captions-overlay

用途

captions-overlay 是一套关于嵌入式字幕工作流的叠加原则（overlay doctrine），用于补充上游的 embedded-captions 技能，应用在其之上，而非并入上游技能。它主要解决两类问题：一是如何决定每句口播内容的字幕呈现方式；二是带字幕的合成画面应如何布局。

每一句口播内容都属于以下三种之一：

drop（丢弃）：填充词，如 um/uh、结巴、自我更正，不显示。
rail（字幕轨）：默认方式，即普通口播内容（逐字），以干净的下三分之一字幕显示，位于前景、可读。重点词可以内联 emphasis 高亮（强调色 / 当前词弹出），但仍留在字幕轨上。
embed（嵌入）：被提升的高潮节拍，一个大词合成在主体之后（通过遮罩遮挡），带有设计的入场与出场。

字幕轨承载大部分文本；embed 是稀缺的、需要争取的高潮——每个节拍不超过 1 个，绝不出现两个相邻或同时可见，间隔至少一个节拍。短片段通常一个 embed；长讲解视频大约每节一个。把每个词都嵌入是常见错误。

这是 Standard 模式的形态（rail = 逐字下三分之一；embed = 合成在主体之后的高潮）。Cinematic 模式去掉字幕轨，让所有内容都采用 embed 风格——仅用于纯电影化需求，绝不用于需要文字可读的讲解 / 旁白。

引自 embedded-captions 的不可协商项：

口播 / 讲解视频以字幕轨优先。 不要嵌入整段转录——大部分文本是字幕轨，只嵌入高潮。全部嵌入是默认错误。
嵌入稀缺且有间隔。 每句 / 每节拍不超过 1 个 embed，绝不出现两个相邻或同时可见，间隔至少一个节拍，最多一个 apex。climax 是每个节拍的峰值，而不是“整段视频唯一的回报”。

在生成的发布合成中，当启用字幕时，finalize 会把一条小而精简的逐词字幕行作为叠加层合成在整个影片之上（单行文本，底部居中，约占画布高度的底部 5-8%）。它是叠加层，不是预留区域（引自 product-launch-video 场景代理的约束 #13）：

将合成居中于真正的垂直中心——y = H / 2（横屏 540，竖屏 960）。不要为了“给字幕腾地方”而把内容上移；一个居中在 0.42 × H 且底部有空白带的合成是 bug，不是修复。
内容可以延伸到画布底部。全出血主体、字幕轨和背景都欢迎。
一条温和的礼貌规则： 避免把关键的小号可读文本（URL 行、法律行、副字幕）正好停在底部约 80px 的中央跨度内，也就是字幕行所在的位置——叠加层会与之冲突。字幕下方的大幅图像 / 卡片 / 环境内容没问题；字幕皮肤设计为可在内容之上阅读。
没有机器 keep-out 门禁（旧的 captions.mjs keepout 检查已退役）。Finalize 快照 QA 以视觉方式判断字幕叠在内容之上的可读性。

当字幕禁用时： 定位自由度完全相同——叠加层只是不存在。

该技能应用在 embedded-captions 之上，不并入上游技能。在以下情况加载：为口播或发布视频添加字幕 / 副标题时；决定某句该丢弃、走逐字字幕轨，还是提升为稀缺的嵌入式高潮时；布局将承载字幕的合成时（不要预留 keep-out 带）；或在字幕下将合成居中于真正的画面中心时。