAS — usa esta sonda para elegir una identidad adecuada (escenas brillantes →ink, o el tema de carril opacoanchor), nunca para recolorizar una. - Recomendación de identidad por tono (tú recomiendas; el usuario elige — ver Paso 0 + CATALOG.md). explicativo / entrevista / palabras que deben leerse → identidades de superficie de carril/panel; poético / social / "cinematográfico" → identidades de flujo de columna por registro; "炸 / 特效 / VFX" / mundos nombrados → identidades temáticas. Cuando no estés seguro →
anchor(las palabras se leen, la escena es segura) — pero presenta una preselección y deja que el usuario elija.
Pipeline — 5 pasos
1. hyperframes init <proyecto> --non-interactive --video <video.mp4>
2. bash scripts/prepare.sh <proyecto> # matte ∥ transcribe (en paralelo) → zonas seguras. Un comando.
# → frames_fg/ transcript.json safe-zones.json
3. [PASO DEL AGENTE — el único paso creativo] autorizar un pequeño JSON; ver más abajo según el modo
Cinematográfico: autorizar plan.json → node scripts/fill-timings.cjs → fit-fonts.cjs → make-composition.cjs
Temático: autorizar theme.json → bash scripts/render-theme.sh <proyecto> (compila + renderiza + efectos de placa)
4. node scripts/preview-frames.cjs <proyecto> # ~2s/fotograma vistas previas compuestas → § QA visual (ANTES del renderizado)
5. bash scripts/render-and-composite.sh <proyecto> # compuertas → final.mp4 + instantánea history/
(Modo Temático: OMITIR pasos 3b/5 — render-theme.sh ya ejecuta compilación + render-and-composite
+ _postfx.sh; el entregable es final_fx.mp4, final.mp4 es antes de la reacción de placa)
El paso 1 init verifica las habilidades instaladas contra las últimas en GitHub y actualiza el conjunto global si alguna está desactualizada.
El paso 3 difiere según el modo:
Paso 3 — Modo Cinematográfico (solo incrustación)
- Leer
safe-zones.jsonprimero. Los planos de narración van enzones.hugLeft/hugRight— franjas limpias que LIMITAN con 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 enheroAnchor/heroBands.best(centrado EN el sujeto, ~30–55% ocluido).recommendation:"fg"mueve la NARRACIÓN al frente para la legibilidad; el héroe permanece incrustado siempre queheroBands.feasible— héroe-fg es el último recurso. - El ADN es la identidad que elegiste en el Paso 0 (CATALOG.md) — no reabras la elección aquí. Verifícalo contra la escena (la banda de héroe brillante con luma > 150 quiere
ink; la guía completa de elección está en el catálogo, cubriendo las diez incluyendo neon / glitch / chrome / velocity). Indica tu elección + por qué; el usuario decide. El ADN bloquea tipo/paleta/mezcla/movimiento + el acto triple del héroe; las zonas seguras v2 (palette/optics/lighting) lo parametrizan para ESTA escena automáticamente. - Autorizar
<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 apila +csspor línea (tamaño/peso/estilo solo — sin posiciones) + como MÁXIMO una línea marcada como"hero": true(la palabra promocionada;"text"para la forma mostrada). Esquema: encabezado descripts/make-cinematic.cjs. - Compilar:
node scripts/make-cinematic.cjs <proyecto>— baja los bloques → plan.json → index.html. Generado para ti: temporizaciones secuenciadas por transcripción, acumulación dentro del bloque, volteo de página entre bloques, el BLOQUEO DEL HÉROE (el contexto previo de un bloque héroe, el HÉROE y el contexto posterior se apilan como UNA composición unida centrada en el sujeto — orden de lectura de arriba a abajo = orden hablado por construcción; el contexto flota al FRENTE mientras que el héroe se incrusta DETRÁS = el sándwich de profundidad; una regla de masa mantiene al héroe dominando su contexto), división de héroe ápice/menor, orden de lectura por construcción, plan de respaldo fg según zonas seguras. Luego las compuertas se ejecutan como de costumbre. (La autoría manual de plan.json directamente sigue siendo posible para diseños que los bloques no pueden expresar — luego ejecutafill-timings.cjs+fit-fonts.cjs+make-composition.cjstú mismo.)
Paso 3 — Modo Temático (constitución temática)
Leer themes/README.md PRIMERO — registros de paradigma/pieza central, vínculos, reglas estrictas y el esquema exacto de theme.json.
- Elegir un ADN de tema por registro de contenido (cada
themes/<nombre>.jsontienevoice+when). Indica tu elección + por qué; el usuario decide. - Autorizar
<proyecto>/theme.json—dna,lines(textual, orden de transcripción; 1–5 palabras cada una — paratakeovercada línea es una TARJETA),minors(palabras de énfasis),hero:{match}(la palabra/frase culminante; déjala FUERA delinespara piezas incrustadas, mantenla DENTRO para piezas en línea y panel+redact). - Renderizar:
bash scripts/render-theme.sh <proyecto>— compila (compuerta de completitud textual en tiempo de compilación), renderiza ambas capas, compone, aplica la reacción de placa →final_fx.mp4. Usapreview-frames.cjsentre la compilación y el renderizado para QA visual.
QA visual — vista previa ANTES de renderizar
node scripts/preview-frames.cjs <projecto> [t…] compone fotogramas de vista previa fieles en ~2s cada uno
(capas de subtítulos capturadas en el tiempo de búsqueda + fotograma de video real + oclusión con mate + superposición de carril = lo que
parecerá la composición final en ese momento). Las muestras predeterminadas = cada ventana de grupo/clímax.
Un renderizado completo cuesta minutos — nunca lo uses para descubrir problemas de diseño.
Verifica las vistas previas (<proyecto>/preview/sheet.png) contra los puntos de control en references/composition-craft.md (oclusión de héroes, trío de relieve de fondo, cobertura de desbordamiento). Renderiza de nuevo solo si las vistas previas fallan en un control.