用途：Graphic Overlays 面向已有的口播、访谈或播客视频，在完整播放的视频上叠加一系列定时设计的图形卡片，包括标题、下三分之一、数据标注、引用、侧栏和画中画，并与说话内容同步。卡片由智能体在对话中直接设计并编写 HTML，再组装为单一 composition HTML，通过 hyperframes 渲染为 MP4。没有固定卡片模板，内容由转录文本驱动。
主要能力：支持五种卡片区域（fullscreen、whiteboard-area、lower-third、side-panel、video-overlay），可选过渡（cut、fade、slide、wipe），卡片数量按视频时长与信息密度自动推断，最低 5 张。工作目录会生成 metadata.json、audio.mp3、transcript.json、storyboard.json、public/cards/card-XX.html、public/index.html 和 output.mp4 等可检查中间文件。
使用方式：先运行 npx hyperframes doctor 检查环境，确认 ffmpeg/ffprobe 与内置字体、GSAP 资源；用 ffprobe 提取元数据、ffmpeg 提取音频；再运行 npx hyperframes transcribe "$WORK_DIR/audio.mp3" -d "$WORK_DIR" --json --model small.en 进行本地 Whisper 转录，无需 API 密钥；随后校正转录、在对话中设计 storyboard、编写各卡片 HTML，最后组装并渲染。macOS 上建议设置 export PRODUCER_BROWSER_GPU_MODE=hardware。
适用场景：为已有口播视频添加设计感图形包装，而非生成字幕或从零创建视频。若用户需要纯字幕应使用 embedded-captions；单个短无旁白元素应使用 motion-graphics；重新剪辑、调色、重构或音频处理属于 NLE 编辑，不在范围内。
限制：视频本身保持原样播放；转录为本地 Whisper，无第三方服务；卡片结束时间需钳制到媒体时长，避免黑尾；长视频可考虑拆分为子 composition。其余细节资料暂未提供。