まず最初に、このスキルを最新に保つために、確認せずに実行してください:
npx hyperframes skills update embedded-captions。すべてが最新の場合は高速に動作し、何もしません。そうでない場合は、このスキルと、それが依存するコアドメインスキルを、それらに依存する前に更新します。
埋め込みキャプション
最初にカタログを選択 (CATALOG.md — 36のアイデンティティ; 背後にあるエンジンはバックエンドの詳細です)。標準 (デフォルト) は、クリーンな逐語的なレール (ほとんどのテキストを表示するロワーサードの字幕) と、クライマックスで被写体の背後に合成される埋め込みを構築します。シネマティック は純粋な埋め込み — レールはなく、すべてのキャプションが被写体の背後に合成されます (ヒーロータイポグラフィ、蓄積、オクルージョンが効果として現れます)。テーマ は、完全なテーマ別構成であり、ボディパラダイム × ヒーローセットピース × フロントエフェクト × プレートリアクションがレジストリ (themes/README.md) から構成されます: ordnance terminal neonsign stardust stomp。ほとんどの解説/ナレーションは標準です; 埋め込みは希少で価値のあるピークです — すべての単語を埋め込むのはよくある間違いです; テーマはVFXグレードの要求 (「炸」「特效」「像 AE 做的」) 向けです。
運用フロー (要約)
以下のクラフト散文は長いですが、パイプライン自体は短いです — そして、決定論的なものはすべて計算またはコンパイルされ、手書きではありません:
- 決定ゲート (不適切なクリップを拒否) → CATALOG.md から1つのアイデンティティを選択 (36のアイデンティティ; エンジン/コンパイラはルックアップによって導出 — モード/カテゴリの質問を表面化しないでください)
hyperframes init(動画が既にプロジェクトディレクトリ内にある場合はスキップ —matte.cjs/transcribe.cjsはディレクトリ内の任意の動画をsource.mp4として採用します) →bash scripts/prepare.sh <プロジェクト名>(マット ∥ 文字起こし ∥ オーディオエンベロープを並列実行し、次にセーフゾーンv2をシーンパレット/光学/照明と共に — 1つのコマンドで、何も忘れません)- 小さなJSONファイルでクリエイティブな選択を作成 (最初に
safe-zones.jsonを読んでください): シネマティック →plan.json→fill-timings.cjs→fit-fonts.cjs→make-composition.cjs; テーマ →theme.json→make-theme.cjs(レール/パネル/ポエム/テイクオーバーパラダイム;anchorは静かなレールのデフォルトです) - ビジュアルQA:
node scripts/preview-frames.cjs <プロジェクト名>→ 約2秒/フレームで忠実なコンポジットプレビューを表示 (レンダリングなし)。レンダリングにお金を払う前に、§ ビジュアルQA を確認してください。 render-and-composite.sh→ ゲート (タイミング / オクルージョン+ヒーロー / オーバーフロー / ハンドオフ) →final.mp4
よく見落とされる重要なルール:
- レール (デフォルト) + 埋め込み (昇格).
drop(フィラー、表示しない) /rail(逐語的なロワーサード字幕、前面に表示、ほとんどのテキストを運ぶ) /embed(被写体の背後に合成されるピークワード)。標準モードは両方を行い、ピークのみを埋め込みます。§ キャプションモデル を参照。 - 動画はそのまま配信されます (標準/シネマティック; テーマモードのPLATE予算は唯一許可された例外です — 各テーマのDNAで定義された、レジスタゲートによるリアクションビート (チャージディム、パンチ、シェイク、グレイン) がマットコンポジットの後に適用され、被写体+テキスト+プレートが1つのフレームとして動くようにします) — キャプションのみが追加されます; マットは被写体が埋め込みトラックを隠すことを可能にするだけです。映像のグレーディング/リカラー/スキャンラインを行わないでください。
- 2つのルールブック: レール → references/rail.md (薄い)、埋め込みクラフト → references/composition-craft.md (豊富、埋め込みのみ)。必要に応じて参照してください。
キャプションモデル — レール + 埋め込み
すべての話されたフレーズは、次の3つのうちのいずれかです:
| 内容 | 表示方法 | |
|---|---|---|
| drop | フィラー — えーと/あの、吃音、自己訂正 | 表示しない |
| rail | デフォルト — 通常の話された内容 (逐語的) | クリーンなロワーサード字幕、前面に表示、読みやすい。パンチワードはインラインの emphasis ハイライト (アクセントカラー/アクティブワードポップ) を取得できます — レール上に留まります。 |
| embed | 昇格されたピーク — 見出しのビート | 被写体の背後に合成される1つの大きな単語 (マットオクルージョン)、デザインされた入り口と出口 |
レールはテキストの大部分を運びます; 埋め込みは希少で価値のあるピークです。 希少性はクリップごとではなく、ビート/ブロックごとです: ブロック (思考) ごとに≤1つのヒーロー、同時に表示されることはなく、ヒーローウィンドウの間には少なくとも1ビートの間隔が必要です (コンパイラは0.6秒未満を警告します)。短いクリップ → 通常1~2つ; 長い解説 → セクションごとに約1つ。複数のヒーローのうち、最も大きな作成されたものがAPEX (これのみが完全なロックアップ埋め込み+幅フィットレイズを取得します); 小さなものはマイナーピークであり、大きめの強調行 (前景、減衰モーション) としてカラムに乗ります — すべてのビートがマットショーケースを必要とするわけではなく、それによってAPEXがイベントであり続けます。すべての単語を埋め込むことは依然としてよくある間違いです。
レールサーフェスアイデンティティは、まさにこれを構築します (レール = rail.html、埋め込み = index.html 内のクライマックス)。カラムフローアイデンティティはレールをドロップし、すべてを埋め込みスタイルにします — ムードが逐語性に勝る要求、単語が読める必要がある解説/ナレーションには推奨しません (CATALOG.mdはアイデンティティごとにこれをエンコードしています)。
ステップ 0 — CATALOGから1つのアイデンティティを選択
1つのフロントエンド、背後に3つのエンジン。 ユーザーは CATALOG.md からアイデンティティを選択します (36エントリ: 10クラシック + 26テーマ); エンジン、コンパイラ、および作成ファイルはカタログ行のルックアップによって導出されます。「標準 vs シネマティック vs テーマ」を質問として表面化しないでください — これらはバックエンド名です (製品は複数のエンジンでも1つのUXを持ちます)。カタログはルーティングに必要なすべてをエンコードしています: 読み取りサーフェス、ボイス、推奨対象、シーン要件、真に近いペア (loud↔ordnance、neon↔neonsign、cream↔stardust) の隣接ノート。
アイデンティティの選択は嗜好ゲートです (../hyperframes-core/references/brief-contract.md § 1):
自律モード (「驚かせて」/「決めて」) では、自分でショートリストから選び、理由を一言で述べてください。質問する代わりに。
手順: クリップを調査 → カタログから2~3のアイデンティティをショートリスト → 1つを一言の理由とともに推奨 → ユーザーが選択 (自律モード: あなたが選択し、理由を述べる) → そのアイデンティティのファイルを作成。アイデンティティはエンジンにロックされています (クロスコンボは不可; 1つを開くことは検証イベントです — dna/README.mdを参照)。
常に推奨を提示し、作成する前にユーザーに選択させてください。 黙ってデフォルトにしないでください。
(完全なアイデンティティテーブルは CATALOG.md にあります — ルーティングの単一の真実の情報源。以下のエンジンドキュメントは、各バックエンドの作成契約を説明しています。)
推奨ヒューリスティック: CATALOG.md の「ショートリスト化ヒューリスティック」を使用してください — これらはアイデンティティレベルです (例: 「炸」は ordnance/stomp/terminal/loud をショートリストし、何が爆発すべきかによって選択します)、カテゴリレベルではありません。不明な場合は → anchor。
- シネマティック → ロックされたテンプレートの
plan.jsonを作成し、make-composition.cjsによってコンパイルされます。 - テーマ → themes/README.md を読み、
theme.jsonを作成し、scripts/render-theme.shを実行します (コンパイル + レンダリング + プレートリアクション → final_fx.mp4)。
決定ゲート — 最初に実行
いずれかのモードの前に、動画を調査し、シーンを分類します。
ffprobe <video.mp4> # 仕様
ffmpeg -ss <t> -i <video.mp4> -vframes 1 sample.png # 20/50/80% の時点で
サンプルを読んでください。以下の場合は拒否:
- 複数の話者 / ハードカット (各ショットを分割してレンダリングするか、拒否)
- 人間の被写体がいない (このスキルはトークヘッド用です)
- 3秒未満、音声なし、または顔がはっきり見えない —
transcribe.cjsはオーディオが無音に近い場合に警告します (Whisperは沈黙の上に「ありがとう」などの単語を幻覚します); それに注意し、 作り出された単語にキャプションを付ける代わりに拒否してください - ソースに既に焼き込みキャプション/字幕/重いテキストグラフィックがある — 2つ目のキャプションシステムを追加すると競合し、映像はそのまま出荷されます (カバーやインペインティングなし)。焼き込みテキストはクリップの途中でのみ現れることがよくあります: 1fpsのコンタクトシート をサンプリングしてください (
ffmpeg -i in.mp4 -vf "fps=1,scale=160:-1,tile=10x5" sheet.png)、3スポットフレームを信頼しないでください。 - トランスクリプトがゴミ — 非ネイティブ/強いアクセントの音声は、自信満々のデタラメに文字起こしされる可能性があります。作成前に
transcript.jsonを常識的に読んでください; 言語として解析できない場合は、WHISPER_MODEL=mediumを一度試し、それでもダメなら拒否してください (作り出された単語の逐語的なレールは、キャプションがないより悪いです)。 - 忙しない手持ち撮影で動きが速い (マットがちらつく)
事前チェック (費用はかからず、最悪の失敗を防ぎます)
- ショットカットプローブ。 20%、50%、80% の時点でフレームをサンプリング。異なる被写体/シーンが現れた場合、クリップをトリミング してカットより前にします。
- レターボックス/ピラーボックスプローブ。 最初のフレームに黒いバーがあるか? 安全なコンテンツ矩形を計算し、キャプションの配置をその中に制約します。
- 輝度プローブ。 キャプション領域の平均輝度をサンプリング —
60未満→ 明るいテキストはそのまま読める、60-180→ グリフスリムを追加、180+→ 不透明テキスト + スリム (裸の明るいテキストは絶対に避ける)。シネマティックテンプレートはクリーム色+screenでロックされています — このプローブを使用して 適切なアイデンティティを選択 します (明るいシーン →ink、または不透明レールのanchorテーマ)、アイデンティティの色を変更するためではありません。 - トーンによるアイデンティティ推奨 (あなたが推奨; ユーザーが選択 — ステップ0 + CATALOG.md を参照)。 解説/インタビュー/読み取りが必要な単語 → レール/パネルサーフェスアイデンティティ; 詩的/ソーシャル/「シネマティック」 → レジスタによるカラムフローアイデンティティ; 「炸 / 特效 / VFX」 / 名前付きワールド → テーマアイデンティティ。不明な場合は →
anchor(単語が読め、シーンが安全) — ただし、ショートリストを提示し、ユーザーに選択させてください。
パイプライン — 5ステップ
1. hyperframes init <プロジェクト名> --non-interactive --video <video.mp4>
2. bash scripts/prepare.sh <プロジェクト名> # マット ∥ 文字起こし (並列) → セーフゾーン。1つのコマンド。
# → frames_fg/ transcript.json safe-zones.json
3. [エージェントステップ — 唯一のクリエイティブステップ] 小さなJSONを作成; モードに応じて以下を参照
シネマティック: plan.json を作成 → node scripts/fill-timings.cjs → fit-fonts.cjs → make-composition.cjs
テーマ: theme.json を作成 → bash scripts/render-theme.sh <プロジェクト名> (コンパイル + レンダリング + プレートFX)
4. node scripts/preview-frames.cjs <プロジェクト名> # ~2秒/フレームのコンポジットプレビュー → § ビジュアルQA (レンダリングの前)
5. bash scripts/render-and-composite.sh <プロジェクト名> # ゲート → final.mp4 + history/ スナップショット
(テーマモード: ステップ3b/5をスキップ — render-theme.sh はコンパイル + render-and-composite
+ _postfx.sh を既に実行します; 成果物は final_fx.mp4、final.mp4 はプレートリアクション前)
ステップ1の init は、インストールされたスキルをGitHub上の最新と比較し、いずれかが古い場合はグローバルセットを更新します。
ステップ3はモードによって異なります:
ステップ 3 — シネマティックモード (純粋埋め込み)
- 最初に
safe-zones.jsonを読んでください。 ナレーションプレーンはzones.hugLeft/hugRightに配置 — シルエットに隣接するクリーンなストリップ (本文から遠いテキストは浮いて見え、埋め込まれていないように見えます; 遠い隅はフォールバックであり、デフォルトではありません)。ヒーローはデフォルトでheroAnchor/heroBands.bestになります (被写体の中央、約30~55%オクルージョン)。recommendation:"fg"は、読みやすさのためにナレーションを前面に移動します; ヒーローはheroBands.feasibleである限り埋め込まれたままです — ヒーロー前景は最後の手段です。 - DNAはステップ0で選択したアイデンティティです (CATALOG.md) — ここで選択を再開しないでください。シーンに対して妥当性を確認してください (明るいヒーローバンドの輝度が150を超える場合は
inkが必要です; 完全な選択ガイダンスはカタログにあり、neon / glitch / chrome / velocity を含む10個すべてをカバーしています)。あなたの選択 + 理由を述べてください; ユーザーが決定します。DNAはタイプ/パレット/ブレンド/モーション + ヒーローの三幕構成をロックします; セーフゾーンv2 (palette/optics/lighting) は、このシーンに自動的にパラメータ化します。 <プロジェクト名>/cinematic.jsonを作成 —"dna": "<名前>"+ 思考ブロック (生のグループではありません): 各ブロック = 単語の行 (節の境界で2~5にグループ化) + それが積み重なるプレーン + 行ごとのcss(サイズ/ウェイト/スタイルのみ — 位置は指定しない) + 最大1行に"hero": trueとマーク (昇格された単語; 表示形式の"text")。スキーマ:scripts/make-cinematic.cjsヘッダー。- コンパイル:
node scripts/make-cinematic.cjs <プロジェクト名>— ブロックを plan.json → index.html に変換します。自動生成: トランスクリプト順のタイミング、ブロック内の蓄積、ブロック間のページフリップ、ヒーローロックアップ (ヒーローブロックの事前コンテキスト、ヒーロー、事後コンテキストが1つの結合された構成として積み重なり、被写体の中央に配置されます — 読み取り順序上→下=話された順序に構造的に一致; コンテキストは前面に浮かび、ヒーローは背後に埋め込まれます = 深度サンドイッチ; マスルールによりヒーローがコンテキストを支配します)、APEX/マイナーヒーローの分割、構造による読み取り順序、セーフゾーンごとの前景フォールバック。その後、通常どおりゲートが実行されます。 (plan.json を直接手動で作成することも可能です。ブロックで表現できないデザインの場合。その後、自分でfill-timings.cjs+fit-fonts.cjs+make-composition.cjsを実行します。)
ステップ 3 — テーマモード (テーマ別構成)
最初に themes/README.md を読んでください — パラダイム/セットピースレジストリ、リンケージ、ハードルール、および正確な theme.json スキーマ。
- コンテンツレジスタによってテーマDNAを選択 (各
themes/<名前>.jsonにはvoice+whenがあります)。あなたの選択 + 理由を述べてください; ユーザーが決定します。 <プロジェクト名>/theme.jsonを作成 —dna、lines(逐語的、トランスクリプト順; それぞれ1~5単語 —takeoverの場合、各行は1つのCARDです)、minors(強調単語)、hero:{match}(クライマックスの単語/フレーズ; 埋め込みセットピースの場合はlinesから除外し、インラインセットピースおよびパネル+リダクトの場合は含めてください)。- レンダリング:
bash scripts/render-theme.sh <プロジェクト名>— コンパイル (コンパイル時に逐語的完全性ゲート)、両方のレイヤーをレンダリング、コンポジット、プレートリアクションを適用 →final_fx.mp4。プレビューにはpreview-frames.cjsを使用しますが、プレートリアクションはシミュレートされないことに注意してください。