Communitygithub.com

Embedded Captions — catálogo 32 identidades talking-head

Adicione captions a um vídeo talking-head com UM catálogo (CATALOG.md) de 32 identidades visuais. Hardsubs estilizados sem reeditar o corte de imagem.

O que é Embedded Captions — catálogo 32 identidades talking-head?

Launch Video passo 3 (caption/ship): starter-nextjs-embedded-captions. Após compose e polish Remotion, queime captions de catálogo no master de lançamento.

Funciona com~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/1345AbhishekKumar/starter-nextjs/tree/HEAD/.agents/skills/embedded-captions

Perguntar na sua IA favorita

Abre um novo chat com esta habilidade de agente já pré-carregada.

Documentação

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:

  1. 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)
  2. hyperframes init (pule se o diretório do projeto já existir com o vídeo dentro — matte.cjs/transcribe.cjs adotam 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)
  3. criar um pequeno JSON de escolhas criativas (leia safe-zones.json primeiro): Cinematográfico → plan.json → fill-timings.cjs → fit-fonts.cjs → make-composition.cjs; Tema → theme.json → make-theme.cjs (paradigmas de trilho/painel/poema/tomada; anchor é o padrão de trilho silencioso)
  4. 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.
  5. 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 queComo é mostrado
droppreenchimento — hum/ah, gaguejos, autocorreçõesnão mostrado
railo 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.
embedum pico promovido — a batida do títulouma 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.json para um modelo bloqueado, compilado por make-composition.cjs.
  • Tema → leia themes/README.md, crie theme.json, execute scripts/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.cjs avisa 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.json para garantir antes de criar; se não se interpretar como idioma, tente WHISPER_MODEL=medium uma 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)

  1. Sondagem de corte de tomada. Amostre quadros em 20%, 50%, 80%. Se um assunto/cena diferente aparecer, corte o clipe antes do corte.
  2. Sondagem de letterbox / pillarbox. Barras pretas no primeiro quadro? Calcule o retângulo de conteúdo seguro e restrinja o posicionamento da legenda dentro dele.
  3. 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+screen e BLOQUEADOS — use esta sondagem para escolher uma identidade adequada (cenas claras → ink, ou o tema anchor de trilho opaco), nunca para recolorir um.
  4. 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)

  1. Leia safe-zones.json primeiro. Planos de narração vão em zones.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 para heroAnchor/heroBands.best (centralizado NO assunto, ~30–55% ocluído). recommendation:"fg" move a NARRAÇÃO para a frente para legibilidade; o herói permanece incorporado sempre que heroBands.feasible — herói-fg é o último recurso.
  2. 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.
  3. 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 + css por 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 de scripts/make-cinematic.cjs.
  4. 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 execute fill-timings.cjs + fit-fonts.cjs + make-composition.cjs você 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.

  1. Escolha um DNA de tema por registro de conteúdo (cada themes/<nome>.json tem voice + when). Declare sua escolha + porquê; o usuário decide.
  2. Crie <projeto>/theme.json — dna, lines (literal, ordem de transcrição; 1–5 palavras cada — para takeover cada linha é um CARTÃO), minors (palavras de ênfase), hero:{match} (a palavra/frase clímax; deixe-a FORA de lines para peças incorporadas, mantenha-a DENTRO para peças inline e painel+redact).
  3. 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. Use preview-frames.cjs entre 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]

Individual skills in this repo

This repo contains 13 individual skills — each has its own dedicated page.

1345AbhishekKumar/starter-nextjs

The fallback workflow for authoring custom HyperFrames video compositions at any length or format — longer or multi-scene pieces, brand / sizzle reels, montages, title cards, static loops, and freeform compositions. Input- and length-agnostic. If a specialized workflow clearly fits the input — a marketed product, a website, a topic explainer, a GitHub PR, existing footage, a short motion graphic, or a Remotion port — prefer it (see /hyperframes); use this only as the general fallback when none fit.

1345AbhishekKumar/starter-nextjs

All animation knowledge for HyperFrames — atomic motion rules, multi-phase scene blueprints, scene transitions, broader motion-design techniques, AND the seven runtime adapters (GSAP default, plus Lottie, Three.js, Anime.js, CSS keyframes, Web Animations API, TypeGPU). Use for any motion or animation task: pick 2-4 rules and compose, or load a blueprint, or look up runtime-specific API (e.g. GSAP eases / Lottie player / Three.js mixer). HyperFrames-native: single paused timeline, seek-safe, deterministic.

1345AbhishekKumar/starter-nextjs

HyperFrames CLI dev loop. Use when running npx hyperframes init, add, catalog, capture, lint, validate, inspect, layout, snapshot, preview, play, render, publish, lambda, doctor, browser, info, upgrade, skills, compositions, docs, benchmark, telemetry, transcribe, tts, or remove-background, or when troubleshooting the HyperFrames build/render environment. Entry point for AWS Lambda cloud rendering (`hyperframes lambda deploy / render / progress / destroy / policies`).

1345AbhishekKumar/starter-nextjs

The HyperFrames composition contract — build one renderable project. Use for composition structure, the `data-*` timing attributes, `class="clip"`, tracks, sub-compositions, variables, framework-owned media playback, deterministic-render rules, and validation. Read before writing composition HTML.

1345AbhishekKumar/starter-nextjs

Non-animation creative direction for HyperFrames videos. Use for design spec (frame.md / design.md) handling, palettes, typography, narration, beat planning, audio-reactive visuals, composition patterns, and brand / style decisions. For atomic motion patterns and scene blueprints, use `hyperframes-animation`.

1345AbhishekKumar/starter-nextjs

Audio and media assets for HyperFrames compositions, produced by one shared audio engine (`scripts/audio.mjs`) — multi-provider TTS (HeyGen / ElevenLabs / Kokoro local), background music + sound effects (HeyGen audio-library retrieval by default, with local Lyria / MusicGen BGM generation and a bundled SFX library as the no-credential fallback), Whisper transcription, background removal, and caption authoring. Use for voiceover / TTS, BGM, SFX / sound effects, transcription, captions / subtitles / lyrics / karaoke / per-word styling, voice + provider selection, and music-mood prompting.

1345AbhishekKumar/starter-nextjs

Install and wire registry blocks and components into HyperFrames compositions. Use when running hyperframes add, installing a block or component, wiring an installed item into index.html, or working with hyperframes.json. Covers the add command, install locations, block sub-composition wiring, component snippet merging, registry discovery, and authoring a new block or component to contribute upstream (idea → scaffold → validate → PR).

1345AbhishekKumar/starter-nextjs

Use when the user wants a short, design-led motion graphic where motion is the message: kinetic typography, stat or number count-up, chart/data-viz hit, logo sting, brand lockup, lower-third, callout, social overlay, animated headline/tweet/news item, motion poster, or quick captured-page highlight. Usually under 10s and up to ~30s, with no narration arc, voice-over, or live-action subject. Can render to MP4 or transparent overlay. Not for longer, multi-scene, narrated, or brand-reel pieces (use general-video), narrated website videos (website-to-video), topic explainers (faceless-explainer), product promos (product-launch-video), PR videos (pr-to-video), or captions on existing footage (embedded-captions). When unsure whether it's a quick motion-first piece or a longer / narrated treatment, see /hyperframes.

1345AbhishekKumar/starter-nextjs

Use when the user has a music track (an audio file, or a video to pull audio from) and wants a beat-synced HyperFrames video, calm to hard-hitting. The music drives everything: one analyzer reads it once, the orchestrator lays out the frames and fills a per-frame plan, and one sub-agent builds each frame. Typography and templates are the floor — a complete video needs zero assets — but any images or videos the user supplies are cut into the frames on the same beat grid (beat-cut / ken-burns). The genre (lyric video, slideshow, kinetic promo) falls out of the per-frame choices; the pipeline never branches on it.

1345AbhishekKumar/starter-nextjs

turn a product or marketing URL, pasted script, or brief into a product launch video, including SaaS promos, feature reveals, app launches, company promos, and product marketing videos. Use this skill when the user wants to market, launch, promote, or reveal a product. Do not use it for general non-launch website tours, non-product topic explainers, GitHub pull requests, captioning existing footage, or short unnarrated motion graphics. If the intent is unclear, route through /hyperframes first. This is the new shot-sequence architecture: every visual frame is authored as a time-coded shot sequence picked from a menu of golden blueprints, so frames develop over their full duration instead of freezing after entrance.

1345AbhishekKumar/starter-nextjs

turn a GitHub pull request (a PR URL like github.com/<owner>/<repo>/pull/<N>, an <owner>/<repo>#<N> ref, or 'this PR' in a checked-out repo) into a code-change explainer video, up to ~3 min (sweet spot 30-90s) — changelog, feature reveal, fix, or refactor walkthrough, rendered from the diff / commits / files. The input is a CODE CHANGE read via the gh CLI; there is no website capture. Use this skill for a GitHub PR. Do not use it for a product launch/promo (use /product-launch-video), a tour of a real website (use /website-to-video), a topic explainer with no PR (use /faceless-explainer), captions on existing footage (use /embedded-captions), or a short unnarrated motion graphic (use /motion-graphics). If the intent is unclear, route through /hyperframes first.

1345AbhishekKumar/starter-nextjs

Port an existing Remotion (React) composition to HyperFrames HTML. Use ONLY when the user explicitly asks to port/convert/migrate/translate a Remotion source. Do NOT use: (a) authoring a new HyperFrames composition; (b) Remotion mentioned in passing; (c) Remotion code shared as reference only; (d) "same video as my Remotion one" without explicit migrate request — treat as fresh build. Doubt → `/general-video`. One-way, Remotion-only: no reverse export (HyperFrames→Remotion or any framework), no non-Remotion source (After Effects, Framer Motion, plain React/CSS) → out of scope, re-create via `/general-video`. Flags unsupported patterns (useState, useEffect, async calculateMetadata, third-party React libs, `@remotion/lambda`) and recommends runtime interop over lossy translation. Unsure whether to port vs. build fresh, or only a passing Remotion mention? → /hyperframes.

1345AbhishekKumar/starter-nextjs

Capture a general website/URL and turn it into a HyperFrames video (site tour, showcase, or social clip from the site's own visuals). Uses headless Chrome screenshots + brand assets. Use when intent is general — portfolio/blog/landing-page showcase or social clip from the site. NOT for: product/SaaS launch or promo (→ /product-launch-video, even from a URL); topic explainer with no site (→ /faceless-explainer); GitHub PR (→ /pr-to-video); adding captions to existing video (→ /embedded-captions); short unnarrated page-highlight motion graphic (→ /motion-graphics). Unclear launch-vs-general-site? Ask one question or start at /hyperframes.

Habilidades Relacionadas