歌詞影片
將使用者的錄音轉換為歌詞影片。將歌詞準確性、時間軸和視覺風格視為獨立的決策。保留原始來源；將修訂版本渲染到單獨的輸出資料夾中。
選擇風格
尊重使用者選定或先前批准的風格。如果尚未確定風格，在確定外觀之前，提出一個簡潔的問題，詢問字型、位置和顯現行為。提供一些相關的選擇，例如純字幕、卡拉 OK 高亮或超大型動態字體。不要自動對每部影片套用反轉、Impact 字體、全大寫、拉伸字體或 10% 邊距。
對於在超大型字型內部的反向影片，搭配逐步字詞顯現和交替主導行，請閱讀 references/inverted-style.md。包含的腳本實作了該預設；對於其他風格，請調整或使用其他渲染方法，而不是聲稱它們支援所有處理方式。
在要求時，使用代表性的靜態畫面與簡短的動態草稿。將已批准的風格帶入完整影片；不要引入重複的批准閘門。
轉錄並審查模糊歌詞
- 檢查來源的持續時間、幀率、尺寸、旋轉、色彩空間/範圍和音訊。轉錄錄音並取得逐字的聲學時間戳記。不要使用均勻間隔的字詞作為最終對齊。
- 檢查不確定的辨識結果、相互衝突的轉錄段落、可疑的片語、即興發揮和剪輯結尾。第二個模型可能有幫助，但一致並不能證明正確性。區分不確定的歌詞和不確定的時間戳記。
- 如有需要，詢問歌曲/藝人或提供的歌詞參考。如果錄音是個人、未發布或沒有可用的參考資料，請停止搜尋並使用使用者的審查。切勿透過此技能發布他們的媒體或歌詞。
- 產生一個可編輯的、包含時間戳記的轉錄稿，以及一個按播放順序排列的模糊範圍的緊湊編號清單。每個項目包含一個穩定的 ID、開始/結束時間和足夠的上下文詞語以定位它。將未解決的措辭標記為
[UNCLEAR]，而不是默默選擇一個猜測。即使原本未標記，也包含其他懷疑的錯誤。在等待修正期間，保持此清單不變。 - 要求使用者按 ID 或順序提供缺失的單詞。繼續獨立的樣式設定和匯出準備。如果獲得授權，提供一個包含預留位置的審查剪輯，並清楚標記；不要稱之為歌詞最終版。
- 將有序的回覆一對一地套用至編號的範圍。驗證修正的數量是否相符。如果數量或預期範圍不明確，在更改那些詞語之前，僅詢問該對應關係。保留使用者提供的措辭、俚語和露骨歌詞。提及輕微的拼寫標準化；切勿為了文法而默默重寫歌詞。
- 將多詞修正擴展為單獨計時的詞語，並重新對齊錄音。保留已批准的版面選擇，除非片語需要重新排列。如果時間戳記只能估計，請揭露這一點，並將時間審查與措辭批准分開處理。不要將較長的片語塞進一個極小的剩餘區間，並聲稱實現了準確同步。對於被截斷的結尾，說明錄音支援的內容；在延長、凍結或更改編輯之前，要求提供續寫或選擇。
- 更新轉錄稿和計時後的渲染資料，然後從原始來源進行渲染。檢查所有已修正的範圍和過渡。搜尋實際的最終卡片/字幕資料中是否有
[UNCLEAR]、問號預留位置、待辦事項和未解析的 ID；確認每個使用者的修正恰好出現一次在預期的位置。不要將審查文件中的不確定性註記誤認為螢幕上的遺留問題。 - 當被問及影片是否準備好發送時，分別報告：預留位置數量、剩餘的疑似措辭、時間戳記的注意事項以及匯出驗證。零預留位置並不能證明轉錄稿已完全驗證。給出一個簡短的結論，而不暴露內部推理；當仍有未解決的問題時，將其稱為可供審查的剪輯。
時間軸與匯出
在 Apple Silicon 上，當地 MLX Whisper 搭配逐字時間戳記是其中一種轉錄途徑。Whisper.cpp DTW 可能需要停用 flash attention（如果回傳 t_dtw = -1）；拒絕遺失時間戳記。參考歌詞必須與這個特定的表演對齊，包括停頓和即興發揮。
從原始來源渲染，而不是壓縮的草稿。保留來源的取景、真實解析度、幀率、色彩詮釋和音訊，除非使用者要求更改。為了最高品質，提供無損 RGB 合成母帶和相容的高品質 MP4。僅靠放大無法恢復細節。在選擇匯出設定之前，檢查平台/編碼器的限制。
驗證持續時間/幀數、音訊存在與保留、開始/結束涵蓋範圍、文字適應、部分和完全顯現的片語、修正涵蓋範圍以及選擇的視覺效果。在支援的情況下，提供直接的成品連結和內嵌預覽。保持審查狀態和編碼品質的區別。