Skip to content

yzsp-studio/mediakit-shared-suite / creative-drama

creative-drama

Verified

完整制作短剧、微电影、剧情短片、动画短片、动态漫、剧情视频和长篇剧本。用户明确需要角色驱动、冲突因果、剧情弧线、角色与道具资产、分段视频、抽帧连续性和成片交付时调用。当用户提出短剧、动画短片、微电影、短片、电影、剧情视频、AI视频、影视化短片、动态漫、宣传片、预告片等影视剧制作需求,或包含"做个短剧"、"拍个微电影"、"弄个动画短片"、"做个长视频"、"宣传片"等表达时调用。只有宣传片、预告片或广告片被明确要求做成完整剧情链、角色行动链或影视剧式叙事时才调用本 skill;普通品牌宣传、企业宣传、产品广告、UGC、活动预告、信息流广告和通用创意视频使用 creative-video。

references/delivery.md

View on GitHub
# 成片、字幕与交付 Ref

> 本文件统一负责成片拼接、最终音轨、字幕文本、ASR 对齐、SRT、字幕烧录、基础可交付检查和正式交付。工具名、参数、异步生命周期与结果字段以调用时宿主实际暴露的 mediakit 能力与 schema 为准。

## 第一部分:成片拼接、最终音轨与交付

本部分负责成片拼接策略、最终音轨策略、基础可交付检查和交付;字幕文本、ASR、SRT、烧录参数与字幕处理读取本文件第二部分。实际拼接、裁剪、混音、mux、字幕烧录等会产出或修改媒体文件的工具调用必须按 `delegation.md` 委派执行,主 Agent 负责按 Skill 锁定执行包、收口、基础可交付检查和交付。

### 权威引用

- accepted SEG、FRM、verified seam 和剪切点:`video.md`。
- ASR、SRT、基础可交付检查命令、字幕参数和烧录处理:本文件第二部分。
- mediakit 工具名、参数、异步任务和结果字段:调用前读取宿主实际能力与 schema,不依赖本 Skill 中不存在的静态工具说明。
- 成片路径、命名和 `delivery_manifest_ep_N.json` schema:`manifests.md`。
- 重试预算、缺陷编号和返回层级:`troubleshooting.md`。
- 跨阶段确认、版本失效和交付原则:`control-contracts.md`。
- 进入成片拼接的状态迁移、选项和授权边界:`control-contracts.md`。

### 目标与边界

把全部已确认片段按绝对时间轴和 best available cut 拼成无字幕母版,保留可用原生人声,完成最终混音、适用的字幕链路、基础可交付检查和正式交付。每集只交付一个最终视频版本:字幕关闭时交付无字幕成片;用户明确开启字幕时,以无字幕母版为内部烧录源,只交付字幕版。若片段或成片画面存在字幕、随机文字、水印或平台 UI 残留,先用宿主非视频生成类字幕/文字擦除能力处理并完成基础可交付检查。

本阶段不得改写剧情、替换镜头、重生角色、修改台词或改变画幅。内容、审美、口型、连续性或接缝问题只记录为用户主动修改时的线索,不作为最终交付前质检硬门;拼接、混音、字幕、编码和平台导出这类客观交付问题留在本阶段处理。

Seed Audio 资产始终作为声音身份标准:音频输入不可用时由同一 VOICE 的固定 `voice_anchor` 约束;支持后必须传入已批准 VOICE。已生成视频中的原生人声默认保留,不因最终阶段观察到静音、漏句、错人、声线漂移、类型或口型职责错误而自动返回视频阶段;这些问题只记录为用户主动修改时的线索。

### 输入门禁

必须具备:

- 已确认的片段顺序、绝对时间轴、视频文件和 `video_manifest_ep_N.json`。
- 完整模式每个采用 SEG 已真实生成、保存、登记并完成用户可见交付;轻量模式只要求唯一生成视频已保存并登记,不先执行片段交付。
- 完整模式下,主 Agent 已按 `control-contracts.md` 取得 `option_id=proceed_assembly`;视频生成确认或普通聊天肯定不能替代。轻量模式只有一条最终视频,不执行拼接,因此不要求该确认。
- 完整模式需要 `continuity_ep_N.json` 和相邻片段的可用 seam、切出点、切入点、切法及声音桥;缺失时使用 best available cut 并记录原因,不阻断最终交付。轻量模式只有一个最终视频,不要求连续性文件或接缝记录。
- 完整模式需要当前项目数据卡、共享资产登记和跨集一致性结论;轻量模式不要求这些完整模式上游文件。
- 已确认 `drama_plan.delivery_settings` 中的字幕开关、片头片尾、BGM、`audio_policy` 和交付范围;任一项缺失时返回规划阶段补齐,不得在成片阶段临时决定。只有 `audio_policy` 已明确给出目标响度时才按该值锁定;未给出时保留可用原生响度,只处理片段间明显响度突变,不在成片阶段临时发明 LUFS 数值。

SRT、ASR 信封、烧录参数和字幕版必须在最终音轨锁定后按本文件第二部分生成,不得作为进入本阶段的前置产物。

缺片段、错序、未确认版本、损坏文件或时间轴重叠时不得进入成片。未验证接缝、计划人声偏差、口型或连续性问题不阻断成片,只记录为用户主动修改时的线索。

### 拼接与最终音轨

1. 按片段编号和绝对时间顺序拼接,不得调序、遗漏或重复。
2. 优先使用 `video.md` 已记录的有效切出/切入点;缺少记录时使用 best available cut 并记录原因。
3. 各片段媒体参数不一致时,先统一分辨率、画幅、帧率、编码和色彩空间。
4. 保留已生成的原生人声;环境声、拟音和 BGM 分轨处理,人声保持前景,避免片段间响度突变。
5. 声音桥按 verified seam 执行,不得用声音掩盖身份、动作、构图或光位错误。
6. 只处理响度、混音、mux 等客观交付问题;人声类型、主体、文本、顺序、口型职责等内容问题只内部记录。
7. 完成全部声音处理后锁定“最终音轨 vNN”;任何后续音频修改都会使 ASR、SRT 和字幕烧录产物失效。

只有用户明确提出修改并重新确认,才允许使用已批准 Seed Audio 做局部缺失人声修复;不得在最终阶段自动整段替换原生人声。

### 成片执行顺序

以下编号流程用于完整模式。轻量模式直接把唯一生成视频作为无字幕成片:字幕关闭时只做基础可交付检查并交付;字幕开启时把它作为内部烧录源,完成字幕链后只检查并交付字幕版。轻量模式不执行片段拼接、接缝读取或拼接确认。

1. 回读采用片段、verified seam、状态和版本。
2. 主 Agent 把已取得的拼接确认按 `manifests.md` 写入 `delivery_manifest_ep_N.json.assembly_confirmation`,再锁定片段顺序、有效切出/切入点、声音桥、已确认 `audio_policy`、字幕开关、输出版本和允许调用的 mediakit 能力;仅当 `audio_policy` 明确给出目标响度时才把该数值写入执行包。随后按 `delegation.md` 下发 `final_media_execution` 执行包。
3. subagent 使用宿主实际暴露的 mediakit 编辑能力拼接无字幕母版;存在独立音轨时使用实际 schema 中的混音与音视频封装能力,不能把视频拼接冒充混音。subagent 只写白名单输出并返回真实任务结果,不决定剪辑策略、不交付用户、不写画布。
4. 主 Agent 收回后使用 `mediakit-video` 探测母版,确认有效视频流、音轨和媒体参数。
5. 锁定最终音轨后,执行本文件第二部分:
   - 字幕关闭:只做无字幕母版基础可交付检查。
   - 字幕开启:执行 ASR、对齐、SRT、无字幕母版基础可交付检查、烧录和字幕版基础可交付检查。
6. 若本文件第二部分需要字幕烧录或其他媒体变更工具,主 Agent 继续用锁定执行包委派 subagent 执行实际媒体变更,回收后只做基础可交付检查。
7. 不做阻断式最终内容质检;如需内部记录,可快速记录文件可播放、总时长、画幅和明显客观导出异常。
8. 更新 `delivery_manifest_ep_N.json`,运行 `drama_lint.py --stage final`。
9. 由主 Agent 通过宿主实际交付工具只展示一个最终视频:字幕关闭时展示无字幕成片,字幕开启时展示字幕版;非 Mobile 只把该最终交付版本按 `cli/README.md` 写入 Canvas 并回读成功后等待用户确认。内部无字幕母版不得作为第二个版本展示或上画布。

调用前必须确认宿主实际暴露的 mediakit 能力和参数 schema。工具不存在时停止,报告缺失能力与已落盘产物,不得伪造调用或宣布成片成功。

所有 mediakit 编辑、探测、ASR 和字幕任务均为异步调用。提交成功只表示已受理;必须保存真实 `task_id`,通过 `mediakit-shared / query-task` 查询到 `status=completed` 后,才消费结果并及时下载临时 URL。单次轮询达到 9 分钟后仍为 `running|queued` 时,用同一 `task_id` 继续查询;不得重复提交。

### 基础可交付检查

基础可交付状态只允许 `deliverable|blocked`:

| 检查 | 字幕关闭 | 字幕开启 | 通过条件 |
|---|---|---|---|
| 无字幕母版 basic | 必须 | 必须 | 文件存在、可解码、可播放、有视频流 |
| ASR 对齐 | 不适用 | 字幕开启时必须 | 仅用于生成字幕文件,不评价剧情或口型 |
| SRT 与烧录参数 | 不适用 | 字幕开启时必须 | 字幕文件存在,烧录任务完成 |
| 字幕版 basic | 不适用 | 字幕开启时必须 | 文件存在、可解码、可播放、有视频流 |

不执行三级人工质检,也不因剧情、节奏、身份、状态、声音、口型、接缝或审美判断阻断当前已选择版本的交付;这些观察如已发现,只能静默记录为用户主动修改时的返修线索。字幕关闭时,无字幕成片通过基础可交付检查即可交付。字幕开启时,字幕版必须通过本文件第二部分的 ASR 对齐、文本一致性、SRT 与烧录客观硬门;失败时阻断字幕版并修复字幕链,不得把内部无字幕母版改成交付替代品,也不得同时交付两个版本。

成片客观交付硬门:

- 文件可解码并可从头播放到结束。
- 总时长与采用片段数量大体相符;明显 0 秒、空文件或只含音频/只含封面图时阻断。
- 画幅、方向和编码可被宿主交付工具识别。
- 字幕开启时,SRT 文件和字幕版视频文件真实存在且可播放。

若客观交付硬门失败,只修复导出、下载、mux、字幕烧录或文件损坏等媒体交付问题;不得因此自动调用视频生成/编辑工具。

### 平台适配

平台规格、审核规则、推荐时长和 UI 安全区会变化。需要平台版本时查询当前官方或可靠来源,记录日期和链接,再建立 `platform_delivery_profile`:

```json
{
  "platform": "",
  "verified_at": "YYYY-MM-DD",
  "sources": [],
  "aspect_ratio": "",
  "duration_limit": "",
  "safe_area": {},
  "subtitle_policy": "",
  "cover_spec": "",
  "title_and_tags": "",
  "content_constraints": [],
  "output_version": ""
}
```

同一母版产生不同平台版本时分别导出和验收,不直接拉伸或裁掉关键人物、道具及字幕。

### 最终状态

- `可交付成片`:最终版本已生成,文件存在、可解码、可播放,并具备当前环境交付所需字段。
- `候选成片`:可播放但仍缺少非阻断记录,或存在已记录的内容/审美/连续性风险等待用户判断。
- `未完成/待验证`:缺生成、拼接、下载、可播放文件或任一客观交付硬门证据。

对应机器状态固定为:`可交付成片 = deliverable`、`候选成片 = candidate`、`未完成/待验证 = blocked`。运行最终交付检查时,每集 `delivery_manifest` 必须为 `deliverable|candidate`,不得要求内容质检通过后才交付。

内部可交付不等于用户确认;最终渲染文件不可播放时禁止标记为 `可交付成片`。

### 存储与交付

路径、命名、比例编码、版本后缀、报告文件和 `delivery_manifest_ep_N.json` schema 只读取 `manifests.md`。每集 `outputs` 必须且只能包含一个最终视频:字幕关闭时为无字幕成片,字幕开启时为字幕版。SRT、字幕 JSON、烧录参数、检查报告和字幕开启时的无字幕母版均为内部制作与追溯文件,不作为额外交付物,不进入 `outputs`、`present_files` 或 Canvas。重导出建立新 `_vNN`,不得覆盖已确认成片。

交付前更新成片清单、基础可交付记录和 delivery manifest,将成片阶段及 `current_episode` 状态写为 `awaiting_confirmation`,运行当前集最终结构检查,并确保内部记录与真实文件一致。通过后立即展示当前集字幕策略对应的唯一最终视频;非 Mobile 只把该版本写入 Canvas 并回读成功。收到修改意见时返回当前集最早受影响阶段处理并重新展示;只有用户明确确认后才完成当前集交付。多集项目在当前集确认后,才把下一集设为 `current_episode` 并进入其详细剧本阶段;最后一集确认后才完成整个项目。

---

## 第二部分:字幕生成与烧录

MediaKit 工具名、参数、异步生命周期与结果字段统一以调用时宿主实际暴露的能力与 schema 为准;本文件中的业务流程不得覆盖当前工具 schema。

本部分是字幕文本、ASR、SRT、烧录参数和字幕处理的唯一权威;成片触发条件、最终音轨和交付状态由本文件第一部分规定。

### 权威引用

- 最终音轨、成片触发条件和交付状态:本文件第一部分。
- 文件路径、命名及 `delivery_manifest_ep_N.json`:`manifests.md`。
- 媒体与文本基础可交付检查:mediakit 探测结果、真实文件与人工核对记录;最终结构门禁:`scripts/drama_lint.py`。

> **引用关系**:正确台词来自 `scriptwriter.md` 和分集 `script_contract`;成片入口与交付状态见本文件第一部分;文件路径、基础可交付记录引用和字段见 `manifests.md`;媒体与文本基础检查基于真实 mediakit 结果和人工核对记录,失败升级见 `troubleshooting.md`。

### 默认策略

- 字幕默认关闭。只有用户明确要求字幕、双语字幕、逐句字幕、caption 或字幕版成片时才开启字幕链路。
- 所有视频生成工具调用固定 `video_generation_subtitles: false`,禁止模型直接生成逐句字幕或自动转写文字。
- 成片阶段先锁定已采用片段与最终原声音轨,再生成字幕。
- 默认逐集只交付无字幕成片;若视频生成结果里出现字幕、随机文字、水印或平台 UI 残留,先用宿主非视频生成类字幕/文字擦除能力处理并验证后再交付,无残留则直接交付。用户明确要求字幕时,生成内部 SRT、字幕 JSON 和烧录记录,但只交付字幕烧录版;内部无字幕母版和字幕辅助文件都不作为第二份用户交付。字幕烧录统一使用 mediakit `add-subtitle-to-video`,不使用 FFmpeg 手动烧录字幕。
- 字幕时间来自 mediakit ASR,正确文本来自已确认剧本和 `speech_lines`。ASR 文本不能覆盖已确认台词。

### 全交付链工具职责(按当前 MediaKit 0.2.1 合同)

下表覆盖本文件两个部分。有效区间裁剪和视频拼接只在第一部分执行一次;第二部分直接消费已锁定的无字幕母版。

| 环节 | 默认工具 | 职责 |
|---|---|---|
| 有效区间裁剪 | mediakit `trim-video` | 按 verified cut 生成各 SEG 的有效区间文件 |
| 视频拼接 | mediakit `concat-video` | 按已确认顺序硬切拼接有效区间并保留原声音轨 |
| 媒体探测 | mediakit `probe-video-metadata` | 为无字幕母版和字幕烧录版生成带真实 task ID 的元数据调用信封 |
| ASR 对齐 | mediakit `asr-subtitles` | 获取逐句起止时间和说话人 |
| ASR 差异检测 | 主 Agent 对照 `script_contract` 与 ASR 结果 | 按顺序映射 `spoken_text`,定位疑似错字、漏句、重复和截断;只用于字幕文件整理,字幕开启时失败则修复字幕链,不改交付版本 |
| 基础可交付检查 | mediakit 探测 + 真实播放 | 检查媒体参数、文件完整性、音轨及适用的 SRT 结构、时码和无标点规则 |
| 文本整理 | 已确认 `spoken_text` + 定向人工复核 | 用剧本正确文本修正 ASR 错字,不用 ASR 覆盖剧本 |
| 字幕烧录 | mediakit `add-subtitle-to-video` | 按比例使用固定预设、36px 思源黑体和白色字幕 |
| 基础检查 | MediaKit 探测 + 实际播放/抽帧 | 以 `probe-video-metadata` 的真实任务结果检查文件是否可交付;本地解码只做防篡改复核 |

核心分工:主 Agent 根据宿主实际暴露的 mediakit 能力执行探测和 ASR,并按 `delegation.md` 委派裁剪、拼接、混音和字幕烧录等媒体变更;基础可交付检查的权威探测来源是实际媒体探测结果,必须保存真实任务标识、终态原始响应和输入文件哈希。不得用本地脚本或伪造报告替代 mediakit 调用。

mediakit 探测和 ASR 都必须保存调用信封:

```json
{
  "skill": "mediakit-video",
  "operation": "probe-video-metadata|asr-subtitles",
  "task_id": "异步提交返回的真实task_id",
  "request_id": "响应存在时原样保存",
  "status": "completed",
  "raw_response": {"status": "completed", "result": {}},
  "normalized": {}
}
```

所有 mediakit 能力均按异步任务处理:提交后保存真实 `task_id`,使用 `mediakit-cli shared query-task --task-id <task_id> --poll-complete` 查询;单次轮询结束但 `status` 仍为 `running|queued` 时,用同一 `task_id` 继续查询,不得重复提交。只有 `status=completed` 才能消费结果;`failed|canceled|cancelled` 阻断。结果中的临时 HTTPS 下载地址有效期为 24 小时,必须及时下载到项目正式路径。

`raw_response` 保留 `completed` 终态查询的未经改写响应;探测信封的 `normalized` 至少包含 `duration_s/width/height/fps/video_stream_count/audio_stream_count`。ASR 信封至少能从 `raw_response.result.subtitles[]` 解析 `start_time/end_time/subtitle_text`;启用说话人识别后还必须能解析 `speaker`。

### 台词与字幕文本合同

从剧本第一次写出台词时就保存三层文本:用户原文 `source_text` 逐字保留;带规范标点的 `display_text` 用于剧本正文和人工阅读;`spoken_text` 用于视频 Prompt、语音校验和字幕正文。`display_text` 与 `spoken_text` 只能调整标点、引号和空格,字词与顺序不得改写。`spoken_text` 按以下规则规范化:

| 原符号 | 处理 |
|---|---|
| `。?!…….!?` | 删除 |
| `,、;:,;:` | 替换为一个半角空格 |
| `——` | 替换为一个半角空格 |
| 中文/英文引号、书名号、圆括号 | 删除 |
| 句首、句尾空格 | 删除 |
| 连续多个空格 | 合并为一个半角空格 |

问句、感叹和语义停顿在 `display_text` 中保留正常标点;模型执行另写入 `delivery_intent`、`pause_plan`、`emotion` 和 `emphasis_words`,避免只依赖标点控制表演。

```json
{
  "speaker": "林远",
  "type": "on_screen_dialogue",
  "source_text": "顾长渊,本宫今日来,不是跟你拜堂的。",
  "display_text": "顾长渊,本宫今日来,不是跟你拜堂的。",
  "spoken_text": "顾长渊 本宫今日来 不是跟你拜堂的",
  "delivery_intent": "冷静拒绝",
  "pause_plan": ["顾长渊 后短停", "今日来 后短停"],
  "emphasis_words": ["不是", "拜堂"],
  "subtitle_text": "顾长渊 本宫今日来 不是跟你拜堂的"
}
```

### 七步流程

#### 1. 消费已锁定的无字幕母版

本部分不再次裁剪或拼接 SEG。直接使用第一部分按 verified cut 生成、完成混音并锁定最终音轨的无字幕母版;任何片段顺序、剪切点或音轨变化都会使后续 ASR、SRT 和字幕烧录产物失效。裁剪精度、拼接参数、异步任务和下载规则以调用时宿主实际 schema 为准。

#### 2. mediakit ASR 对齐

```bash
mediakit-cli video asr-subtitles \
  --video-url "拼接后_原音轨.mp4" \
  --language "cmn-Hans-CN" \
  --content-type "speech" \
  --enable-speaker-info

mediakit-cli shared query-task \
  --task-id <asr_task_id> \
  --poll-complete
```

保存调用信封 JSON,包含 `skill: mediakit-video`、`operation: asr-subtitles`、以 `amk-tool-asr-subtitles-` 开头的真实 `task_id`、`status: completed` 和未经改写的终态 `raw_response`;原始分段至少能从 `result.subtitles[]` 解析 `start_time`、`end_time`、`speaker` 和 `subtitle_text`。ASR 时间戳作为默认时间依据;文本可能有错,不能直接进入成片。

#### 3. ASR 与剧本顺序对齐

主 Agent 读取本集 `script_contract_ep_N.json` 和 mediakit ASR 调用信封,按说话人、句序和时间范围把 ASR 条目映射到已确认 `spoken_text`。允许一句被拆成多条 ASR 或相邻短句被合并;把输入文件、媒体文件、真实任务标识、映射结果和阻断原因保存到 `质检_ASR对齐_vNN_ep_N.json`。

- 整句没有任何匹配、相似度低于阻断阈值、时间范围无效或顺序结构异常:`blocked`。
- 单字、同音字、专名差异由创作者定向试听判断,不进入自动报告门禁。
- 无论 ASR 识别为何,字幕正文都来自已批准 `spoken_text`。

#### 4. 回填正确文本并规范化

1. 按说话人、句序和语义把 ASR 条目映射到已确认 `speech_lines`。
2. 只把 ASR 错字改回 `spoken_text`,不改变 ASR 的起止时间。
3. 相邻同说话人短句时间间隔小于 `0.5` 秒时可以合并;开始时间取第一句,结束时间取最后一句。
4. 单句超过 `18-20` 个汉字时优先在语义停顿处换成两行,保持同一时间区间;只有 ASR 提供可靠词级时间时才拆成两个独立字幕事件。
5. 每条字幕建议持续 `1.5-5` 秒。超出范围时先重新核对 ASR 分句;不得凭感觉平移时间戳。
6. 对齐失败时重新运行 ASR 或回到视频阶段修复音轨,禁止手工猜测整体偏移量。

默认输出:

```text
episodes/ep_N/05_成片/字幕_时间轴_vNN_ep_N.srt
```

```srt
1
00:00:00,240 --> 00:00:03,160
顾长渊 本宫今日来 不是跟你拜堂的

2
00:00:03,160 --> 00:00:05,480
这只杯子 你认得吧 五天前
```

#### 5. 基础可交付检查

先对无字幕母版执行 mediakit 媒体探测并实际播放,再把文件路径、输入哈希、真实任务标识、终态响应、期望值、实测值和结论保存到 `质检_基础_无字幕_vNN_ep_N.json`。检查文件存在性、时长、比例、帧率、视频流和音轨;字幕开启时还检查 SRT 结构、时码、无标点规则及其与 `spoken_text` 的逐字一致性,并在烧录后对字幕版重复探测与播放。期望时长取 `delivery_manifest_ep_N.json.duration_s`,期望画幅取已确认 `scale_plan.aspect_ratio`,期望帧率取已确认 `delivery_settings.output_fps`,不得由执行者临时填写或从待验媒体反推。时长、比例和帧率容差分别不得超过 `0.5` 秒、`0.01` 相对误差和 `0.1` fps,且必须为有限非负数。确定性错误阻断,字幕持续时间、单行长度和阅读速度异常进入人工复核。

#### 6. 固定字幕参数并烧录

默认使用 mediakit `add-subtitle-to-video`。参数字段名以调用时实际 schema 为准,视觉结果固定为:

| 成片比例 | 位置预设 | 位置参数 | 字号 | 字体 | 颜色 |
|---|---|---:|---:|---|---|
| `9:16` | `lower_third` | `pos_y=70%` | `36px` | 思源黑体(`sy_black`) | 白色 |
| `16:9` | `bottom_center` | 底部居中 | `36px` | 思源黑体(`sy_black`) | 白色 |

其他比例默认使用 `bottom_center / 36px / sy_black / 白色`,并通过代表帧检查安全区。用户明确要求其他样式时必须重新确认;未确认不得动态改变字体、字号、颜色或位置。

本地 SRT 不能直接传给 `--subtitle-url`,该字段只接受公网 HTTP/HTTPS URL。默认把已验收 SRT 转成等价的字幕对象数组,并通过 `--subtitles` 传入;对象字段固定为 `start_time/end_time/subtitle_text`,时间单位为秒。SRT 仍作为正式交付和文本事实源。

```bash
mediakit-cli editing add-subtitle-to-video \
  --video-url "拼接后_原音轨.mp4" \
  --subtitles '[{"start_time":0.24,"end_time":3.16,"subtitle_text":"顾长渊 本宫今日来 不是跟你拜堂的"}]' \
  --subtitle-font-size 36 \
  --subtitle-font-type sy_black \
  --subtitle-font-color '#FFFFFFFF' \
  --subtitle-pos-preset lower_third

mediakit-cli shared query-task \
  --task-id <subtitle_task_id> \
  --poll-complete
```

横屏把 `--subtitle-pos-preset` 改为 `bottom_center`。终态必须为 `completed`,再从 `result.video_url` 下载字幕版;不得使用不存在的本地输出参数。

#### 7. 烧录处理

1. 从无字幕母版抽取包含人物、关键道具和平台 UI 风险的代表帧。
2. 用最长字幕、生僻字、数字和英文生成短样片,确认思源黑体字符覆盖。
3. 抽取每条字幕的首帧、中间帧和尾帧,检查越界、遮脸、遮嘴、遮关键道具、平台 UI 冲突和换行。
4. 任一字幕不合格时,优先调整 mediakit 已支持的预设或断句并重新烧录;不得切换 FFmpeg 手动烧录。

### 字幕文件与记录

正式路径和命名只读取 `manifests.md`。本链路必须产生或更新:媒体探测调用信封、ASR 原始信封、ASR 对齐报告、SRT、烧录参数、无字幕母版基础报告、字幕版基础报告和适用的字幕烧录版。拼接过程文件属于中间产物,不在 `delivery_manifest_ep_N.json` 登记为正式输出。

`字幕_烧录参数_vNN_ep_N.json` 至少记录:

```json
{
  "source_video": "",
  "asr_source": "",
  "language": "cmn-Hans-CN",
  "text_policy": "no_punctuation_commas_to_spaces",
  "subtitle_source": "srt",
  "mediakit_input_mode": "subtitles_json_from_srt",
  "burn_tool": "mediakit_add_subtitle_to_video",
  "task_id": "",
  "font_id": "sy_black",
  "font_name": "思源黑体",
  "font_source": "mediakit_builtin",
  "font_size": 36,
  "font_color": "white",
  "alignment": "lower_third",
  "position_mode": "mediakit_preset",
  "pos_y_percent": 70,
  "video_width": 720,
  "video_height": 1280,
  "ratio": "9:16",
  "platform": "",
  "safe_area_basis": "",
  "burned_video": ""
}
```

### 硬门

- ASR 原始 JSON、规范化 SRT、烧录参数和字幕烧录成片均已落盘并可追溯。
- 无字幕母版与字幕烧录版均有 `probe-video-metadata` 真实调用信封和基础可交付检查报告;`task_id` 非空、终态为 `completed` 且操作名匹配。
- ASR 对齐报告不得为 `blocked`。
- 字幕固定使用 mediakit、思源黑体、36px、白色;9:16 使用 `lower_third / pos_y=70%`,16:9 使用 `bottom_center`。
- 字幕文本与已确认 `spoken_text` 逐字一致,没有 ASR 错字。
- 字幕文本不含标点;逗号、顿号、分号和冒号已替换为单个空格,其余指定标点已删除。
- ASR 起止时间未被人工猜测或整体平移;合并只使用首句开始和末句结束。
- 相邻同说话人短句只有在间隔小于 `0.5` 秒时合并。
- 每条建议 `1.5-5` 秒,单行建议不超过 `18-20` 个汉字;超长优先换行。
- 字幕底部、描边和阴影全部位于实测安全区内,不遮脸、嘴、关键道具、线索文字或平台 UI。
- 最终烧录成片保留无字幕母版的音轨,不因字幕烧录发生音画漂移。
- 用户明确选择无字幕时,记录该选择并跳过 ASR、SRT 和烧录步骤。
reverse-engineer-anythingmorluto/reaReverse engineer native, managed, Electron/JavaScript, packaged, firmware, and browser targets with REA, and build agent environments (AgentEnv bundles) of web applications from a live instance or a capture, and of Linux desktop apps with a task from a request. Use shipped-artifact or requested runtime evidence to explain features, compare versions, decompile code, or guide a reconstruction. Skip REA for ordinary source-repository architecture analysis.Stars: 472kUpdated Claude CodeCodexVerifiedInstall
diagnosing-superpowersobra/superpowersUse when a superpowers session went wrong and your human partner wants to know why — repeated work, ignored plans, stumbles, poor results, a skill that didn't fire, "it took too long", "why is it so expensive", "what is it doing" — or wants to build a bug report for the superpowers maintainers, for the current session or a past one identified by id or path, on any harness.Stars: 322kUpdated Claude CodeCodexVerifiedInstall
dispatching-parallel-agentsobra/superpowersUse when facing 2+ independent tasks that can be worked on without shared state or sequential dependenciesStars: 322kUpdated Claude CodeCodexVerifiedInstall
executing-plansobra/superpowersUse when executing an implementation plan in the current session as the implementer yourself — your human partner chose inline execution, or no subagent tool is availableStars: 322kUpdated Claude CodeCodexVerifiedInstall