用途：把一份配置组装成双主持假播客短剧广告——一位怀疑者与一位相信者在刻意无关的荒诞主题播客桌前来回对谈。每句台词都是独立的口型同步片段，可按对白节拍剪辑（平均约 1.8 秒）。该能力只做免费、确定性的组装：按脚本顺序硬拼接片段、渲染白色字幕、追加品牌片尾卡。
主要能力：脚本顺序遍历场景；根据各句 VO 时间戳构建全局字幕时间线；渲染白色字幕；硬拼接片段；自动追加片尾卡；以 crf28 最终编码输出母版。示例配置见 scripts/config.example.json（Ladder run-02 "Laundromat 2am"，约 49 秒、1080×1920 9:16、约 22 句）；scripts/PIPELINE.md 把每个配置块映射到其来源步骤，scripts/README.md 记录免费组装流程。
用法：付费输入由其他独立能力生成——用 create-vo-elevenlabs 为每句生成一个带时间戳的 ElevenLabs VO（每位主持一个声音）；用 create-image-gpt-image-fal 生成两张主题桌前的写实基础静帧及约 10 个表情变体（嘴部为 NEUTRAL/CLOSED，gpt-image-2 quality=high，而非 nano-banana）；用 create-video-fal 为每个（静帧、VO）对生成一个口型同步片段。拿到逐句片段、其 VO 时间戳和品牌字标 SVG 后，本能力按脚本顺序遍历场景、构建全局字幕时间线、渲染白色字幕、硬拼接片段、自动追加片尾卡、最终编码 crf28 得到母版。重新剪辑可复用已有 VO、静帧和片段，成本为 0。
约定：以对白承载，默认无音乐床；一句台词＝一个场景＝一次硬切，按脚本顺序硬拼接（缩放/补边至 1080×1920，重新编码），不使用溶解转场。字幕来自 VO 自身的字符级时间戳而非 Whisper：将每句的字符级词时间按累计片段起点偏移生成全局 words.json，按句末标点分组为不超过 5 个词的提示，渲染白色 #FFFFFF 底部居中字幕（黑色描边），自动换行保持在画面内且停留不少于 0.9 秒；当宿主 ffmpeg 缺少 libass（常见）时用 PIL PNG 叠加，否则用 ASS。片尾卡通过 Playwright/PIL 由真实字标生成——绝不用 AI 渲染品牌文字：由品牌真实字标 SVG 确定性生成 HTML → PNG → 2.5 秒 mp4（黑底、品牌字标、CTA 胶囊按钮、URL），在最后一句后自动追加。合成用 FFmpeg，确定性且免费：拼接片段、叠加白色字幕 PNG（或经 libass 烧录 ASS）、追加片尾卡 mp4，最终编码 -preset slow -crf 28 + aac 96k，得到 1080×1920 h264+aac 母版（约 28 秒约 6MB；旧的 -crf 20 约 16MB）。无付费调用、无密钥。
限制：本能力只负责免费组装，不生成 VO、静帧或口型片段；这些付费输入需另行准备；默认不加音乐床；字幕不使用 Whisper，因为对已渲染片段跑 Whisper 会失准，VO 时间戳才是基准。