用途：为社交短视频生成烧录式字幕，实现词级时间轴、弹出/弹跳/缩放动画、卡拉OK高亮，以及适配各平台的字幕样式。该技能本身是精简编排层，详细的 ASS 样式、脚本、公式与预设保存在 references/caption-styles-and-generation.md。
主要能力：逐词或逐句社交字幕；CapCut 风格 pop、bounce、sweep、karaoke、typewriter 字幕；将 Whisper 转录转换为动画 ASS；面向 TikTok、YouTube Shorts、Instagram Reels、Facebook Reels 的字幕样式；字幕可读性、安全区、无障碍与移动端排版。
使用方式：先用 Whisper 或其他 ASR 工具生成带词级时间戳的转录；将词时间转换为 ASS 事件与样式，注意 ASS 时间单位——卡拉OK标签用厘秒，动画标签用毫秒；再用 FFmpeg 将 ASS 烧录进视频；最后检查可读性、安全区位置、音画同步与平台规格。最小烧录命令：
ffmpeg -i input.mp4
-vf "ass=captions.ass"
-c:v libx264 -preset fast -crf 23
-c:a copy
output_captioned.mp4
若因输出容器不接受源音频导致音频复制失败，改用 -c:a aac -b:a 128k 重新编码音频。
样式选择：Word Pop 逐词带过冲缩放，适合高能钩子、游戏、喜剧；Highlight Sweep 整句可见、逐词高亮，适合教育与专业讲解；Karaoke Fill 逐词渐进填充，适合音乐、旁白、歌词式字幕；Typewriter 字符渐进出现，适合戏剧化叙事；Bounce In 词从下方移动/缩放进入，适合 Shorts/Reels 强调节拍。
时间与可读性规则：词级动画通常需要 80-250ms 出现时间与 200-600ms 停留时间，视平台而定；竖屏社交视频每屏保持 3-6 个词；使用大号无衬线字体、高对比度与粗描边；避免过度抖动/闪烁，可读性与无障碍优先于新奇效果；字幕保持在移动端安全区内，避开底部 UI 密集区域。
限制：资料未提供具体价格、收费模式、平台支持范围或效果保证；实际效果取决于转录质量、ASS 样式配置与 FFmpeg 环境。