首先，保持此技能最新——靜默執行，無需詢問： npx hyperframes skills update embedded-captions。當所有檔案都是最新時，這是一個快速的無操作（no-op）；否則，它會在你依賴這些技能之前，更新此技能以及其所依賴的核心領域技能。

嵌入式字幕是做什麼的？

一個目錄，前端挑選（CATALOG.md — 35 種身分；其背後的引擎是後端細節）。標準模式（預設）會建立一個乾淨的、逐字顯示的軌道（位於下方的副標題，承載大部分文字），以及在高峰時刻合成到被攝主體身後的嵌入高潮。電影模式是純粹的嵌入——沒有軌道，每個字幕都合成在被攝主體後方（英雄字體排版、累積、遮蔽效果）。主題模式是一個完整的、主題化的構成——由主體典範 × 英雄場景 × 前方特效 × 基底反應組合而成，這些元件來自註冊表（themes/README.md）：ordnance terminal neonsign stardust stomp。大多數解說 / 旁白影片使用標準模式；嵌入是稀缺的、值得贏取的高峰——每個字都嵌入是常見的錯誤；主題模式適用於 VFX 等級的要求（"炸", "特效", "像 AE 做的"）。

操作流程（TL;DR）

透過 /hyperframes 路由，意圖層僅確認輸入內容（是哪個剪輯片段），並將身分選擇作為一個延遲詢問進行宣布——候選清單需要探查過的剪輯影片，因此它停留在下方的步驟 1；該層的運行配置問題不適用（影片素材未被觸碰，也沒有分鏡腳本可供審查）。當存在 BRIEF.md 時，它包含了已確認的輸入內容和任何使用者註記——請先閱讀它。

以下工藝說明文字較長；流程本身卻很短——所有確定性的部分都是計算或編譯得出的，絕非手寫：

決策閘門（拒絕不好的剪輯）→ 從 CATALOG.md 中選擇一個身分（35 種身分；引擎/編譯器透過查表得出——絕不呈現模式/類別問題）
hyperframes init（如果專案目錄已存在且包含影片，則跳過——matte.cjs/transcribe.cjs 會將目錄中的任何影片作為 source.mp4 使用）→ bash scripts/prepare.sh <project>（並行執行去背 ∥ 轉錄 ∥ 音頻包絡，然後執行安全區域 v2，並進行場景色盤/光學/照明分析——一個指令，萬無遺漏）
撰寫一個小的 JSON 創作選擇檔案（先讀取 safe-zones.json）：電影模式 → plan.json → fill-timings.cjs → fit-fonts.cjs → make-composition.cjs；主題模式 → theme.json → make-theme.cjs（軌道/面板/詩歌/接管範例；anchor 是平靜軌道的預設值）
視覺 QA：node scripts/preview-frames.cjs <project> → 約 2 秒/幀的忠實合成預覽（無需渲染）。在支付渲染費用前，請先檢查 § 視覺 QA。
render-and-composite.sh → 閘門（定時 / 遮蔽+英雄 / 溢出 / 交接）→ final.mp4

人們經常遺漏的承載性規則：

軌道（預設）+ 嵌入（提升）。 drop（填充詞，不顯示）/ rail（逐字副標題，位於前景，承載大部分文字）/ embed（一個高峰詞，合成在被攝主體後方）。標準模式兩者都用，僅嵌入高峰詞。請參閱 § 字幕模型。
影片以未觸碰的原始狀態交付（標準模式/電影模式；主題模式的 PLATE 預算是唯一被許可的例外——由註冊表門控的反應節拍（充電-變暗、衝擊、晃動、顆粒），根據每個主題的 DNA 定義，並在去背合成之後應用，使得主體+文字+基底作為一個畫框移動）——只添加字幕；去背僅讓主體遮蔽嵌入軌道。切勿對影片進行調色/重新著色/掃描線。
兩本規則手冊：軌道 → references/rail.md（簡短），嵌入創作 → references/composition-craft.md（豐富，僅限嵌入）。按需瀏覽。

字幕模型 — 軌道 + 嵌入

每個口語短語都是以下三種事物之一：

	什麼	如何顯示
drop	填充詞——嗯/呃、口吃、自我修正	不顯示
rail	預設——普通的說話內容（逐字）	乾淨的畫面下方副標題，位於前景，可讀。一個強調詞可以獲得行內 `emphasis` 高亮（強調色 / 活動詞彈出）——它仍然留在軌道上。
embed	一個被提升的高峰——主要的亮點節拍	一個大詞，合成在被攝主體後方（去遮蔽效果），設計了入場和出場

軌道承載大部分文字；嵌入是稀缺的、值得贏取的高峰。 稀缺性是按節拍/區塊計算，而非按剪輯：每個區塊（思想）最多一個英雄詞，永遠不要兩個同時可見，英雄視窗之間至少間隔一個節拍（編譯器會在少於 0.6 秒時發出警告）。一個短片 → 通常 1-2 個；一個長篇解說 → 大約每個章節一個。在多個英雄詞中，撰寫的最大一個是 APEX（它獨自獲得完整的鎖定嵌入 + 寬度適配提升）；較小的則是次要高峰，它們在其列中作為超大的強調行（前景，阻尼運動）——並非每個節拍都需要去背展示，這正保持了 apex 作為一個事件。將每個詞都嵌入仍然是常見的錯誤。

軌道表面身分正是建立這樣的結構（軌道 = rail.html，嵌入 = index.html 中的高潮）。欄位流動身分則捨棄軌道，使所有內容都採用嵌入風格——僅在強調氛圍勝於逐字可讀性的要求下推薦使用，永遠不要用於解說 / 旁白（其中文字必須能被閱讀）（CATALOG.md 針對每個身分編碼了這項資訊）。

步驟 0 — 從目錄中選擇一個身分

一個前端，三個後端引擎。 使用者從 CATALOG.md 中選擇一個身分（35 條目：10 經典 + 25 主題）；引擎、編譯器和創作檔案透過目錄行查詢得出。切勿將「標準模式 vs 電影模式 vs 主題模式」作為一個問題提出——這些是後端名稱（一個產品儘管有多個引擎，但只有一個使用者體驗）。目錄編碼了路由所需的一切：閱讀表面、語氣、推薦場景、場景需求、以及真正相近配對的相鄰註記（loud↔ordnance, neon↔neonsign, cream↔stardust）。

身分選擇是一個偏好閘門（../hyperframes-core/references/brief-contract.md § 1）：在自主模式中（"給個驚喜" / "你幫我決定"），由你自行從候選清單中挑選，並陳述一句話的原因，無需詢問。

流程：探查剪輯 → 從目錄中挑選 2-3 個身分作為候選 → 推薦一個並附上一句原因 → 使用者選擇（自主模式：你選擇，陳述原因） → 撰寫該身分的檔案。身分與引擎綁定（無跨組合；開啟一個是一個驗證事件——請參閱 dna/README.md）。

在撰寫之前，始終提出你的推薦並讓使用者選擇。 請勿靜默地使用預設值。

（完整的身分表位於 CATALOG.md 中——這是路由的單一事實來源。下面的引擎文件描述了每個後端的創作合約。）

推薦啟發法：使用 CATALOG.md 中的「候選清單啟發法」——它們是身分層級的（例如「炸」會將 ordnance/stomp/terminal/loud 列入候選，並根據應該爆炸的_內容_來選擇），絕非類別層級。不確定時 → anchor。

電影模式 → 為鎖定的模板撰寫 plan.json，由 make-composition.cjs 編譯。
主題模式 → 閱讀 themes/README.md，撰寫 theme.json，執行 scripts/render-theme.sh（編譯 + 渲染 + 基底反應 → final_fx.mp4）。

決策閘門 — 首先執行

在選擇模式之前，先探查影片並對場景進行分類。

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

讀取樣本。在以下情況拒絕：

多位說話者 / 硬剪輯（分別分割並渲染每個鏡頭，或拒絕）
沒有人類主體（此技能是為人物談話設計的）
少於 3 秒，沒有說話聲，或臉部從未清晰可見——transcribe.cjs 會在音頻接近無聲時發出警告（Whisper 會在靜音上幻覺出像 "Thank you." 這樣的詞語）；注意警告並拒絕，而不是為虛構的詞語添加字幕
來源影片已存在燒錄字幕 / 隱藏字幕 / 大量文字圖形——添加第二個字幕系統會產生衝突，且影片素材以原始狀態交付（無覆蓋/修補）。燒錄的文字通常只在片段中間出現：抽樣一個 1fps 的縮略圖索引（ffmpeg -i in.mp4 -vf "fps=1,scale=160:-1,tile=10x5" sheet.png），不要相信 3 個抽樣圖框。
轉錄文字是垃圾——非母語/帶有濃重口音的語音可能會被轉錄成自信的亂碼。在創作之前，先進行理智檢查 transcript.json；如果它無法被解析為語言，請嘗試一次 WHISPER_MODEL=medium，否則拒絕（一個由虛構詞語組成的逐字軌道比沒有字幕更糟）。
手持攝影、晃動劇烈、有快速運動（去背會閃爍）

預飛探查（無成本，防止最嚴重的失敗）

鏡頭剪輯探查。 在 20%， 50%， 80% 處抽樣圖框。如果出現不同的主體/場景，在剪輯前修剪片段。
信箱 / 柱箱模式探查。 第一幀是否有黑邊？計算安全內容矩形，並將字幕放置限制在其中。
亮度探查。 抽樣字幕區域的平均亮度——低於 60 → 淺色文字可直接閱讀，60-180 → 添加字形遮罩，180+ → 不透明文字 + 遮罩（絕不只用淺色文字）。電影模式模板是固定的 cream+screen——使用此探查來_選擇一個合適的身分_（明亮場景 → ink，或使用不透明軌道的 anchor 主題），絕非重新為某個身分著色。
依語調的身分推薦（你推薦；使用者選擇——請參閱步驟 0 + CATALOG.md）。 解說 / 採訪 / 必須閱讀的文字 → 軌道/面板表面身分；詩意 / 社群 / 「電影感」 → 按語域選擇欄位流動身分；「炸 / 特效 / VFX」 / 具名世界 → 主題身分。不確定時 → anchor（文字可讀，場景安全）——但提出一個候選清單並讓使用者選擇。

流程 — 5 個步驟

1. hyperframes init <project> --non-interactive --video <video.mp4> --skill=embedded-captions
2. bash scripts/prepare.sh <project>       # 並行去背 ∥ 轉錄 → 安全區域。一個指令。
                                           #   → frames_fg/ transcript.json safe-zones.json
3. [代理步驟 — 唯一創作步驟] 撰寫一個小的 JSON；依模式見下方
   電影模式：撰寫 plan.json → node scripts/fill-timings.cjs → fit-fonts.cjs → make-composition.cjs
   主題模式：撰寫 theme.json → bash scripts/render-theme.sh <project>   （編譯 + 渲染 + 基底特效）
4. node scripts/preview-frames.cjs <project>   # ~2秒/幀 合成預覽 → § 視覺 QA（在渲染之前）
5. bash scripts/render-and-composite.sh <project>  # 閘門 → final.mp4 + history/ 快照
   （主題模式：跳過步驟 3b/5 — render-theme.sh 已執行編譯 + render-and-composite
    + _postfx.sh；交付物是 final_fx.mp4，final.mp4 是未添加基底反應之前的版本）

步驟 1 的 init 會檢查已安裝的技能與 GitHub 上最新的版本，如果任何技能過時，則更新全域集合。

步驟 3 因模式而異：

步驟 3 — 電影模式（純嵌入）

首先讀取 safe-zones.json。 敘述平面放置在 zones.hugLeft/hugRight——緊貼人物剪影的乾淨條帶（遠離身體的文字看起來像是浮動的，而非嵌入；遠角是備用方案，非預設值）。英雄詞預設使用 heroAnchor/heroBands.best（以主體為中心，約 30–55% 被遮蔽）。recommendation:"fg" 將敘述移到前景以提高可讀性；只要 heroBands.feasible，英雄詞就保持嵌入狀態——英雄詞置於前景是最後的手段。
DNA 就是你在步驟 0 選擇的身分（CATALOG.md）——請勿在此處重新開啟選擇。根據場景對其進行理智檢查（明亮的英雄頻帶亮度 > 150 需要 ink；完整的選擇指南位於目錄中，涵蓋所有十個身分，包括 neon / glitch / chrome / velocity）。陳述你的選擇 + 原因；使用者決定。DNA 鎖定了類型/色盤/混合/運動 + 英雄三幕；safe-zones v2（palette/optics/lighting）會自動根據_此_場景進行參數化。
撰寫 <project>/cinematic.json —— "dna": "<name>" + 思想區塊，而不是原始分組：每個區塊 = 單詞行（按子句邊界分組 2-5 個） + 其堆疊的平面 + 每行的 css（僅限大小/粗細/樣式——無位置） + 最多一行標記為 "hero": true（被提升的詞；"text" 用於顯示形式）。架構：scripts/make-cinematic.cjs 的標頭。
編譯：node scripts/make-cinematic.cjs <project> —— 降階區塊 → plan.json → index.html。為你生成：按轉錄文字排序的定時、區塊內累積、區塊間翻頁、英雄詞鎖定（一個英雄區塊的前文脈絡、英雄詞和後文脈絡堆疊成一個單一的、以主體為中心的鍵合組合——閱讀順序由上到下 = 建構時的說話順序；前文脈絡浮在前景，而英雄詞則嵌在後方 = 深度夾層；一個質量規則確保英雄詞主導其文脈絡）、apex/次要英雄詞分割、按建構順序閱讀、依 safe-zones 的前景備用方案。然後照常執行閘門。（直接手寫 plan.json 對於區塊無法表達的設計仍然可行——然後自行執行 fill-timings.cjs + fit-fonts.cjs + make-composition.cjs。）

步驟 3 — 主題模式（主題化構成）

首先閱讀 themes/README.md——典範/場景註冊表、連結、硬性規則，以及確切的 theme.json 架構。

依內容註冊表選擇一個主題 DNA（每個 themes/<name>.json 都有 voice + when）。陳述你的選擇 + 原因；使用者決定。
撰寫 <project>/theme.json —— dna， lines（逐字，按轉錄順序；1

…

[為翻譯而截斷]

嵌入式字幕