首先，保持技能最新——静默运行，无需询问：
npx hyperframes skills update talking-head-recut。当一切为最新时，这是一个快速的无操作命令；否则它会在您依赖之前刷新此技能及其依赖的核心领域技能。
Talking Head Recut 是做什么的？
Talking Head Recut 获取一段 完整播放 的本地视频，并在其上叠加一系列具有时间轴、经过设计的 图形卡片 —— 标题、下三分之一、数据标注、引用、侧边栏、画中画 —— 与讲话内容同步。AI 智能体设计卡片（时间和内容），直接在对话中编写每个卡片的 HTML，然后组装成一个单一的 HTML 组合并通过 hyperframes 渲染为 MP4。没有固定的原型列表，也没有规定的卡片结构——覆盖层根据字幕实际内容生成。
入口是
/hyperframes。 此技能为 现有的出镜视频片段 添加 设计的图形卡片（标题、下三分之一、数据标注、引用、侧边栏、PiP）——不是纯字幕（将口语文字作为文本）。视频片段不受影响地播放。 任何其他意图——纯字幕、独立图形、从零开始的视频——或任何不确定性→先阅读/hyperframes：意图层拥有所有路由决策。
embedded-captions的图形包装兄弟。 字幕添加 口语文字 作为可读的副标题；此项在播放的视频上添加 设计的图形。纯字幕 →embedded-captions。从零开始构建视频 → 创建工作流（product-launch-video/faceless-explainer/ …）。
通过 /hyperframes 路由，意图层仅确认输入（哪个视频片段）并 声明 渲染策略问题为延迟询问——宽高比、布局、样式组和卡片数量保留到第 7 步，此时探测的素材和字幕为推荐提供依据；层的运行形状问题不适用。当存在 BRIEF.md 时，它包含已确认的输入和任何用户注释——先阅读它。
工作目录中可检查的中间文件：
metadata.json— 时长 / 宽度 / 高度 / 帧率audio.mp3— 提取的音频transcript.json— 一个扁平的 单词数组[{ text, start, end }, …]（Whisper；无segments，无words包装器）storyboard.json— 轻量级卡片大纲（AI 智能体的计划）public/cards/card-XX.html— 每个卡片一个 HTML 片段public/index.html— 最终组装的组合output.mp4— 渲染的视频
CLI 解析
# hyperframes — 转录（本地 Whisper）+ 将组装的 HTML 渲染为 MP4
npx hyperframes --help
此技能完全运行在 hyperframes CLI 加上系统 ffmpeg / ffprobe 之上。转录通过 hyperframes transcribe 使用本地 Whisper——无需第三方服务、API 密钥或速率限制的代理。
工作流程
1. 检查环境
npx hyperframes doctor # ffmpeg, 无头浏览器, 渲染依赖
# 确认捆绑的资源：
ls "<SKILL_DIR>/assets/fonts" "<SKILL_DIR>/assets/vendor/gsap.min.js"
要求：
ffmpeg/ffprobe（系统）<SKILL_DIR>/assets/fonts/*.woff2，<SKILL_DIR>/assets/vendor/gsap.min.js（此技能内捆绑，在第 9 步暂存到工作目录）
转录不需要密钥——hyperframes transcribe 本地运行 Whisper（第 4 步）。
强烈建议在 macOS 上为 hyperframes render 设置：
export PRODUCER_BROWSER_GPU_MODE=hardware
2. 创建工作目录
所有产物都位于 videos/<project-name>/ 下——与其他视频工作流（product-launch-video / faceless-explainer / pr-to-video）相同的约定。将 cwd 保持在工作区根目录；以下所有内容都写入此子目录下。
VIDEO_PATH="/absolute/path/input.mp4"
WORK_DIR="videos/$(basename "$VIDEO_PATH" | sed 's/\.[^.]*$//')"
mkdir -p "$WORK_DIR"
3. 提取音频和元数据
# 元数据 — 时长 / 宽度 / 高度 / 帧率
ffprobe -v error -select_streams v:0 \
-show_entries stream=width,height,r_frame_rate \
-show_entries format=duration -of json "$VIDEO_PATH" > "$WORK_DIR/metadata.json"
# 音频
ffmpeg -y -i "$VIDEO_PATH" -vn -acodec libmp3lame -q:a 2 "$WORK_DIR/audio.mp3"
输出：metadata.json（读取 width/height/duration；帧率 = 计算的 r_frame_rate 分数，例如 30000/1001 → 29.97）+ audio.mp3。
4. 转录
npx hyperframes transcribe "$WORK_DIR/audio.mp3" -d "$WORK_DIR" --json --model small.en
本地 Whisper — 无需 API 密钥、无需代理、无速率限制。将词级别的 transcript.json 写入工作目录（单词 text + start / end 时间戳）。读取它以获取驱动第 6 步卡片计时的单词/句子时序；如果您需要段落级别的块，则在标点/暂停处将单词自行分组为句子。
限制到媒体时长。 Whisper 可能返回最后一个单词的 end 时间略超过实际视频长度——将每个卡片的 endSec 和 composition.durationSeconds 限制为 metadata.json 中的 duration，否则渲染会在视频之后显示黑色尾部。
5. 更正字幕
transcript.json 是一个 扁平的单词对象数组 — [{ "text": "...", "start": s, "end": s }, …]（无 segments 数组，无 words 包装器；每个单词的键是 text）。读取并修复明显的 ASR 错误：
- 同音词、产品名称、技术术语、标点
- 原地编辑单词的
text；保留其start/end时间戳 - 没有预分组的
segments数组——当您需要段落级别的块用于卡片计时时，自行将单词分组为句子（在句末标点/暂停处拆分）
6. 草拟轻量级故事板（在聊天中）
不涉及 CLI。 读取 transcript.json + metadata.json 并直接设计卡片。storyboard.json 是一个 AI 智能体内部的规划产物——没有 CLI 命令会消费它；它的存在是为了让您在编写每个卡片的 HTML 之前能够清晰地思考时间和内容。保持形状与下面的示例一致，以便相同的大纲可以驱动您在第 9 步创作的组合：
{
"schemaVersion": 3,
"composition": {
"fps": 30,
"width": 1080,
"height": 1920,
"durationSeconds": 121.2,
"layout": "portrait",
"themeId": "noir",
"seed": 42
},
"videoTrack": {
"sourcePath": "input-video.mp4",
"startSec": 0,
"endSec": 121.2,
"bounds": { "x": 0, "y": 0, "width": 1080, "height": 1920 }
},
"subtitles": { "enabled": false },
"cards": [
{
"id": "card-01",
"intent": "用演讲者午夜焦虑的问题作为钩子",
"startSec": 0.5,
"endSec": 13.0,
"accentIndex": 0,
"zone": "fullscreen",
"contentHints": {
"kicker": "一个诚实的问题",
"title": "晚上 11 点的灵魂拷问",
"detail": "客户 60 秒语音留言：'如果人民币升值，那意味着我的美元保单会巨亏吗？'"
}
}
]
}
必需的卡片字段：
| 字段 | 类型 | 目的 |
|---|---|---|
id | string | 稳定的 ID，用于卡片 HTML 和 GSAP 选择器 |
intent | string | 自然语言描述；提供给卡片综合 |
startSec / endSec | number | 以秒为单位的时间（endSec > startSec） |
accentIndex | 0 | 1 | 2 | 3 | 4 | 此卡片提取的 5 个主题强调色中的哪一个 |
zone | 枚举（见下文） | 卡片在画布上的位置 |
contentHints | object | 自由形式容器；AI 智能体在此放置 kicker/title/detail/data/quote |
archetype（可选） | string | 您可能附加的自由格式标签，用于记住卡片的模式；缺席 = 自由格式，这是默认值 |
transition（可选） | 枚举：cut | fade | slide | wipe | 声明性的卡片间过渡 |
五个 zone 值：
| 区域 | 解析后的边界 | 何时使用 |
|---|---|---|
fullscreen | 覆盖整个画布 | 英雄时刻、大数字、口号 |
whiteboard-area | 内边距 40px 边距（或纵向高度的 45%） | 密集数据/带注释的内容 |
lower-third | 底部 30% 条 | 在可见视频上添加注释 |
side-panel | 右侧 42%（横向）或底部 40%（纵向） | 数据一侧，视频另一侧 |
video-overlay | 整个画布，期望大部分为透明的卡片 | 在全出血视频上添加注释覆盖层 |
当您在第 9 步组装组合时，根据上表将每个卡片的 zone 解析为卡片宿主包装器上的像素边界。视频边界在组合级别 一次 设置（videoTrack.bounds）；要使视频看起来在卡片之间“移动”，请在组合的 <script> 中编写针对 #video-wrap 的 GSAP 补间动画（见第 9 步）。
无规定的卡片角色，无规定的叙述弧线。 卡片从视频实际内容中涌现——可能是全部引用或全部数据，可以以数字或故事开头。让字幕驱动节奏。
多少个要点？——根据时长和密度自动推断。 没有固定的上限。从视频时长中选择一个 基本节奏，然后根据 信息密度 进行调整。只有下限是固定的：最少 5 张卡片，因此即使很短的视频也能有节奏。
第 1 步——按时长的基本节奏（中等密度的自然秒/卡）：
| 视频时长 | 基本节奏（每卡秒数） | 理由 |
|---|---|---|
| < 60s（短视频） | 6–8s | 观众期望短内容的快速剪辑 |
| 60s – 3 分钟 | 8–12s | 正常社交媒体节奏 |
| 3 – 10 分钟 | 12–20s | 提供呼吸空间；每张卡片承载更多内容 |
| 10 – 30 分钟 | 20–35s | 长格式讲座/访谈节奏 |
| > 30 分钟 | 30–60s | episodic，接近章节感 |
第 2 步——密度乘数（乘以基本节奏）：
| 字幕中的信号 | 乘数 | 效果 |
|---|---|---|
| 高密度 — 许多数字、不同的主张、断奏式节奏、列表式枚举、每 1-2 句一个新想法 | × 0.7 | 剪切更快，更多卡片 |
| 中等密度 — 数据和叙述混合的流程 | × 1.0 | 基本节奏 |
| 低密度 — 一个扩展的故事、重复的重新框架、缓慢的反思节奏、一个展开的单一论点 | × 1.5 | 剪切更慢，更少卡片 |
第 3 步——计算：
secPerCard = basePace × densityMultiplier
cardCount = max(5, round(videoDurationSec / secPerCard))
示例（注意——无上限夹紧；长视频自然会产生更多卡片）：
- 30s 短视频，单个笑点（低密度） → 7 × 1.5 = 10.5s/card → round(30/10.5)=3 → 下限为 5 张卡片
- 60s 反思独白（低密度） → 10 × 1.5 = 15s/card → 4 → 下限为 5 张卡片
- 121s 出镜讲解，丰富数据（高密度） → 10 × 0.7 = 7s/card → 17 张卡片
- 5 分钟访谈，混合密度 → 16 × 1.0 = 16s/card → 19 张卡片
- 10 分钟深度探讨，高密度 → 16 × 0.7 = 11s/card → 55 张卡片
- 30 分钟讲座，中等密度 → 28 × 1.0 = 28s/card → 64 张卡片
- 1 小时播客，低密度 → 45 × 1.5 = 67.5s/card → 53 张卡片
当一张卡片持续时间超过约 15 秒时，考虑设计更丰富的卡片（数据块、多步展示、多个副点以交错动画展开）——静态的一行文字超过 8 秒会变得无聊。对于许多卡片超过 30 秒的长内容，考虑将时间线 分块为子组合（每个章节一个 .html，通过 data-composition-src 挂载），以使每个文件的 GSAP 时间线保持可管理——请参阅 timeline_track_too_dense HyperFrames lint 警告。
content 可以是一个纯字符串（"Title: annualized 5.69%\nNotes: ..."）或任何能捕获数据的 JSON 形状。AI 智能体决定每个卡片的形状。
可选的片尾。 此技能不附带 固定的品牌片尾。如果用户想要一个结束卡片，请自行设计一个中性的卡片（字标 + 一行标语，约 1.5-2s，淡入 -> 短暂停留 -> 淡出），将其附加到 cards[]，并将 composition.durationSeconds 扩展到其 endSec。否则在最后一个内容卡片处结束。
7. 决定渲染策略
与用户确认视觉方向（先执行此操作）
在您开始设计卡片或决定边界之前，请用户选择输出比例、布局，
……
[已截断以进行翻译]