embedded-captions 用于给已有的单主体口播（talking-head）视频添加字幕或内嵌标题，原始画面保持不动，仅叠加字幕层。
用途与字幕模型 每个口播短语分为三类处理：填充词（um/uh、结巴、自我纠正）不上字幕；普通内容进入 rail（默认下层字幕轨，逐字显示、置于画面前方）；仅将峰值词晋升为 embed（合成到人物身后的遮罩内）。rail 承担大部分文本，embed 是稀缺的高潮点，每个思想块最多一个主视觉，避免遮蔽彼此。
主要能力 提供目录 CATALOG.md 中的 35 种身份（10 经典 + 25 主题），涵盖 rail-surface 与 column-flow 等前端形态；后端由三种引擎支撑：Standard（rail + embed）、Cinematic（纯 embed）、Theme（主题化完整构成）。支持自动遮罩、转录、安全区计算、预览帧与渲染合成，并内置渲染前置检查（时长、遮挡、溢出、交接）。
使用方式 先通过 hyperframes init 初始化项目，执行 scripts/prepare.sh 并行完成遮罩、转录与音频包络，再由代理编写少量创意 JSON（Cinematic 用 cinematic.json 经 make-cinematic.cjs；Theme 用 theme.json 经 render-theme.sh），用 preview-frames.cjs 预览合成效果，最后 render-and-composite.sh 生成 final.mp4。运行需要 Sharp、Puppeteer、GSAP 及 Bash、FFmpeg/ffprobe；遮罩和转录首次可能下载模型。
适用场景与限制 适用于说明视频、口播、访谈、社交媒体短片等单主体场景。拒绝处理多说话人、硬切、无人物主体、时长不足 3 秒、无语音、已有烧录字幕或转录质量差的素材；手持快速晃动也可能导致遮罩闪烁。字幕不改变原始画面，Theme 模式的 plate 反应是唯一允许的例外。缺失的收费、价格与具体效果数据暂未提供。