Legendas Incorporadas
Um catálogo, escolhido à frente (CATALOG.md — 17 identidades; os três mecanismos por trás são detalhes de backend). Padrão (padrão) constrói um trilho limpo e literal (legenda inferior que carrega a maior parte do texto) + um clímax incorporado composto na cena atrás do assunto no pico. Cinematográfico é pura incorporação — sem trilho, cada legenda composta atrás do assunto (tipografia heróica, acumulação, oclusão como efeito). Tema é uma constituição temática completa — paradigma corporal × peça heróica × efeito frontal × reação de placa, composta a partir de registros (themes/README.md): ordnance terminal neonsign stardust stomp. A maioria dos vídeos explicativos / narração é Padrão; a incorporação é o pico escasso e merecido — incorporar cada palavra é o erro comum; Tema é para pedidos de nível VFX ("炸", "特效", "como se fosse AE").
Fluxo operacional (Resumo)
A prosa técnica abaixo é longa; o pipeline em si é curto — e tudo que é determinístico é calculado ou compilado, nunca escrito à mão:
- Portão de decisão (recusar clipes ruins) → escolher UMA identidade de CATALOG.md (17 identidades; mecanismo/compilador derivado por consulta — nunca apresentar uma pergunta de modo/categoria)
hyperframes init(pule se o diretório do projeto já existir com o vídeo dentro —matte.cjs/transcribe.cjsadotam qualquer vídeo no diretório como source.mp4) →bash scripts/prepare.sh <projeto>(matte ∥ transcrição ∥ envelope de áudio em paralelo, depois zonas seguras v2 com paleta de cena/óptica/iluminação — um comando, nada esquecido)- criar um pequeno JSON de escolhas criativas (leia
safe-zones.jsonprimeiro): Cinematográfico →plan.json→fill-timings.cjs→fit-fonts.cjs→make-composition.cjs; Tema →theme.json→make-theme.cjs(paradigmas de trilho/painel/poema/tomada;anchoré o padrão de trilho silencioso) - QA Visual:
node scripts/preview-frames.cjs <projeto>→ pré-visualizações compostas fiéis em ~2s/quadro (sem renderização). Verifique § QA Visual antes de pagar por uma renderização. render-and-composite.sh→ portões (temporização / oclusão+herói / estouro / entrega) →final.mp4
Regras importantes que as pessoas ignoram:
- trilho (padrão) + incorporação (promoção).
drop(preenchimento, não mostrado) /rail(legenda inferior literal, na frente, carrega a maior parte do texto) /embed(uma palavra de pico composta atrás do assunto). O modo Padrão faz ambos, incorporando apenas o(s) pico(s). Veja § Modelo de legenda. - O vídeo é entregue INALTERADO (Padrão/Cinematográfico; o orçamento de PLACA do modo Tema é a única exceção sancionada — batidas de reação registradas (carga-escurecimento, soco, tremor, granulação) definidas por DNA do tema e aplicadas APÓS a composição do matte para que assunto+texto+placa se movam como um quadro) — as legendas são a única coisa adicionada; o matte apenas permite que o assunto oclua a trilha incorporada. Nunca gradear/recolorir/scanear a filmagem.
- Dois livros de regras: trilho → references/rail.md (fino), arte da incorporação → references/composition-craft.md (rico, apenas incorporação). Folheie por necessidade.
Modelo de legenda — trilho + incorporação
Cada frase falada é uma de três coisas:
| O que | Como é mostrado | |
|---|---|---|
| drop | preenchimento — hum/ah, gaguejos, autocorreções | não mostrado |
| rail | o padrão — conteúdo falado comum (literal) | legenda inferior limpa, na frente, legível. Uma palavra de impacto pode receber um destaque emphasis inline (cor de acento / pop de palavra ativa) — ela permanece no trilho. |
| embed | um pico promovido — a batida do título | uma palavra grande composta atrás do assunto (oclusão do matte), entrada e saída projetadas |
O trilho carrega a maior parte do texto; a incorporação é o pico escasso e merecido. Escassez é por batida/bloco, não por clipe: ≤1 herói por bloco (pensamento), nunca dois co-visíveis, ≥ uma batida de ar entre janelas de herói (o compilador avisa abaixo de 0,6s). Um clipe curto → geralmente 1–2; um longo explicativo → ~um por seção. Entre vários heróis, o maior criado é o ÁPICE (só ele recebe o bloco de incorporação completo + ajuste de largura); os menores são picos MENORES que flutuam em sua coluna como linhas de ênfase superdimensionadas (fg, movimento amortecido) — nem toda batida precisa do destaque do matte, que é exatamente o que mantém o ápice como um evento. Incorporar toda palavra ainda é o erro comum.
Identidades de superfície de trilho constroem exatamente isso (trilho = rail.html, incorporação = o clímax em index.html). Identidades de fluxo de coluna descartam o trilho e fazem tudo no estilo incorporação — recomende-as apenas para pedidos de clima sobre literalidade, nunca para explicativo / narração onde as palavras devem ser lidas (CATALOG.md codifica isso por identidade).
Passo 0 — escolha UMA identidade do CATÁLOGO
Um front-end, três mecanismos por trás. O usuário escolhe uma IDENTIDADE de CATALOG.md (17 entradas: 12 clássicas + 5 temáticas); o mecanismo, compilador e arquivo de criação são derivados por consulta da linha do catálogo. Nunca apresente "Padrão vs Cinematográfico vs Tema" como uma pergunta — esses são nomes de backend (um produto tem uma UX mesmo com vários mecanismos). O catálogo codifica tudo que o roteamento precisa: superfície de leitura, voz, recomendar-para, necessidades de cena, notas de adjacência para pares realmente próximos (loud↔ordnance, neon↔neonsign, cream↔stardust).
Procedimento: sondar o clipe → pré-selecionar 2–3 identidades do catálogo → recomendar UMA com uma linha de porquê → o usuário escolhe → criar o arquivo dessa identidade. As identidades são bloqueadas por mecanismo (sem combinações cruzadas; abrir uma é um evento de validação — veja dna/README.md).
Sempre apresente sua recomendação e deixe o usuário escolher antes de criar. Não assuma silenciosamente.
(A tabela de identidades completa está em CATALOG.md — fonte única de verdade para roteamento. Os documentos do mecanismo abaixo descrevem o contrato de criação de cada backend.)
Heurística de recomendação: use as "Heurísticas de pré-seleção" em CATALOG.md — elas são no nível da identidade (ex.: "炸" pré-seleciona ordnance/stomp/terminal/loud e escolhe pelo QUE deve explodir), nunca no nível da categoria. Em dúvida → anchor.
- Cinematográfico → escreva
plan.jsonpara um modelo bloqueado, compilado pormake-composition.cjs. - Tema → leia themes/README.md, crie
theme.json, executescripts/render-theme.sh(compila + renderiza + reação de placa → final_fx.mp4).
Portão de decisão — EXECUTE PRIMEIRO
Sonde o vídeo e classifique a cena antes de qualquer modo.
ffprobe <video.mp4> # especificações
ffmpeg -ss <t> -i <video.mp4> -vframes 1 sample.png # em 20/50/80%
Leia as amostras. Recuse se:
- Múltiplos falantes / cortes bruscos (divida e renderize cada tomada, ou recuse)
- Nenhum sujeito humano (esta habilidade é para cabeça falante)
- Menos de 3 segundos, sem fala, ou rosto nunca claramente visível —
transcribe.cjsavisa quando o áudio está quase silencioso (Whisper alucina palavras como "Obrigado." sobre silêncio); obedeça e recuse em vez de legendear palavras fabricadas - A fonte já tem legendas queimadas / legendas / gráficos de texto pesados — adicionar um segundo sistema de legendas conflita e a filmagem é entregue intocada (sem cobrir/retoque). Texto queimado geralmente aparece apenas no meio do clipe: amostre uma folha de contato de 1 fps (
ffmpeg -i in.mp4 -vf "fps=1,scale=160:-1,tile=10x5" sheet.png), não confie em 3 quadros pontuais. - A transcrição é lixo — fala não-nativa/sotaque pesado pode ser transcrita em confiança sem sentido. Leia
transcript.jsonpara garantir antes de criar; se não se interpretar como idioma, tenteWHISPER_MODEL=mediumuma vez, senão recuse (um trilho literal de palavras fabricadas é pior do que sem legendas). - Câmera na mão ocupada com movimento rápido (matte oscila)
Sondagens de pré-voo (não custam nada, evitam as piores falhas)
- Sondagem de corte de tomada. Amostre quadros em 20%, 50%, 80%. Se um assunto/cena diferente aparecer, corte o clipe antes do corte.
- Sondagem de letterbox / pillarbox. Barras pretas no primeiro quadro? Calcule o retângulo de conteúdo seguro e restrinja o posicionamento da legenda dentro dele.
- Sondagem de luminância. Amostre a luminância média da região da legenda —
abaixo de 60→ texto claro lê como está,60-180→ adicione o serrilhado do glifo,180+→ texto opaco + serrilhado (nunca texto claro puro). Modelos cinematográficos são creme+screene BLOQUEADOS — use esta sondagem para escolher uma identidade adequada (cenas claras →ink, ou o temaanchorde trilho opaco), nunca para recolorir um. - Recomendação de identidade por tom (você recomenda; o usuário escolhe — veja Passo 0 + CATALOG.md). explicativo / entrevista / palavras que devem ser lidas → identidades de superfície de trilho/painel; poético / social / "cinematográfico" → identidades de fluxo de coluna por registro; "炸 / 特效 / VFX" / mundos nomeados → identidades temáticas. Quando em dúvida →
anchor(palavras lidas, cena segura) — mas apresente uma pré-seleção e deixe o usuário escolher.
Pipeline — 5 etapas
1. hyperframes init <projeto> --non-interactive --video <video.mp4>
2. bash scripts/prepare.sh <projeto> # matte ∥ transcrição (paralelo) → zonas seguras. Um comando.
# → frames_fg/ transcript.json safe-zones.json
3. [ETAPA DO AGENTE — a única etapa criativa] crie um pequeno JSON; veja abaixo por modo
Cinematográfico: crie plan.json → node scripts/fill-timings.cjs → fit-fonts.cjs → make-composition.cjs
Tema: crie theme.json → bash scripts/render-theme.sh <projeto> (compila + renderiza + efeitos de placa)
4. node scripts/preview-frames.cjs <projeto> # ~2s/quadro pré-visualizações compostas → § QA Visual (ANTES da renderização)
5. bash scripts/render-and-composite.sh <projeto> # portões → final.mp4 + histórico/ instantâneo
(Modo Tema: PULE as etapas 3b/5 — render-theme.sh já executa a compilação + renderização e composição
+ _postfx.sh; o entregável é final_fx.mp4, final.mp4 é pré-reação de placa)
O init da Etapa 1 verifica as habilidades instaladas contra as mais recentes no GitHub e atualiza o conjunto global se alguma estiver desatualizada.
A Etapa 3 difere por modo:
Etapa 3 — Modo Cinematográfico (pura incorporação)
- Leia
safe-zones.jsonprimeiro. Planos de narração vão emzones.hugLeft/hugRight— faixas limpas ABUTANDO a silhueta (texto longe do corpo parece flutuante, não incorporado; cantos distantes são o plano de fundo, não o padrão). O herói padrão vai paraheroAnchor/heroBands.best(centralizado NO assunto, ~30–55% ocluído).recommendation:"fg"move a NARRAÇÃO para a frente para legibilidade; o herói permanece incorporado sempre queheroBands.feasible— herói-fg é o último recurso. - O DNA é a identidade que você escolheu no Passo 0 (CATALOG.md) — não reabra a escolha aqui. Verifique-a contra a cena (luminância da banda heróica > 150 quer
ink; orientação completa de escolha está no catálogo, cobrindo todas as dez, incluindo neon / glitch / chrome / velocity). Declare sua escolha + porquê; o usuário decide. O DNA bloqueia tipo/paleta/mistura/movimento + três atos heróicos; zonas seguras v2 (paleta/óptica/iluminação) parametriza-o para ESTA cena automaticamente. - Crie
<projeto>/cinematic.json—"dna": "<nome>"+ BLOCOS de pensamento, não grupos brutos: cada bloco = linhas de palavras (agrupadas 2–5 em limites de oração) + o plano em que empilha +csspor linha (tamanho/peso/estilo apenas — sem posições) + no máximo UMA linha marcada como"hero": true(a palavra promovida;"text"para forma de exibição). Esquema: cabeçalho descripts/make-cinematic.cjs. - Compile:
node scripts/make-cinematic.cjs <projeto>— reduz blocos → plan.json → index.html. Gerado para você: temporizações sequenciadas por transcrição, acumulação dentro do bloco, virada de página entre blocos, o BLOCO HERÓICO (pré-contexto de um bloco heróico, HERÓI e pós-contexto empilham como UMA composição unida centrada no assunto — ordem de leitura de cima para baixo = ordem falada por construção; contexto flutua na FRENTE enquanto o herói se incorpora ATRÁS = o sanduíche de profundidade; uma regra de massa mantém o herói dominando seu contexto), divisão ápice/herói menor, ordem de leitura por construção, plano de fundo fg por zonas seguras. Depois os portões rodam normalmente. (Criar plan.json manualmente ainda é possível para designs que os blocos não podem expressar — depois executefill-timings.cjs+fit-fonts.cjs+make-composition.cjsvocê mesmo.)
Etapa 3 — Modo Tema (constituição temática)
Leia themes/README.md PRIMEIRO — registros de paradigma/peça, ligações, regras rígidas e o esquema exato de theme.json.
- Escolha um DNA de tema por registro de conteúdo (cada
themes/<nome>.jsontemvoice+when). Declare sua escolha + porquê; o usuário decide. - Crie
<projeto>/theme.json—dna,lines(literal, ordem de transcrição; 1–5 palavras cada — paratakeovercada linha é um CARTÃO),minors(palavras de ênfase),hero:{match}(a palavra/frase clímax; deixe-a FORA delinespara peças incorporadas, mantenha-a DENTRO para peças inline e painel+redact). - Renderize:
bash scripts/render-theme.sh <projeto>— compila (portão de completude literal no tempo de compilação), renderiza ambas as camadas, compõe, aplica a reação de placa →final_fx.mp4. Usepreview-frames.cjsentre a compilação e a renderização para QA Visual.
QA Visual — pré-visualize ANTES de renderizar
node scripts/preview-frames.cjs <projeto> [t…] compõe pré-visualizações fiéis em ~2s cada
(camadas de legenda capturadas no tempo de busca + quadro de vídeo real + oclusão do matte + sobreposição do trilho = como
a composição final ficará naquele momento). Amostras padrão = cada janela de grupo/clímax.
Uma renderização completa custa minutos — nunca use para descobrir problemas de layout.
Verifique as pré-visualizações (<projeto>/preview/sheet.png) contra o
…
[truncado para tradução]