fl-sean03/skills

内嵌字幕

一个目录，前端选取（CATALOG.md — 17种身份；其背后的三个引擎是后端细节）。标准模式（默认）构建了一条干净的逐字 轨道（承载大部分文本的下三路字幕）+ 一个 内嵌 高潮部分，在峰值时刻合成到主体后方的场景中。电影模式 是纯内嵌模式——无轨道，每条字幕都合成到主体后方（英雄字体、累积、遮挡作为效果）。主题模式 是一个完整的主题构成——主体范式 × 英雄场景 × 前端特效 × 面板反应，由注册表（themes/README.md）组成：ordnance terminal neonsign stardust stomp。大部分解说/画外音使用 标准模式；内嵌是稀缺的、值得展示的峰值——每个词都内嵌是常见错误；主题模式适用于 VFX 级要求（“炸”、“特效”、“像 AE 做的”）。

---

操作流程（TL;DR）

下面的创作散文很长；流水线本身很短——所有确定性内容均由计算或编译生成，从不手写：

1. 决策门（拒绝不良片段）→ 从 CATALOG.md 中选取 一个身份（17种身份；引擎/编译器通过查找推导——绝不询问模式/类别问题）
2. hyperframes init（如果项目目录已存在且包含视频，则跳过——matte.cjs/transcribe.cjs 会将该目录中的任何视频作为 source.mp4 采用）→ bash scripts/prepare.sh <project>（并行执行 matte ∥ transcribe ∥ audio-envelope，然后使用场景调色板/光学/光照处理安全区域 v2——一条命令，无所遗漏）
3. 创作一个小的创意选择 JSON（先读取 safe-zones.json）： 电影模式 → plan.json → fill-timings.cjs → fit-fonts.cjs → make-composition.cjs； 主题模式 → theme.json → make-theme.cjs（轨道/面板/诗/接管范式；anchor 是安静的轨道默认值）
4. 视觉质量检查：node scripts/preview-frames.cjs <project> → 大约 2 秒/帧的可靠合成预览（无渲染）。在支付渲染费用前检查 § 视觉质量检查。
5. render-and-composite.sh → 门控（时序 / 遮挡+英雄 / 溢出 / 交接） → final.mp4

人们容易忽略的承载规则：

• 轨道（默认）+ 内嵌（升级）。 drop（填充词，不显示）/ rail（逐字下三路字幕，在前方，承载大部分文本）/ embed（合成在主体后方的高潮词）。标准模式两者都做，仅内嵌峰值。参见 § 字幕模型。
• 视频原样交付（标准/电影模式；主题模式的PLATE 预算是唯一认可的例外——由每个主题 DNA 定义的注册表门控反应节拍（charge-dim、punch、shake、grain），在遮罩合成之后应用，使主体+文本+面板作为一个帧移动）——字幕是唯一添加的内容；遮罩仅让主体遮挡内嵌轨道。绝不调色/重着色/扫描线处理素材。
• 两本规则书：轨道 → references/rail.md（精简），内嵌工艺 → references/composition-craft.md（丰富，仅内嵌）。根据需要浏览。

---

字幕模型——轨道 + 内嵌

每个口语短语属于以下三种之一：

	内容	显示方式
drop	填充词——嗯/呃、口吃、自我修正	不显示
rail	默认——普通口语内容（逐字）	清晰的下三路字幕，在前方，可读。突显词可以加内联 emphasis 高亮（强调色/活跃词弹出）——它保留在轨道上。
embed	升级的峰值——标题节拍	一个合成在 主体后方 的大词（遮罩遮挡），设计有入场和出场

轨道承载大部分文本；内嵌是稀缺的、值得展示的峰值。 稀缺性基于 每个节拍/块，而非每个片段：每块（想法）≤1 个英雄，永远不共现，英雄窗口之间至少有一个空气节拍（编译器在低于 0.6 秒时发出警告）。短片段 → 通常 1–2 个；长解说 → 大约每个节部分一个。在多个英雄中，创作的最大者是 APEX（它独自获得完整的锁定内嵌 + 宽度适配提升）；较小的英雄是 次要峰值，它们在其列中充当超大强调行（前景，阻尼运动）——不是每个节拍都需要遮罩展示，这正是保持 APEX 为事件的原因。每个词都内嵌仍然是常见错误。

轨道表面身份精确构建此模型（轨道 = rail.html，内嵌 = index.html 中的高潮）。列流身份放弃轨道，并将所有内容变为内嵌风格——仅在要求情绪重于逐字可读性时推荐它们，绝不在解说/画外音中推荐，因为必须阅读文字（CATALOG.md 为每个身份编码了这一点）。

---

步骤 0——从目录中选取一个身份

一个前端，三个后端引擎。 用户从 CATALOG.md 中选取一个身份（17 个条目：12 个经典 + 5 个主题）；引擎、编译器和创作文件通过从目录行查找推导。绝不将“标准 vs 电影 vs 主题”作为问题提出——这些是后端名称（即使有多个引擎，一个产品只有一个用户体验）。目录编码了路由所需的一切：阅读表面、语音、推荐场景、场景需求、真正接近的配对（loud↔ordnance，neon↔neonsign，cream↔stardust）的邻接说明。

流程：探查片段 → 从目录中短名单 2–3 个身份 → 推荐一个并提供一行理由 → 用户选择 → 创作该身份的文件。身份锁定在引擎上（无交叉组合；打开一个身份是一个验证事件——参见 dna/README.md）。

始终先给出推荐，让用户选择后再创作。不要无声地默认。

（完整的身份表位于 CATALOG.md —— 路由的单一事实来源。下面的引擎文档描述了每个后端的创作合同。）

推荐启发式：使用 CATALOG.md 中的“短名单启发式”——它们是身份级别的（例如，“炸”短名单 ordnance/stomp/terminal/loud 并根据应该爆炸的内容来选择），绝不低于类别级别。不确定时 → anchor。

• 电影模式 → 为锁定模板编写 plan.json，由 make-composition.cjs 编译。
• 主题模式 → 阅读 themes/README.md，创作 theme.json，运行 scripts/render-theme.sh（编译 + 渲染 + 面板反应 → final_fx.mp4）。

---

决策门——首先运行

在两种模式之前，探查视频并分类场景。

ffprobe <video.mp4>                    # 规格
ffmpeg -ss <t> -i <video.mp4> -vframes 1 sample.png   # 在 20%/50%/80% 位置

读取样本。在以下情况下拒绝：

• 多个说话者/硬切（分割并渲染每个镜头，或拒绝）
• 无人类主体（此技能适用于半身/头部特写）
• 时长少于 3 秒，无语音，或面部从未清晰可见——transcribe.cjs 在音频接近静音时发出警告（Whisper 会在静音中幻觉像“Thank you.”这样的词）；注意警告并拒绝，而不是为虚构出的词添加字幕
• 源素材已有烧录字幕/副标题/大量文字图形——添加第二个字幕系统会产生冲突，且素材原样交付（无覆盖/修复）。烧录文字通常只在片段中间出现：采样一个 1fps 联系表（ffmpeg -i in.mp4 -vf "fps=1,scale=160:-1,tile=10x5" sheet.png），不要相信 3 个随机帧。
• 转录文本是垃圾——非母语/重口音语音可能会被转录为自信的乱码。在创作前对 transcript.json 进行常识性阅读；如果它无法解析为语言，尝试一次 WHISPER_MODEL=medium，否则拒绝（逐字轨道中虚构的词比没有字幕更糟糕）。
• 快速运动的繁忙手持拍摄（遮罩闪烁）

前期探查（零成本，防止最严重的失败）

1. 镜头切探查。 在 20%、50%、80% 位置采样帧。如果出现不同的主体/场景，在切之前修剪片段。
2. 信箱/竖框探查。 第一帧有黑条？计算安全内容矩形并将字幕放置限制在内部。
3. 亮度探查。 采样字幕区域的平均亮度——低于 60 → 浅色文本直接可读，60-180 → 添加字形遮罩，180+ → 不透明文本 + 遮罩（绝不使用裸露的浅色文本）。电影模式模板是 cream+screen 且 LOCKED——使用此探查来 选择一个合适的身份（亮场景 → ink，或不透明轨道 anchor 主题），绝不重新着色一个身份。
4. 按语调推荐身份（您推荐；用户选择——参见步骤 0 + CATALOG.md）。 解说/采访/必须阅读的文字 → 轨道/面板表面身份；诗意/社交/“电影感” → 按语域使用列流身份；“炸 / 特效 / VFX” / 命名世界 → 主题身份。不确定时 → anchor（文字可读，场景安全）——但提供短名单并让用户选择。

---

流水线——5 个步骤

1. hyperframes init <project> --non-interactive --video <video.mp4> --skip-skills
2. bash scripts/prepare.sh <project>       # 并行执行 matte ∥ transcribe → safe-zones。一条命令。
                                           #   → frames_fg/ transcript.json safe-zones.json
3. [智能体步骤——唯一创意步骤] 创作一个小型 JSON；见下方按模式划分
   电影模式：创作 plan.json → node scripts/fill-timings.cjs → fit-fonts.cjs → make-composition.cjs
   主题模式：创作 theme.json → bash scripts/render-theme.sh <project>   （编译 + 渲染 + 面板特效）
4. node scripts/preview-frames.cjs <project>   # ~2 秒/帧合成预览 → § 视觉质量检查（在渲染之前）
5. bash scripts/render-and-composite.sh <project>  # 门控 → final.mp4 + history/ 快照
   （主题模式：跳过步骤 3b/5——render-theme.sh 已经运行编译 + render-and-composite
    + _postfx.sh；交付物是 final_fx.mp4，final.mp4 是面板反应前的版本）

步骤 3 因模式而异：

步骤 3——电影模式（纯内嵌）

1. 首先读取 safe-zones.json。 旁白平面放置于 zones.hugLeft/hugRight —— 紧贴轮廓的干净条带（远离身体的文本读起来像漂浮的，而不是内嵌的；远角是备用方案，不是默认方案）。英雄默认位于 heroAnchor/heroBands.best（居中在主体上，约 30–55% 被遮挡）。recommendation:"fg" 将旁白移至前方以便于阅读；只要 heroBands.feasible，英雄保持内嵌 —— 如果不可行则降级为 heroBands.best（逻辑内置在 prepare.sh 中）。