Leyendas Incrustadas
Un catálogo, elegido al inicio (CATALOG.md — 17 identidades; los tres motores detrás son detalles de backend). Estándar (predeterminado) construye un riel (riel) limpio y textual (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 pico. Cinemático es puramente incrustado — sin riel, cada leyenda se compone detrás del sujeto (tipografía heroica, acumulación, oclusión como efecto). Tema es una constitución temática completa — paradigma corporal × pieza central heroica × efectos frontales × reacción de placa, compuesta a partir de registros (themes/README.md): ordnance terminal neonsign stardust stomp. La mayoría de los videos explicativos / voces en off usan Estándar; la incrustación 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").
Flujo operativo (resumen)
El texto detallado 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 (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>(mate ∥ transcripción ∥ envolvente de audio en paralelo, luego zonas seguras v2 con paleta/óptica/iluminación de la escena — un comando, nada olvidado)- escribir un pequeño JSON de opciones creativas (leer
safe-zones.jsonprimero): Cinemático →plan.json→fill-timings.cjs→fit-fonts.cjs→make-composition.cjs; Tema →theme.json→make-theme.cjs(paradigmas de riel/panel/poema/toma de control;anchores el riel silencioso predeterminado) - QA visual:
node scripts/preview-frames.cjs <proyecto>→ previsualizaciones de composición fieles en ~2s/fotograma (sin renderizar). Consultar § QA visual antes de pagar por un renderizado. render-and-composite.sh→ compuertas (temporización / oclusión+heroica / desbordamiento / entrega) →final.mp4
Reglas importantes que la gente pasa por alto:
- riel (predeterminado) + incrustado (promoción).
drop(relleno, no se muestra) /rail(riel) (subtítulo textual en el tercio inferior, al frente, lleva la mayor parte del texto) /embed(incrustado) (una palabra pico compuesta detrás del sujeto). El modo estándar hace ambas cosas, incrustando solo los picos. Ver § Modelo de leyenda. - El video se entrega SIN TOCAR (Estándar/Cinemático; el presupuesto de PLACA del modo Tema es la única excepción sancionada — los beats de reacción controlados por registro (atenuación de carga, golpe, sacudida, grano) definidos por el ADN del tema y aplicados DESPUÉS de la composición mate para que sujeto+texto+placa se muevan como un solo fotograma) — las leyendas son lo único que se añade; el mate solo permite que el sujeto ocluya la pista incrustada. Nunca gradúes/recolorees/añadas líneas de exploración al metraje.
- Dos libros de reglas: riel → references/rail.md (delgado), arte de incrustación → references/composition-craft.md (rico, solo incrustación). Hojear según sea necesario.
Modelo de leyenda — riel + incrustado
Cada frase hablada es una de tres cosas:
| Qué | Cómo se muestra | |
|---|---|---|
| drop | relleno — um/eh, tartamudeos, autocorrecciones | no se muestra |
| rail | el predeterminado — contenido hablado ordinario (textual) | subtítulo limpio en el tercio inferior, al frente, legible. Una palabra destacada puede obtener un resaltado emphasis (énfasis) en línea (color de acento / pop de palabra activa) — permanece en el riel. |
| embed | un pico promocionado — el latido del titular | una palabra grande compuesta detrás del sujeto (oclusión mate), entrada y salida diseñadas |
El riel lleva la mayor parte del texto; la incrustación es el pico escaso y ganado. La escasez es por beat/bloque, no por clip: ≤1 heroico por bloque (pensamiento), nunca dos co-visibles, ≥ un beat de aire entre ventanas heroicas (el compilador advierte por debajo de 0.6s). Un clip corto → usualmente 1–2; un explicativo largo → ~uno por sección. Entre múltiples heroicos, el mayor escrito es el APEX (solo él obtiene la incrustación completa de bloqueo + elevación de ajuste de ancho); los más pequeños son picos MENORES que cabalgan su columna como líneas de énfasis sobredimensionadas (fg, movimiento amortiguado) — no todos los beats necesitan la muestra 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 riel construyen exactamente esto (riel = rail.html, incrustado = el clímax en index.html). Las identidades de flujo de columna eliminan el riel y hacen todo al estilo incrustado — recomiéndalas solo para solicitudes de ambiente sobre textualidad, nunca para videos explicativos / voces 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 desde la fila del catálogo. Nunca mostrar "Estándar vs Cinemático vs Tema" como pregunta — esos son nombres de backend (un producto tiene una UX incluso con varios motores). El catálogo codifica todo lo que el enrutamiento necesita: superficie de lectura, voz, recomendar-para, necesidades de escena, notas de adyacencia para los pares genuinamente cercanos (loud↔ordnance, neon↔neonsign, cream↔stardust).
Procedimiento: sondear el clip → preseleccionar 2–3 identidades del catálogo → recomendar UNA con un porqué de una línea → el usuario elige → escribir 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 escribir. No uses 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: usar 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. En caso de duda → anchor.
- Cinemático → escribir
plan.jsonpara una plantilla bloqueada, compilada pormake-composition.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
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:
- Varios oradores / cortes bruscos (dividir y renderizar cada toma, o rechazar)
- Sin sujeto humano (este skill 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); prestar atención y rechazar en lugar de añadir leyendas a palabras fabricadas - La fuente ya tiene leyendas / subtítulos / gráficos de texto pesados quemados — agregar un segundo sistema de leyendas entra en conflicto y el metraje se envía sin tocar (sin cubrir/repintar). El texto quemado a menudo aparece solo a mitad del clip: muestrear una hoja de contactos a 1fps (
ffmpeg -i in.mp4 -vf "fps=1,scale=160:-1,tile=10x5" sheet.png), no confiar en 3 fotogramas puntuales. - La transcripción es basura — el habla no nativa/con acento fuerte puede transcribirse en galimatías seguras. Leer
transcript.jsonpara verificar cordura antes de escribir; si no se analiza como lenguaje, intentarWHISPER_MODEL=mediumuna vez, si no, rechazar (un riel textual de palabras fabricadas es peor que ninguna leyenda). - Cámara en mano ocupada con movimiento rápido (el mate parpadea)
Sondas previas al vuelo (no cuestan nada, previenen los peores fallos)
- Sonda de corte de toma. Muestrear fotogramas al 20%, 50%, 80%. Si aparece un sujeto/escena diferente, recortar el clip antes del corte.
- Sonda de letterbox / pillarbox. ¿Barras negras en el primer fotograma? Calcular el rectángulo de contenido seguro y restringir la colocación de leyendas dentro de él.
- Sonda de luminancia. Muestrear la luminancia promedio de la región de la leyenda —
por debajo de 60→ el texto claro se lee tal cual,60-180→ agregar la pantalla de glifos,180+→ texto opaco + pantalla (nunca texto claro desnudo). Las plantillas cinemáticas son color crema+screeny BLOQUEADAS — usar esta sonda para elegir una identidad adecuada (escenas brillantes →ink, o el temaanchorde riel opaco), nunca para recolorear 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 riel/panel; poético / social / "cinemático" → identidades de flujo de columna por registro; "炸 / 特效 / VFX" / mundos nombrados → identidades temáticas. En caso de duda →
anchor(las palabras se leen, escena segura) — pero presentar una preselección y dejar que el usuario elija.
Pipeline — 5 pasos
1. hyperframes init <proyecto> --non-interactive --video <video.mp4>
2. bash scripts/prepare.sh <proyecto> # mate ∥ transcripción (en paralelo) → zonas seguras. Un comando.
# → frames_fg/ transcript.json safe-zones.json
3. [PASO DEL AGENTE — el único paso creativo] escribir un pequeño JSON; ver a continuación según el modo
Cinemático: escribir plan.json → node scripts/fill-timings.cjs → fit-fonts.cjs → make-composition.cjs
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 de composición → § QA visual (ANTES del renderizado)
5. bash scripts/render-and-composite.sh <proyecto> # compuertas → final.mp4 + instantánea history/
(Modo Tema: OMITIR 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 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 Cinemático (solo incrustado)
- Leer
safe-zones.jsonprimero. Los planos de narración van enzones.hugLeft/hugRight— tiras 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 heroico se predetermina aheroAnchor/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-fg es el último recurso. - El ADN es la identidad que elegiste en el Paso 0 (CATALOG.md) — no reabras la elección aquí. Verificar su cordura contra la escena (la luminancia de la banda heroica brillante > 150 quiere
ink; la guía de selección completa vive 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 + tres actos heroicos; las zonas seguras v2 (palette/optics/lighting) lo parametrizan para ESTA escena automáticamente. - Escribir
<proyecto>/cinematic.json—"dna": "<nombre>"+ BLOQUES de pensamiento, no grupos brutos: cada bloque = líneas de palabras (agrupadas 2–5 en límites de cláusula) + el plano en el que se apila +csspor línea (solo tamaño/peso/estilo — sin posiciones) + como MÁXIMO una línea marcada como"hero": true(la palabra promocionada;"text"para forma de visualización). Esquema: cabecera descripts/make-cinematic.cjs. - Compilar:
node scripts/make-cinematic.cjs <proyecto>— reduce bloques → plan.json → index.html. Generado para ti: tiempos secuenciados por transcripción, acumulación dentro del bloque, paso de página entre bloques, el BLOQUEO heroico (el pre-contexto de un bloque heroico, HEROICO y post-contexto se apilan como una composición unida centrada en el sujeto — orden de lectura superior→inferior = orden hablado por construcción; el contexto flota al FRENTE mientras que el heroico se incrusta DETRÁS = el sándwich de profundidad; una regla de masa mantiene al heroico dominando su contexto), división ápice/heroico menor, orden de lectura por construcción, respaldo fg por zonas seguras. Luego las compuertas se ejecutan como de costumbre. (La escritura manual de plan.json directamente sigue siendo posible para diseños que los bloques no pueden expresar — luego ejecutarfill-timings.cjs+fit-fonts.cjs+make-composition.cjstú mismo.)
Paso 3 — Modo Tema (constitución temática)
Leer themes/README.md PRIMERO — registros de paradigma/pieza central, enlaces, 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. - Escribir
<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, MANTÉNLA DENTRO para piezas incrustadas en línea y panel+redact). - Renderizar:
bash scripts/render-theme.sh <proyecto>— compila (compuerta de integridad textual en tiempo de compilación), renderiza ambas capas, compone, aplica la reacción de placa →final_fx.mp4. Usarpreview-frames.cjsentre la compilación y el renderizado para QA visual.
QA visual — previsualizar ANTES de renderizar
node scripts/preview-frames.cjs <proyecto> [t…] compone fotogramas de previsualización fieles en ~2s cada uno
(capas de leyenda capturadas en el tiempo de búsqueda + fotograma de video real + oclusión mate + superposición de riel = cómo se
verá 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.
Verificar las previsualizaciones (<proyecto>/preview/sheet.png) contra las reglas en references/composition-craft.md.
Renderizado
bash scripts/render-and-composite.sh <proyecto> ejecuta compuertas → renderiza la capa de leyenda (ffmpeg + texto)
→ compone sobre el metraje original con oclusión mate → final.mp4.
Siempre usar previsualización primero.
Referencias
- CATALOG.md — identidades y heurística de recomendación
- references/rail.md — reglas de riel (subtítulo en tercio inferior)
- references/composition-craft.md — arte de incrustación
- themes/README.md — registros de tema y esquemas
- dna/README.md — validación de ADN de identidad
Notas de uso del agente
- Siempre sondear el clip primero (ffprobe + muestras de fotogramas).
- Rechazar clips inadecuados (múltiples oradores, sin sujeto, ya quemados, transcripción basura).
- Recomendar una identidad de CATALOG.md — nunca preguntar "¿Estándar, Cinemático o Tema?"
- Dejar que el usuario elija la identidad; no asumir el valor predeterminado.
- Siempre previsualizar antes de renderizar.
- Incrustar cada palabra es incorrecto — usar riel para la mayor parte del texto, incrustado para los picos.
- Para solicitudes en chino ("炸", "特效", "酷炫字幕") — preseleccionar identidades temáticas (ordnance, stomp, terminal, loud).