Légendes incrustées
Un catalogue, choisi en amont (CATALOG.md — 17 identités ; les trois moteurs derrière sont un détail d'implémentation). Standard (par défaut) construit un rail textuel propre (sous-titre en bas de l'écran pour la majorité du texte) + un climax encapsulé composité dans la scène derrière le sujet au moment fort. Cinématique est un encapsulé pur — pas de rail, chaque légende est compositée derrière le sujet (typographie héroïque, accumulation, occlusion comme effet). Thème est une constitution thématique complète — paradigme du corps × scène héroïque × effet frontal × réaction de la plaque, composée à partir de registres (themes/README.md) : ordnance terminal neonsign stardust stomp. La plupart des vidéos explicatives / voix-off utilisent Standard ; l'incrustation est le pic rare et mérité — incruster chaque mot est l'erreur courante ; Thème est pour les demandes de type effets VFX ("炸", "特效", "comme fait dans After Effects").
Fonctionnement (en résumé)
Le texte détaillé ci-dessous est long ; le pipeline lui-même est court — et tout ce qui est déterministe est calculé ou compilé, jamais écrit à la main :
- Porte de décision (refuser les mauvais clips) → choisir UNE identité dans CATALOG.md (17 identités ; le moteur/compilateur est dérivé par recherche — ne jamais poser de question sur le mode/catégorie)
hyperframes init(ignorer si le dossier du projet existe déjà avec la vidéo à l'intérieur —matte.cjs/transcribe.cjsadoptent toute vidéo dans le dossier commesource.mp4) →bash scripts/prepare.sh <projet>(matte ∥ transcrire ∥ enveloppe audio en parallèle, puis safe-zones v2 avec palette de scène, optique, éclairage — une seule commande, rien n'est oublié)- écrire un petit JSON de choix créatifs (lire
safe-zones.jsond'abord) : Cinématique →plan.json→fill-timings.cjs→fit-fonts.cjs→make-composition.cjs; Thème →theme.json→make-theme.cjs(paradigmes rail/panneau/poème/prise de contrôle ;anchorest le rail silencieux par défaut) - QA visuelle :
node scripts/preview-frames.cjs <projet>→ aperçus composites fidèles en ~2s/image (pas de rendu). Vérifier § QA visuelle avant de payer un rendu. render-and-composite.sh→ portes (timing / occlusion+héro / débordement / remise) →final.mp4
Règles importantes que les gens oublient :
- rail (par défaut) + encapsulé (promotion).
drop(bourrage, non affiché) /rail(sous-titre textuel en bas, devant, porte la majorité du texte) /encapsulé(un mot clé composité derrière le sujet). Le mode Standard fait les deux, n'incrustant que le(s) pic(s). Voir § Modèle de légendes. - La vidéo est livrée INTACTE (Standard/Cinématique ; le budget PLATE du mode Thème est la seule exception autorisée — les battements de réaction basés sur des registres (charge-dim, coup, secousse, grain) définis par l'ADN du thème et appliqués APRÈS le composite du matte afin que le sujet+texte+plaque bougent comme un seul bloc) — les légendes sont la seule chose ajoutée ; le matte permet simplement au sujet d'occulter la piste d'encapsulé. Ne jamais étalonner/recolorer/ajouter de lignes de balayage à la séquence.
- Deux guides : rail → references/rail.md (mince), artisanat de l'encapsulé → references/composition-craft.md (riche, encapsulé uniquement). Parcourir selon les besoins.
Modèle de légendes — rail + encapsulé
Chaque phrase parlée est l'une de ces trois choses :
| Quoi | Comment c'est affiché | |
|---|---|---|
| drop | remplissage — euh/hem, bégaiements, auto-corrections | non affiché |
| rail | la valeur par défaut — contenu parlé ordinaire (textuel) | sous-titre propre en bas de l'écran, devant, lisible. Un mot percutant peut obtenir un surlignage emphasis en ligne (couleur d'accent / pop de mot actif) — il reste sur le rail. |
| encapsulé | un pic promu — le battement principal | un grand mot composité derrière le sujet (occlusion matte), entrée + sortie conçues |
Le rail porte la majorité du texte ; l'encapsulé est le pic rare et mérité. La rareté est par battement/bloc, pas par clip : ≤1 héro par bloc (pensée), jamais deux visibles en même temps, ≥ un battement d'air entre les fenêtres héroïques (le compilateur avertit en dessous de 0,6 s). Un clip court → généralement 1–2 ; un long exposé → environ un par section. Parmi plusieurs héros, le plus grand écrit est l'APEX (lui seul obtient le verrouillage complet de l'encapsulé + agrandissement à la largeur) ; les plus petits sont des pics MINEURS qui chevauchent leur colonne sous forme de lignes de surbrillance surdimensionnées (premier plan, mouvement amorti) — ce n'est pas chaque battement qui a besoin de la vitrine du matte, ce qui est exactement ce qui maintient l'apex comme un événement. Incruster chaque mot est toujours l'erreur courante.
Les identités de surface de rail construisent exactement cela (rail = rail.html, encapsulé = le climax dans index.html). Les identités en flux de colonne abandonnent le rail et rendent tout en style encapsulé — les recommander uniquement pour les demandes où l'ambiance prime sur le texte, jamais pour les vidéos explicatives/voix-off où les mots doivent être lisibles (CATALOG.md encode cela par identité).
Étape 0 — choisir UNE identité dans le CATALOGUE
Un frontal, trois moteurs derrière. L'utilisateur choisit une IDENTITÉ dans CATALOG.md (17 entrées : 12 classiques + 5 thématiques) ; le moteur, le compilateur et le fichier de création sont dérivés par recherche dans la ligne du catalogue. Ne jamais poser la question "Standard vs Cinématique vs Thème" — ce sont des noms internes (un produit a une seule expérience utilisateur même avec plusieurs moteurs). Le catalogue encode tout ce dont l'acheminement a besoin : surface de lecture, voix, recommandation-pour, besoins de la scène, notes de contiguïté pour les paires vraiment proches (loud↔ordnance, neon↔neonsign, cream↔stardust).
Procédure : sonder le clip → présélectionner 2–3 identités du catalogue → recommander UNE avec une ligne de justification → l'utilisateur choisit → écrire le fichier de cette identité. Les identités sont liées à leur moteur (pas de combinaisons croisées ; en ouvrir une est un événement de validation — voir dna/README.md).
Toujours présenter votre recommandation et laisser l'utilisateur choisir avant d'écrire. Ne pas choisir silencieusement par défaut.
(La table complète des identités se trouve dans CATALOG.md — source unique de vérité pour l'acheminement. La documentation des moteurs ci-dessous décrit le contrat de création de chaque backend.)
Heuristique de recommandation : utiliser les "Heuristiques de présélection" dans CATALOG.md — elles sont au niveau de l'identité (par exemple "炸" présélectionne ordnance/stomp/terminal/loud et choisit en fonction de CE qui doit exploser), jamais au niveau de la catégorie. En cas de doute → anchor.
- Cinématique → écrire
plan.jsonpour un modèle verrouillé, compilé parmake-composition.cjs. - Thème → lire themes/README.md, écrire
theme.json, exécuterscripts/render-theme.sh(compile + rend + réaction de plaque → final_fx.mp4).
Porte de décision — EXÉCUTER EN PREMIER
Sonder la vidéo et classer la scène avant chaque mode.
ffprobe <video.mp4> # spécifications
ffmpeg -ss <t> -i <video.mp4> -vframes 1 sample.png # à 20/50/80 %
Lire les échantillons. Refuser si :
- Plusieurs intervenants / coupures franches (diviser et rendre chaque plan, ou refuser)
- Pas de sujet humain (cette compétence est pour les personnes qui parlent)
- Moins de 3 secondes, pas de parole, ou visage jamais clairement visible —
transcribe.cjsprévient lorsque l'audio est presque silencieux (Whisper hallucine des mots comme "Merci." sur le silence) ; l'écouter et refuser plutôt que de légender des mots fabriqués - La source a déjà des légendes / sous-titres / graphiques textuels lourds incrustés — l'ajout d'un second système de légendes entre en conflit et la séquence est livrée intacte (pas de recouvrement/restauration). Le texte incrusté apparaît souvent seulement au milieu du clip : échantillonner une planche contact à 1 ips (
ffmpeg -i in.mp4 -vf "fps=1,scale=160:-1,tile=10x5" sheet.png), ne pas se fier à 3 images ponctuelles. - La transcription est mauvaise — la parole non native/fortement accentué peut être transcrite en charabia confiant. Lire
transcript.jsonen entier avant d'écrire ; si cela ne se décode pas comme une langue, essayerWHISPER_MODEL=mediumune fois, sinon refuser (un rail textuel de mots fabriqués est pire qu'aucune légende). - Mouvement à main levée chargé avec mouvement rapide (scintillement du matte)
Sondages préliminaires (ne coûtent rien, évitent les pires échecs)
- Sondage de coupure de plan. Échantillonner des images à 20 %, 50 %, 80 %. Si un sujet/scène différent apparaît, recadrer le clip avant la coupure.
- Sondage de letterbox / pillarbox. Barres noires sur la première image ? Calculer le rectangle de contenu sûr et contraindre le placement des légendes à l'intérieur.
- Sondage de luminance. Échantillonner la luminance moyenne de la région des légendes —
sous 60→ le texte clair se lit tel quel,60-180→ ajouter l'écran de glyphes,180+→ texte opaque + écran (jamais de texte clair nu). Les modèles cinématiques sontcream+screenet VERROUILLÉS — utiliser ce sondage pour choisir une identité appropriée (scènes lumineuses →ink, ou le thèmeanchorà rail opaque), jamais pour recolorer une identité. - Recommandation d'identité par tonalité (vous recommandez ; l'utilisateur choisit — voir Étape 0 + CATALOG.md). vidéo explicative / interview / mots à lire absolument → identités à surface rail/panneau ; poétique / social / "cinématique" → identités en flux de colonne par registre ; "炸 / 特效 / VFX" / mondes nommés → identités thématiques. En cas de doute →
anchor(les mots se lisent, la scène est sûre) — mais présenter une présélection et laisser l'utilisateur choisir.
Pipeline — 5 étapes
1. hyperframes init <projet> --non-interactive --video <video.mp4> --skip-skills
2. bash scripts/prepare.sh <projet> # matte ∥ transcription (parallèle) → safe-zones. Une seule commande.
# → frames_fg/ transcript.json safe-zones.json
3. [ÉTAPE AGENT — la seule étape créative] écrire un petit JSON ; voir ci-dessous par mode
Cinématique : écrire plan.json → node scripts/fill-timings.cjs → fit-fonts.cjs → make-composition.cjs
Thème : écrire theme.json → bash scripts/render-theme.sh <projet> (compile + rend + effets de plaque)
4. node scripts/preview-frames.cjs <projet> # ~2s/image aperçus composites → § QA visuelle (AVANT le rendu)
5. bash scripts/render-and-composite.sh <projet> # portes → final.mp4 + historique/ instantané
(Mode Thème : SAUTER les étapes 3b/5 — render-theme.sh exécute déjà la compilation + rendu-et-composite
+ _postfx.sh ; le livrable est final_fx.mp4, final.mp4 est avant la réaction de la plaque)
L'étape 3 diffère selon le mode :
Étape 3 — Mode Cinématique (incrustation pure)
- Lire
safe-zones.jsond'abord. Les plans de narration vont danszones.hugLeft/hugRight— des bandes propres jouxtant la silhouette (le texte loin du corps donne l'impression de flotter, pas d'être incrusté ; les coins éloignés sont le repli, pas la valeur par défaut). Le héros est par défautheroAnchor/heroBands.best(centré SUR le sujet, ~30–55 % occulté).recommendation:"fg"déplace la NARRATION devant pour la lisibilité ; le héros reste incrusté chaque fois queheroBands.feasible— héros au premier plan est le dernier recours. - L'ADN est l'identité que vous avez choisie à l'Étape 0 (CATALOG.md) — ne pas rouvrir le choix ici. Vérifier sa cohérence avec la scène (bande héroïque brillante > 150 veut
ink; le guide complet de sélection se trouve dans le catalogue, couvrant les dix incluant neon / glitch / chrome / velocity). Indiquer votre choix + pourquoi ; l'utilisateur décide. L'ADN verrouille le type/la palette/le mélange/le mouvement + l'acte en trois parties du héros ; safe-zones v2 (palette/optique/éclairage) le paramètre pour CETTE scène automatiquement. - Écrire
<projet>/cinematic.json—"dna": "<nom>"+ BLOCS de pensée, pas de groupes bruts : chaque bloc = lignes de mots (groupés 2–5 aux limites de proposition) + le plan dans lequel il s'empile +csspar ligne (taille/épaisseur/style uniquement — pas de positions) + au plus UNE ligne marquée"hero": true(le mot promu ;"text"pour la forme d'affichage). Schéma : en-têtescripts/make-cinematic.cjs. - Compiler :
node scripts/make-cinematic.cjs <projet>— abaisse les blocs → plan.json → index.html. Généré pour vous : timings séquencés par transcription, accumulation intra-bloc, page-flip entre blocs, le VERROUILLAGE DU HÉROS (le pré-contexte, le HÉROS et le post-contexte d'un bloc héroïque s'empilent comme une composition liée unique centrée sur le sujet — l'ordre de lecture haut→bas = l'ordre parlé par construction ; le contexte flotte DEVANT tandis que le héros s'incruste DERRIÈRE = le sandwich de profondeur ; une règle de masse maintient le héros dominant son contexte), division apex/héros mineur, ordre de lecture par construction, repli au premier plan selon safe-zones. Ensuite les portes s'exécutent normalement. (L'écriture manuelle de plan.json directement reste possible pour les designs que les blocs ne peuvent pas exprimer — puis exécuterfill-timings.cjs+fit-fonts.cjs+make-composition.cjsvous-même.)
Étape 3 — Mode Thème (constitution thématique)
Lire themes/README.md D'ABORD — registres de paradigme/scène, liens, règles strictes et le schéma exact de theme.json.
- Choisir un ADN de thème par le registre du contenu (chaque
themes/<nom>.jsonavoice+when). Indiquer votre choix + pourquoi ; l'utilisateur décide. - Écrire
<projet>/theme.json—dna,lines(textuel, ordre de transcription ; 1–5 mots chacun — pourtakeoverchaque ligne est une CARTE),minors(mots d'emphase),hero:{match}(le mot/la phrase climax ; le laisser HORS delinespour les scènes d'incrustation, le garder DANSlinespour les scènes en ligne et panneau+redaction). - Rendre :
bash scripts/render-theme.sh <projet>— compile (porte de complétude textuelle au moment de la compilation), rend les deux couches, composite, applique la réaction de plaque →final_fx.mp4. Utiliserpreview-frames.cjsentre la compilation et le rendu pour la QA visuelle.
QA visuelle — prévisualiser AVANT de rendre
node scripts/preview-frames.cjs <projet> [t…] composite des images de prévisualisation fidèles en ~2s chacune
(couches de légendes capturées d'écran au moment de la recherche + image vidéo réelle + occlusion matte + superposition rail = ce à quoi
le composé final ressemblera à ce moment-là). Échantillons par défaut = chaque fenêtre de groupe/climax.
Un rendu complet coûte des minutes — ne jamais l'utiliser pour découvrir des problèmes de disposition.
Vérifier les prévisualisations (<projet>/preview/sheet.png) par rapport à cette liste — ce sont les échecs que
les portes géométriques ne peuvent pas détecter :
- Lavage — texte clair sur un fond brillant...