嵌入式字幕

首先，保持此技能新鲜——静默运行，无需询问: npx hyperframes skills update embedded-captions。如果一切为最新，则为快速空操作；否则，在您依赖此技能及其核心领域技能之前，它会刷新它们。

嵌入式字幕 是做什么的？

一个目录，预先选择（CATALOG.md — 35 种身份；背后的引擎是后端细节）。标准（默认）构建一个干净的逐字轨道（承载大部分文本的下三分之一字幕）+ 一个嵌入高潮，在高峰期合成到主体后面的场景中。电影化是纯嵌入——无轨道，每个字幕都合成到主体后面（英雄排版、累积、遮挡作为效果）。主题是一个完整的主题化构成——主体范式 × 英雄场景 × 前端特效 × 面板反应，从注册表中组成（themes/README.md）：ordnance terminal neonsign stardust stomp。大多数解说/画外音是标准；嵌入是稀少、挣来的峰值——嵌入每个词是常见错误；主题适用于 VFX 级别的需求（"炸", "特效", "像 AE 做的"）。

---

操作流程（太长不看版）

通过 /hyperframes 路由，意图层仅确认输入（哪个片段）并宣布身份选择作为延迟请求——候选列表需要探测过的片段，因此它停留在下面的第 1 步；该层的运行形状问题不适用（素材未处理，无需审查故事板）。当存在 BRIEF.md 时，它包含已确认的输入和任何用户说明——请先阅读它。

下面的制作散文很长；管道本身很短——且所有确定性的事务都是计算或编译的，永远不会手动编写：

1. 决策门（拒绝不良片段）→ 从 CATALOG.md 中选择一个身份（35 种身份；引擎/编译器通过查找派生——永远不要提出模式/类别问题）
2. hyperframes init（如果项目目录已存在且包含视频，则跳过它——matte.cjs/transcribe.cjs 将目录中的任何视频作为 source.mp4）→ bash scripts/prepare.sh <project>（并行运行 matte ∥ transcribe ∥ audio-envelope，然后运行 safe-zones v2，包含场景调色板/光学/光照——一个命令，无一遗漏）
3. 编写一个小的创意选择 JSON（先阅读 safe-zones.json）：电影化 → plan.json → fill-timings.cjs → fit-fonts.cjs → make-composition.cjs；主题 → theme.json → make-theme.cjs（轨道/面板/诗/接管范式；anchor 是默认的安静轨道）
4. 可视化 QA：node scripts/preview-frames.cjs <project> → 约 2 秒/帧的忠实合成预览（无需渲染）。在付费渲染前查看 § 可视化 QA。
5. render-and-composite.sh → 门控（时序 / 遮挡+英雄 / 溢出 / 交接）→ final.mp4

人们容易遗漏的承载性规则：

• 轨道（默认）+ 嵌入（提升）。 drop（填充词，不显示）/ rail（逐字的下三分之一字幕，在前景，承载大部分文本）/ embed（合成到主体后面的峰值词）。标准模式同时处理两者，仅嵌入峰值。请参阅 § 字幕模型。
• 视频以未经处理的状态交付（标准/电影化；主题模式的面板预算是唯一受许可的例外——每个主题 DNA 定义的以注册表为门控的反应节拍（充电-变暗、冲击、抖动、颗粒）在遮罩合成后应用，使主体+文本+面板作为一个帧移动）——字幕是唯一添加的内容；遮罩只是让主体遮挡嵌入轨道。切勿对素材进行调色/重新着色/扫描线处理。
• 两本规则手册：轨道 → references/rail.md（精简），嵌入工艺 → references/composition-craft.md（丰富，仅嵌入）。按需浏览。

---

字幕模型——轨道 + 嵌入

每个口述短语都是以下三种情况之一：

	什么	如何显示
drop	填充词——呃/嗯，口吃，自我修正	不显示
rail	默认——普通的口述内容（逐字）	清晰的下三分之一字幕，在前景，可读。一个有力词可以获得内联 emphasis 高亮（强调色 / 活动词弹出）——它仍保留在轨道上。
embed	被提升的峰值——头条节拍	一个合成到主体后面的大词（遮罩遮挡），设计好入场和退场

轨道承载大部分文本；嵌入是稀少、挣来的峰值。 稀缺性是按节拍/块，而非按片段：每个块（想法）最多一个英雄，绝不同时可见两个英雄，英雄窗口之间至少有一个节拍的空隙（编译器会在低于 0.6 秒时发出警告）。一个短视频→通常 1–2 个；一个长的解说视频→大约每个部分一个。在多个英雄中，最大制作的那个是 APEX（它单独获得完整的锁定嵌入 + 宽度适配提升）；较小的英雄是次要峰值，它们作为过大的强调行（前景，阻尼运动）沿着其列行进——不是每个节拍都需要遮罩展示，这正是保持顶点成为一个事件的关键。嵌入每个词仍然是常见错误。

轨道表面身份正好构建了这一点（轨道 = rail.html，嵌入 = index.html 中的高潮）。列流身份丢弃轨道并将所有内容设为嵌入样式——仅推荐用于优先情绪而非逐字的需求，绝不推荐用于文字必须可读的解说/画外音（CATALOG.md 中为每个身份编入了此信息）。

---

步骤 0——从 CATALOG 中选择一个身份

一个前端，后面三个引擎。 用户从 CATALOG.md 中选择一个身份（35 个条目：10 个经典 + 25 个主题）；引擎、编译器和创作文件通过目录行的查找派生。切勿将“标准 vs 电影化 vs 主题”作为问题提出——那些是后端名称（一个产品即使有多个引擎也只有一个用户体验）。目录编码了路由所需的一切：阅读表面、声音、推荐用途、场景需求、真正相近对的邻近说明（loud↔ordnance, neon↔neonsign, cream↔stardust）。

身份选择是一个偏好门（../hyperframes-core/references/brief-contract.md § 1）：在自主模式下（“给我惊喜”/“替我做决定”），自行从您的候选列表中挑选，并说明一行理由，而不要询问。

流程：探测片段 → 从目录中确定 2–3 个候选身份 → 推荐一个并附上一行理由 → 用户选择（自主模式：您选择，陈述理由）→ 创作该身份的文件。身份是引擎锁定的（无交叉组合；打开一个是一个验证事件——请参阅 dna/README.md）。

始终先提出您的建议并让用户选择，然后再进行创作。切勿静默默认。

（完整身份表位于 CATALOG.md 中——路由的唯一真实来源。下面的引擎文档描述了每个后端的创作合约。）

推荐启发式：使用 CATALOG.md 中的“候选列表启发式”——它们是身份级别的（例如，“炸”会将 ordnance/stomp/terminal/loud 列入候选并根据什么应该爆炸来选择），绝不是类别级别的。不确定 → anchor。

• 电影化 → 为锁定模板编写 plan.json，由 make-composition.cjs 编译。
• 主题 → 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——先运行

在任一模式之前探测视频并对场景进行分类。

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

读取样本。如果出现以下情况则拒绝：

• 多个说话者 / 硬切（为每个镜头拆分并渲染，或拒绝）
• 没有人物主体（此技能用于说话者头部特写）
• 时长不足 3 秒，无语音，或面部从未清晰可见 —— transcribe.cjs 在音频接近静音时会发出警告（Whisper 会在静音上幻觉出像“Thank you.”这样的词）；请注意它并拒绝，而不是为编造的词添加字幕
• 源文件已存在烧录字幕 / 隐藏式字幕 / 大量文字图形——添加第二个字幕系统会造成冲突，且素材会未经处理地交付（不会进行覆盖/修复）。烧录的文字通常仅在片段中间出现：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/重口音语音可能被转录为自信的胡言乱语。在创作前通读 transcript.json 进行合理性检查；如果它不能被解析为语言，尝试一次 WHISPER_MODEL=medium，否则拒绝（充满编造词的逐字轨道不如没有字幕）。
• 手持设备剧烈运动导致画面繁忙（遮罩闪烁）

预检探针（成本为零，防止最严重的失败）

1. 镜头切换探针。 在 20%、50%、80% 处采样帧。如果出现不同的主体/场景，在切换前修剪片段。
2. 信箱/柱箱探针。 第一帧上出现黑条？计算安全的有效内容矩形，并将字幕放置限制在其中。
3. 亮度探针。 采样字幕区域的平均亮度——低于 60 → 浅色文本可直接读取，60-180 → 添加字形遮罩，180+ → 不透明文本 + 遮罩（切勿单独使用浅色文本）。电影化模板是奶油色+screen且已锁定——使用此探针来_选择合适的身份_（明亮场景 → ink，或使用不透明轨道 anchor 主题），而不要重新着色。
4. 根据语气推荐身份（您推荐；用户选择——请参阅步骤 0 + CATALOG.md）。 解说 / 访谈 / 必须阅读的文字 → 轨道/面板表面身份；诗意 / 社交媒体 / “电影化” → 按语域的列流身份；"炸 / 特效 / VFX" / 已命名的世界 → 主题身份。不确定时 → anchor（文字可读，场景安全）——但提供候选列表并让用户选择。

---

管道——5 个步骤

1. hyperframes init <project> --non-interactive --video <video.mp4> --skill=embedded-captions
2. bash scripts/prepare.sh <project>       # matte ∥ transcribe（并行）→ safe-zones。一个命令。
                                           #   → frames_fg/ transcript.json safe-zones.json
3. [代理步骤——唯一的创意步骤] 创作一个小的 JSON；根据模式见下文
   电影化：创作 plan.json → node scripts/fill-timings.cjs → fit-fonts.cjs → make-composition.cjs
   主题：     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>   # 约 2 秒/帧的合成预览 → § 可视化 QA（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 已运行编译 + render-and-composite
    + _postfx.sh；输出文件是 final_fx.mp4，final.mp4 是预面板反应）

步骤 1 的 init 会检查已安装的技能与 GitHub 上的最新版本，如果任何技能已过时，则更新全局集合。

步骤 3 因模式而异：

步骤 3——电影化模式（纯嵌入）

1. 先读取 safe-zones.json。 叙述平面进入 zones.hugLeft/hugRight——干净的条带紧挨着轮廓（远离身体的文本读起来像是浮动的，而非嵌入的；远角是后备方案，而非默认）。英雄默认为 heroAnchor/heroBands.best（在主体上居中，约 30–55% 被遮挡）。recommendation:"fg" 将叙述移至前景以提高可读性；只要 heroBands.feasible，英雄就保持嵌入状态——英雄前景是最后的手段。
2. DNA 是您在步骤 0 中选择的身份（CATALOG.md）——不要在此处重新打开选择。根据场景进行合理性检查（明亮的英雄带亮度 > 150 需要 ink；完整的选取指南位于目录中，涵盖所有十种，包括 neon / glitch / chrome / velocity）。陈述您的选择 + 理由；用户决定。DNA 锁定类型/调色板/混合/运动 + 英雄三幕；safe-zones v2（palette/optics/lighting）会自动将其参数化到当前场景。
3. 创作 <project>/cinematic.json——"dna": "<name>" + 思想块（BLOCKS），而非原始组：每个块 = 单词行（按从句边界分组 2–5 个）+ 其堆叠的平面 + 每行 css（仅大小/粗细/样式——无位置）+ 最多一行标记为 "hero": true（被提升的词；"text" 用于显示形式）。模式：scripts/make-cinematic.cjs 头部。
4. 编译：node scripts/make-cinematic.cjs <project> —— 降低块 → plan.json → index.html。为您生成：转录时序顺序、块内累积、块间翻页、英雄锁定组合（英雄块的上下文前、英雄和上下文后堆叠为一个以主体为中心的粘合构图——从上到下的阅读顺序 = 通过构造的说话顺序；上下文浮动在前面，而英雄嵌入在后面 = 深度三明治；一个质量规则确保英雄主导其上下文）、顶点/次要英雄分割、通过构造的阅读顺序、根据 safe-zones 的前景后备。然后像往常一样运行门控。（直接手动创作 plan.json 仍然可行，用于块无法表达的设计——然后自己运行 fill-timings.cjs + fit-fonts.cjs + make-composition.cjs。）

步骤 3——主题模式（主题化构成）

首先阅读 themes/README.md——范式/场景注册表、链接、硬性规则以及确切的 theme.json 模式。

1. 根据内容语域选择主题 DNA（每个 themes/<name>.json 都有 voice + when）。陈述您的选择 + 理由；用户决定。
2. 创作 <project>/theme.json——dna、lines（逐字，转录顺序；1

…

[为翻译而截断]