用途：为已剪好的口播视频配画面，本质是在录屏之上盖一层 HTML 层。触发场景包括做分镜、配画面、加动画、圈重点、B-roll、storyboard；不用于删词剪辑、字幕、物理剪切或成片渲染。使用前提是账本与字幕已存在，需要 edit-list.json、transcript.json、subtitles.json，产出 visuals.json 与 modules/<序号-名字>/index.html。
主要能力：层支持圈重点标注、整屏白底动画、推近（zoom）。层绑字幕屏而非秒数，用 --cues 指定字幕，产品自动换算成词 id，剪辑变化时层会跟随移动。命令包括 ensure-running.cjs --json、visual get、visual frame（可抽 8-12 帧）、visual add（--module、--cues，可选 --zoom、--id）、visual remove。
使用方式为四步：①读 subtitles.json 按语义分段判断段落类型；②用 visual frame 抽帧实地看画面，资料称 12 段里有 2 段被画面推翻文字预判；③用相邻帧像素差量运动窗口，找滚动、切换、操作时刻，层只盖稳定窗口；④写模块、visual add、在预览中逐层核对。画面判断规则：画面正是所说内容则圈重点；弱相关或空白则整屏动画；画面自身清楚则不动（资料称 13 段里 4 段不动）。圈坐标须像素统计量出，互动时刻须逐帧像素差找突变。推近默认不用，非用不可时不超过 1.6 倍、区域取 62.5% 见方居中；字太小应重录而非放大。
适用场景：口播教程、演示、概念讲解等需要画面辅助说明的段落。
限制：须先通过就绪检查；若 runtime.kind 为 desktop-managed，复用桌面 App 已安装 CLI 与服务，不另装依赖或起第二个 Runtime。不许跳过抽帧与运动窗口、不许每段都加内容、不许存秒数或目测坐标、不许在白底页面上加压暗、无真实内容不得用占位图、风格须从注册表选、品牌图标须用官方字形。改层后须查模块内写死的相对时刻，验收须看像素而非 DOM 属性。资料未提供收费、价格、平台支持等细节。