字幕覆盖层原则
覆盖层原则——补充上游
embedded-captions技能。在其之上应用；不要期望它已合并到上游技能中。
这里结合了两个概念。首先，字幕模型——每个口语短语分为 drop（丢弃），rail（轨道），或 embed（嵌入），嵌入是稀缺的、挣得的高潮点，而非默认值。其次，覆盖层法则——字幕行作为覆盖层叠加在影片之上；它不是预留区域，因此你永远不需要上移内容或留下死区来“腾出空间”放置它。两者相互强化：因为字幕作为覆盖层呈现（在前景的逐字轨道，偶尔在主体后方的嵌入），构图保持完整画面，并以真实垂直中心为基准。
字幕模型——丢弃 / 轨道 / 嵌入
每个口语短语属于以下三类之一（直接引自 embedded-captions）：
| 含义 | 显示方式 | |
|---|---|---|
| drop | 填充词——嗯/呃、口吃、自我修正 | 不显示 |
| rail | 默认状态——普通口语内容（逐字） | 整洁的底部三分之一字幕，在前景，可读。重点词可以内联 emphasis 高亮（强调色/活动词弹出）——它仍保留在轨道上。 |
| embed | 提升后的高潮——头条节拍 | 一个大的词在主体后方合成（遮罩遮挡），设计有进场+退场效果 |
轨道承载大部分文本；嵌入是稀缺的、挣得的高潮点——每个节拍 ≤1 个，不能相邻或同时可见，间隔 ≥ 一个节拍。短片段 → 通常一个嵌入；长解释 → 大约每部分一个。嵌入每个词是常见错误。
这是标准模式形状（轨道 = 逐字底部三分之一字幕；嵌入 = 在主体后方合成的合成高潮）。电影模式移除轨道，所有内容变为嵌入风格——仅用于纯电影请求，切勿用于解释/画外音等必须清晰阅读文字的场景。
轨道优先、嵌入稀缺（负载规则）
引自 embedded-captions 的不可协商点：
- 发言人/解释类内容轨道优先。 不要嵌入整个转录文本——大部分文本属于轨道；仅嵌入高潮点。嵌入所有内容是默认错误。
- 嵌入稀缺且间隔。 每个句子/节拍 ≤1 个嵌入，不能两个相邻或同时可见，间隔 ≥ 一个节拍，最多一个
apex。高潮 = 每个节拍的高潮点，不是“整个片段的唯一亮点”。
覆盖层法则——字幕不是保留区域
在生成的启动构图中，当启用字幕时，合成器最终会生成一个小的、最小的逐字字幕行，作为覆盖层叠加在整个影片之上（单行文本，底部居中，约占画布高度的底部 5-8%）。它是覆盖层，不是保留区域（直接引自产品发布视频场景智能体的约束 #13）：
- 以真实垂直中心为基准——y = H / 2（横屏 540，竖屏 960）。不要为了“腾出空间”放置字幕而上移内容；以 0.42 × H 为中心并留下底部死区的构图是问题，不是解决方案。
- 内容可以延伸到画布底部。全出血主体、轨道和背景均允许。
- 一条软性礼节规则： 避免将_关键的小字可读文本_（如 URL 行、法律声明行、副字幕）正好停在字幕行所在的底部 ~80px 中心区域——覆盖层会与之冲突。字幕下方的大型图像/卡片/环境内容没问题；字幕皮肤设计为覆盖内容可读。
- 没有机械的保留区门控（旧的
captions.mjs keepout检查已淘汰）。最终合成快照 QA 通过视觉判断字幕-内容可读性。
当字幕禁用时： 相同的定位自由度——覆盖层 simply 不存在。
为什么这两个规则是一个原则
该模型指出轨道位于前景，嵌入是在主体后方合成的罕见词语——两者都是添加到未经修改的原始素材上的层。覆盖层法则指出字幕行是叠加在整个影片之上的层，不是从布局中挖出的区域。因此，在字幕处理流程和启动视频流程中，字幕是你添加的覆盖层，而不是你预留的区域：
- 保持完整画幅；以真实中心为基准；让内容延伸到边缘。
- 让轨道（或小覆盖层字幕行）承载逐字文本。
- 仅在真正的高潮点将词语提升为嵌入——稀缺、有间隔、绝不同时出现。
- 什么都不预留；通过视觉而非保留区门控来判断字幕-内容可读性。