用途：把配置组装成一条 1080×1920（9:16，约40秒）的双区竖屏创作者广告，下方约48%放 AI 创作者的唇形同步口播，上方约52%放真实 16:9 产品/演示片段（不裁切），两区之间加 3px 品牌色分隔线。每个上方片段只展示与其口播台词对应的片段。
主要能力：本能力是免费的确定性合成与字幕阶段，不做付费调用、不需要密钥。包含双区合成（contain-fit + 模糊 cover 填充 + 分隔线 + 创作者切片）、硬拼接、片尾卡，以及基于成片音频的字幕烧录。上方片段留黑边时用同片段的暗色模糊 cover 缩放填充，不使用黑条。不循环短片，通过 top_start/top_end 窗口让合成器按场景速度适配。画布高度需保持为偶数（998 + 4 + 918 = 1920）。创作者口播即全部音轨，无单独音乐。场景硬切拼接，片尾卡停在最后一个清晰帧约3秒。字幕基于拼接后的成片音频转录，而非原始 VO，因为拼接会丢弃场景间静音导致时间轴不同。
使用方式：参考资料提供 scripts/config.example.json（Perplexity concept-10 示例，约40秒，6 个场景加片尾卡）、scripts/PIPELINE.md（配置块与步骤映射）和 scripts/README.md（免费合成说明）。需准备创作者唇形同步片段、每场景 VO 时间、每场景一个 16:9 上方片段、场景1 钩子图形和片尾卡片段，然后合成、拼接、附加片尾卡、转录并烧录字幕生成母版。重新剪辑复用已有 VO、唇形同步和片段，成本为 0。
限制：付费输入为独立上游步骤——VO（create-vo-elevenlabs，ElevenLabs eleven_v3 带时间戳）、写实 MEDIUM 胸像 AI 创作者锚图（create-image-gpt-image-fal，gpt-image-2）、全 VO 唇形同步（VEED Fabric 1.0 @ 720p，约 $0.15/秒，39秒 VO 约 $5.90，需顺序调用，并行加载会 403）。锚图应为写实随意、自然摄像头距离的半身构图，而非纯背景特写头像。若主机 ffmpeg 缺少 libass，可将字幕渲染为定时 PIL PNG 叠加。具体配置字段与完整命令未在资料中提供。