內嵌字幕
單一目錄,於前端選取(CATALOG.md — 17 種身份;背後的三種引擎是後端細節)。標準(預設)會建立一個乾淨的逐字 軌道(承載大部分文字的下三分之一字幕)+ 一個 內嵌 高潮,合成 於 主體後方的場景中,達到視覺高點。電影 模式是純內嵌 — 無軌道,每個字幕都合成於主體後方(英雄字體、累積、遮蔽作為效果)。主題 模式是一個完整的主題構成 — 主體範例 × 英雄設定片頭 × 前景特效 × 底版反應,由註冊表組成(themes/README.md):ordnance、terminal、neonsign、stardust、stomp。大多數解說 / 旁白使用 標準 模式;內嵌是稀缺且應得的視覺高點 — 每個字都內嵌是常見錯誤;主題模式用於 VFX 級別的要求(如「炸」、「特效」、「像 AE 做的」)。
操作流程(簡而言之)
下方的工藝散文較長;但流程本身很短 — 所有確定性的事物都是計算或編譯出來的,從不手寫:
- 決策閘門(拒絕不良片段)→ 從 CATALOG.md 中選取一個身份(17 種身份;引擎/編譯器透過查表取得 — 絕不詢問模式/類別問題)
hyperframes init(若專案目錄已存在且內含影片,則跳過 —matte.cjs/transcribe.cjs會將目錄中的任何影片視為 source.mp4)→bash scripts/prepare.sh <project>(平行執行 matte ∥ transcribe ∥ audio-envelope,然後執行 safe-zones v2 並包含場景色板/光學/照明 — 一個指令,無遺漏)- 撰寫一個小型的創意選擇 JSON(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/詩句/接管範例;anchor是靜默的軌道預設) - 視覺 QA:
node scripts/preview-frames.cjs <project>→ 約 2 秒/幀的高傳真合成預覽(無需渲染)。在付費渲染前檢查 § 視覺 QA。 render-and-composite.sh→ 閘門(時間/遮蔽+英雄/溢出/交接)→final.mp4
人們常忽略的關鍵規則:
- 軌道(預設)+ 內嵌(提升)。
drop(填充詞,不顯示)/rail(逐字下三分之一字幕,在前方,承載大部分文字)/embed(合成於主體後方的關鍵詞)。標準模式兩者都做,僅內嵌視覺高點。參見 § 字幕模型。 - 影片以未修改的方式交付(標準/電影模式;主題模式的 PLATE 預算是唯一的例外 — 註冊表控制的反應節拍(充能變暗、衝擊、晃動、顆粒)根據每個主題 DNA 定義,並在遮罩合成後套用,使主體+文字+底版作為一個畫面移動) — 僅新增字幕;遮罩只是讓主體遮蔽內嵌軌道。從不調色/重新著色/添加掃描線。
- 兩本規則書:軌道 → references/rail.md(較薄),內嵌工藝 → references/composition-craft.md(豐富,僅內嵌)。依需求瀏覽。
字幕模型 — 軌道 + 內嵌
每個口語短語都是以下三種之一:
| 內容 | 顯示方式 | |
|---|---|---|
| drop | 填充詞 — 嗯/呃、口吃、自我修正 | 不顯示 |
| rail | 預設 — 普通口語內容(逐字) | 乾淨的下三分之一字幕,在前方,可讀。重點字詞可以有行內 emphasis 高亮(強調色 / 字詞活動彈跳)— 它仍停留在軌道上。 |
| embed | 提升的視覺高點 — 標題性節拍 | 一個大字合成於 主體後方(遮罩遮蔽),設計入場和出場 |
軌道承載大部分文字;內嵌是稀缺且應得的視覺高點。 稀缺性以 每個節拍/區塊為單位,而非每個片段:每個區塊(思想)最多一個英雄,永不共存,英雄視窗之間至少一個節拍的空白(編譯器會對低於 0.6 秒的情況發出警告)。短片段 → 通常 1–2 個;長解說 → 每個部分大約一個。在多個英雄中,最大的那個是 APEX(它獨自獲得完整的鎖定內嵌 + 寬度適配提升);較小的則是 次要高點,作為超大強調行(前景,阻尼運動)跟隨其列 — 並非每個節拍都需要遮罩展示,這正是保持頂點事件性的關鍵。將每個字都內嵌仍是常見錯誤。
軌道表面身份正是建立這個結構(軌道 = rail.html,內嵌 = index.html 中的高潮)。列流身份則放棄軌道,將所有內容以內嵌風格呈現 — 僅在需要氛圍勝過逐字可讀性的情況下推薦,絕不用於解說 / 旁白(文字必須可讀)(CATALOG.md 針對每個身份編碼了此建議)。
步驟 0 — 從目錄中選取一個身份
一個前端,三個引擎在背後。 使用者從 CATALOG.md 選取一個身份(17 個條目:12 個經典 + 5 個主題);引擎、編譯器和撰寫檔案透過查閱目錄行來取得。絕不將「標準 vs 電影 vs 主題」作為問題提出 — 這些是後端名稱(一個產品即使有多個引擎也只有一個 UX)。目錄編碼了路由所需的一切:閱讀表面、語調、推薦場景、場景需求、以及對於真正接近的配對(loud↔ordnance、neon↔neonsign、cream↔stardust)的相鄰性備註。
程序:探測片段 → 從目錄中縮小範圍至 2–3 個身份 → 推薦一個並附上一行原因 → 使用者選取 → 撰寫該身份的檔案。身份與引擎鎖定(無交叉組合;開啟一個身份是一個驗證事件 — 參見 dna/README.md)。
在撰寫前,始終先提出你的推薦並讓使用者選擇。 不要默默採用預設值。
(完整的身份表格位於 CATALOG.md — 路由的單一事實來源。下方的引擎文件描述了每個後端的撰寫合約。)
推薦啟發法:使用 CATALOG.md 中的「縮小範圍啟發法」 — 它們是身份層級的(例如,「炸」會縮小至 ordnance/stomp/terminal/loud,並根據應該爆炸的內容來選取),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 + 底版反應 → final_fx.mp4)。
決策閘門 — 優先執行
在任一模式前,探測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
閱讀樣本。在以下情況拒絕:
- 多個說話者 / 硬切(分割並分別渲染每個鏡頭,或拒絕)
- 無人類主體(此技能適用於說話頭像)
- 少於 3 秒,無語音,或臉部從未清晰可見 —
transcribe.cjs會在音訊接近靜音時發出警告(Whisper 可能會在靜音上幻覺出「Thank you.」等字詞);留意並拒絕,而不是為編造的文字加上字幕 - 來源已含有燒錄字幕 / 子標題 / 大量文字圖形 — 添加第二個字幕系統會產生衝突,且素材以未修改的方式交付(無覆蓋/修復)。燒錄文字通常只在中段出現:取樣一個 1fps 連絡表(
ffmpeg -i in.mp4 -vf "fps=1,scale=160:-1,tile=10x5" sheet.png),不要只相信 3 個隨機幀。 - 轉錄稿很差 — 非母語/濃重口音的語音可能被轉錄成看似自信的胡言亂語。在撰寫前理智檢查
transcript.json;如果無法解析為語言,嘗試一次WHISPER_MODEL=medium,否則拒絕(編造文字的逐字軌道比沒有字幕更糟)。 - 忙碌的手持拍攝,快速運動(遮罩會閃爍)
預飛探測(無成本,防止最嚴重的失敗)
- 鏡頭切換探測。 在 20%、50%、80% 處取樣幀。如果出現不同的主體/場景,在切點之前裁剪片段。
- 信箱 / 柱箱探測。 第一幀有黑邊?計算安全內容矩形並將字幕放置限制在該區域內。
- 亮度探測。 取樣字幕區域的平均亮度 —
低於 60→ 亮色文字直接可讀,60–180→ 添加字形遮罩,180+→ 不透明文字 + 遮罩(絕不單獨使用亮色文字)。電影模板是奶油色+screen且鎖定 — 使用此探測來 選取一個合適的身份(明亮場景 →ink,或anchor主題的不透明軌道),絕不重新著色一個。 - 根據語調推薦身份(你推薦;使用者選取 — 參見步驟 0 + CATALOG.md)。 解說 / 訪談 / 必須閱讀文字 → 軌道/面板表面身份;詩意 / 社交 / 「電影感」 → 根據語調選擇列流身份;「炸 / 特效 / VFX」 / 命名世界 → 主題身份。不確定時 →
anchor(文字可讀,場景安全)— 但提供一個短名單並讓使用者選擇。
流程 — 5 個步驟
1. hyperframes init <project> --non-interactive --video <video.mp4>
2. bash scripts/prepare.sh <project> # 平行執行 matte ∥ transcribe → safe-zones。一個指令。
# → frames_fg/ transcript.json safe-zones.json
3. [代理步驟 — 唯一的創意步驟] 根據模式撰寫小型 JSON;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 + 底版特效)
4. node scripts/preview-frames.cjs <project> # 約 2 秒/幀的合成預覽 → § 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 是底版反應前的版本)
步驟 1 的 init 會檢查已安裝的技能是否為 GitHub 上的最新版本,並在必要時更新全域集合。
步驟 3 因模式而異:
步驟 3 — 電影模式(純內嵌)
- 先讀取
safe-zones.json。 旁白平面位於zones.hugLeft/hugRight— 緊靠輪廓的乾淨條帶(遠離主體的文字看起來像是浮動的,而非內嵌;遠角是備用方案,而非預設)。英雄預設位於heroAnchor/heroBands.best(居中於主體上,約 30–55% 被遮蔽)。recommendation:"fg"會將旁白移到前方以提升可讀性;只要heroBands.feasible,英雄就始終保持內嵌 — 英雄前景是最後手段。 - DNA 是你在步驟 0 中選取的身份(CATALOG.md)— 不要在再次開啟選擇。根據場景進行理智檢查(英雄波段亮度 > 150 需要
ink;完整的選取指南位於目錄中,涵蓋所有十種身份,包括 neon / glitch / chrome / velocity)。陳述你的選擇 + 原因;由使用者決定。DNA 鎖定類型/色板/混合/運動 + 英雄三幕劇;safe-zones v2(色板/光學/照明)會自動根據此場景進行參數化。 - 撰寫
<project>/cinematic.json—"dna": "<名稱>"+ 思想區塊,而非原始群組:每個區塊 = 文字行(按從句邊界分組 2–5 個)+ 它所堆疊的平面 + 每行css(僅大小/粗細/樣式 — 無位置)+ 最多一行標記為"hero": true(被提升的單詞;"text"用於顯示形式)。模式:scripts/make-cinematic.cjs標頭。 - 編譯:
node scripts/make-cinematic.cjs <project>— 將區塊轉換為 plan.json → index.html。為你生成:轉錄稿時間、區塊內累積、區塊間翻頁、英雄鎖定(英雄區塊的前文、英雄和後文堆疊成一個以主體為中心的單一合成構圖 — 閱讀順序自上而下 = 依構造的說話順序;前文浮於前方,而英雄內嵌於後方 = 深度夾層;一條質量規則確保英雄主導其上下文)、頂點/次要英雄分割、依構造的閱讀順序、按 safe-zones 的前景備用方案。然後閘門照常執行。(直接手寫 plan.json 仍然可行,用於區塊無法表達的設計 — 然後自行執行fill-timings.cjs+fit-fonts.cjs+make-composition.cjs。)
步驟 3 — 主題模式(主題構成)
先閱讀 themes/README.md — 範例/設定片頭註冊表、連結、嚴格規則,以及確切的 theme.json 模式。
- 根據內容語調選取主題 DNA(每個
themes/<名稱>.json都有voice+when)。陳述你的選擇 + 原因;由使用者決定。 - 撰寫
<project>/theme.json—dna、lines(逐字,按轉錄稿順序;每個 1–5 個單詞 — 對於takeover模式,每行是一個卡片)、minors(強調詞)、hero:{match}(高潮詞/短語;對於內嵌設定片頭,將其排除在lines之外;對於行內設定片頭和面板+編輯,將其保留在內)。 - 渲染:
bash scripts/render-theme.sh <project>— 編譯(在編譯時進行逐字完整性檢查),渲染兩個圖層,合成,套用底版反應 →final_fx.mp4。在編譯和渲染之間使用preview-frames.cjs進行視覺 QA。
視覺 QA — 在渲染前預覽
node scripts/preview-frames.cjs <project> [時間點…] 以約 2 秒/幀合成高傳真預覽幀
(在查找時間點截圖的字幕圖層 + 真實影片幀 + 遮罩遮蔽 + 軌道覆蓋層 = 最終合成在該時刻的樣子)。預設取樣 = 每個群組/高潮視窗。完整渲染需要數分鐘 — 絕不使用它來 發現 佈局問題。
檢查預覽(<project>/preview/sheet.png)的內容是否與轉錄稿一致,以及合成是否按預期運作。