用途：从一份配置组装带旁白的动态图形清单式（listicle）视频广告，结构为钩子＋N 个要点＋CTA；每个视觉节拍都锚定到口播的词级时间戳。适用于需要品牌化动态图文广告、且不含唇形同步的场景。
主要能力：每个节拍是一个网页动画 hyperframe（HTML 页面＋由 window.renderAt(t) 驱动的 Web Animations API），用 Playwright 逐帧截图、ffmpeg 编码；所有节拍共用一套设计系统（_shared.css：调色板、字体、交替背景块、装饰、标注样式）。可选经过调色的喘息窗口（B-roll）用于视觉换气，字幕只烧录在 B-roll 窗口上。成片为纯动态图形＋口播，无唇形同步（静帧头像仅保留供未来唇形变体使用）。
使用方式：本能力是免费、确定性的组装阶段，不产生费用。需先备好付费输入：口播（create-vo-elevenlabs，克隆或指定音色）及其词级时间戳（Groq whisper-large-v3 word-level）、低音量音乐床（create-music-elevenlabs）、以及可选的 AI 喘息片段（create-video-fal，裁剪＋调色）。稿件与配置结构可参考 scripts/config.example.json（示例为 Everself “doctor-educator” 清单，约 66 秒、1080×1920、9:16、25fps），scripts/PIPELINE.md 映射各配置块，scripts/README.md 说明免费组装流程。所有节拍以 fps 25 渲染并拼接，烧录窗口遮罩字幕，混入低音量音乐床，输出 1080×1920、25fps、h264 crf18＋aac 192k 的成片。重新剪辑复用已有口播/节拍/B-roll，成本为 0。
限制与约定：全部节拍必须同为 fps 25，否则拼接处会卡顿；字幕仅限 B-roll 窗口，动态图形节拍上屏幕文字即字幕，重复烧录会文字叠字；ASS 头必须含 Name 字段，否则前置逗号会吞掉首字段导致字幕静默丢失；若宿主 ffmpeg 缺 libass，改用带时间控制的 PIL PNG 叠加；品牌锁定标志物须用真实字标合成，不得用 AI 生成；音乐床约 0.18 音量置于口播之下，无需闪避。资料未提供具体价格、密钥或收费信息。