字幕与文案（caption-craft v2）
与生成链路的区别（重要）：AI 剪辑链路的字幕是剪辑的一部分，不交给后期去"补一层字"。
字幕按原始素材时间码绑定镜头写（《剪辑脚本字幕版（音画强关联）》），输出 video_title / video_id / total_duration / video_groups[group_name, group_duration, shots[original_timestamp, subtitle_text]]；出现规则（≥2s / VMG）、
字数带、断句格式、结尾话术固定块见 docs/video-edit-creation-doctrine.md §5。
本地把字幕版转成交付字幕文件：pnpm edit:subtitle -- --timeline … --caption … --out ….srt；
字体/版式/平台安全区仍由后期字幕工位执行。
1. 定位
字幕不是"把台词抄一遍"，而是画面信息的第二层表达：补足画外信息、加强节奏、给出钩子与落点。
本技能产出 caption_script：与时间轴逐段绑定，可直接进字幕工位与封面工位。
2. 出现规则（硬口径）
| 情形 | 规则 |
|---|
| 单镜时长 ≥2.0s | 必须上字幕 |
| 单镜时长 <2.0s | 不加字幕 |
| 连续多个 <2.0s 镜头 | 合并为虚拟拼接组（VMG）；合并总时长 >3.9s 时，在 VMG 第一镜上写一条覆盖全组的概括字幕 |
3. 字数带
最小字数 = ceil(时长秒数 × 2.0)
最大字数 = floor(时长秒数 × 2.5)
- 超出上限 → 拆句或删修饰；低于下限 → 补画面事实，不补空话。
- 一条字幕 2–4 行，每行 8–14 字（竖屏可 6–11 字）；不做"一行 20 字"的糊字幕。
4. 文字纪律
- 每句独占一行（用换行分隔），行内无空格、无标点、无 Emoji。
- 只写画面能证明的内容；不写人物内心活动、不写没出现的地点/品牌/数据。
- 未提供售价时不写价格；不写"限时""最"等极限词。
- 专有名词与素材事实逐字一致（品牌名、地名、产品型号）。
- 结尾话术位：若账号配置了结尾话术（例如 AI 制作声明 + 关注引导），保留原口径，不擅自改写。
5. 标题与封面文案
- 标题：≤12 个中文字符（平台另有要求时按平台），有信息量或悬念，不用问号堆砌。
- 封面文案：与标题不重复，给"第二句钩子"；与主视觉（关键帧候选）匹配，避免字幕压脸。
- 封面帧优先取
composition_best/emotion_peak 关键帧，标题区避开人脸与重要信息。
6. 提示词正文（可直接投喂，v2）
你是"文案字幕师"。任务：为已锁定的时间轴逐段撰写字幕，并给出标题与封面文案。
【输入】
- 剪辑时间轴（段序/时长/画面要点/台词）：{{ edit_timeline_summary }}
- 每段可用的事实（实体/地点/产品/数据，来自镜头理解）：{{ shot_facts }}
- 账号口径：{{ account_profile }}（语气/结尾话术/禁用词）
- 平台规格：{{ platform_spec }}
【硬性纪律】
1. 只使用输入事实；没有的不要写。禁止内心描写与未经证实的数据。
2. 单镜 ≥2.0s 必须上字幕；<2.0s 的连续镜头按 VMG 规则合并后写一条概括字幕（放第一镜）。
3. 字数带：ceil(时长×2.0) ≤ 字数 ≤ floor(时长×2.5)；每句独占一行，行内无空格与标点。
4. 无价格（除非输入里明确给出）；无 Emoji；无外文（专有名词除外）。
5. 结尾按账号口径保留话术位（如"看到这里/感觉怎么样/……"），不擅自改写。
【输出 JSON】
{
"video_title": "",
"video_id": "YYYYMMDD-xxxxxxxx",
"total_duration": "MM:SS",
"video_groups": [{
"group_name": "",
"group_duration": "00:12",
"shots": [{ "original_timestamp": "0:07.000-0:13.000", "subtitle_text": [{ "text": "第一行\n第二行" }] }]
}],
"cover_lines": ["", ""],
"notes": "VMG 合并说明与留白说明"
}
决策原则（含阈值与失败关闭）
- 字幕与时长量化：字数带
ceil(时长×2.0) ≤ 字数 ≤ floor(时长×2.5)；超出上限必须拆句，不得压时。
- 出现规则硬口径：单镜 ≥2.0s 必须上字幕；<2.0s 不上；连续短镜按 VMG 合并后 >3.9s 才给概括字幕。
- 只写画面能证明的：事实字段没有的地名/品牌/数据/价格一律不写；内心活动不写。
- 格式纪律：每句独占一行、行内无空格标点、无 Emoji、无外文（专有名词除外）。
- 失败关闭：段时长缺失或事实字段缺失时，该段留空并标注待补，不臆造文案。
打法库（场景 → 动作序列 → 判据）
- 主线·逐段写作：读时间轴段事实 → 定信息点 → 按字数带成句 → 分行（判据：字数带命中率 100%）。
- 分支·短镜串联（VMG）：合并连续 <2.0s 镜头 → 总时长 >3.9s 时在首镜写一条概括（判据：合并不漏内容、不超字数带）。
- 分支·信息密集型段落：优先保留名词与动词，删修辞；必要时拆成两条并调整起止（判据：可读性抽检通过）。
- 分支·账号口径冲突：保留账号结尾话术原文，冲突时以账号口径为准并记录（判据：话术逐字一致）。
SOP（每步带触发/回执/失败路径）
- 触发（时间轴锁定）→ 逐段撰写字幕 → 回执：
caption_script + 字数带校验表；失败：字数越界或含标点即回退重写，不放行。
- 触发（字幕初稿）→ VMG 检测与合并 → 回执：合并清单（哪些镜头合并、字幕落在首镜）；失败：合并后无概括或落错镜即重做该组。
- 触发（字幕定稿）→ 事实口径核对（实体/价格/专有名词）+ 封面文案生成 → 回执：核对清单 + 标题/封面行；失败：出现无依据事实即删除该句并标注，不进交付。
关键指标（含基准与护栏）
| 指标 | 口径 | 基准/阈值 | 类型 | 来源 |
|---|
| 字数带命中率 | 落在字节带内的字幕 / 全部字幕 | 100% | 护栏 | 字数校验器 |
| 格式合规率 | 无标点/无空格/无 Emoji 的行 / 全部行 | 100% | 护栏 | 正则校验 |
| 事实准确率 | 与镜头事实一致的字幕 / 抽查字幕 | ≥98% | 质量 | 20% 人工抽检 |
| VMG 覆盖率 | 连续短镜按 VMG 处理的比例 | 100% | 护栏 | VMG 检测清单 |
| 封面安全率 | 未压脸/未压平台 UI 的封面文案 / 全部封面 | 100% | 质量 | 安全区检查 |
失败模式（症状 → 检测器 → 处置）
| 症状 | 检测器 | 处置 |
|---|
| 字幕读不完 | 字数超上限 | 按字数带截断重写；必要时把该段拆成两条 |
| 字幕说的事画面里没有 | 事实来源混用了剧情设计 | 只允许引用镜头事实字段；无依据的句子删除 |
| 字幕压在脸上 | 未检查安全区 | 换 placement 或改用上方安全区；封面另选关键帧 |
| 结尾话术被改写 | 模型自作主张 | 结尾话术视为账号口径，原文保留 |
| 短镜被塞满字 | VMG 规则未执行 | 合并连续短镜；>3.9s 才在首镜给一条概括 |
7. 自检清单