用途：把用户提供的口播音频（mp3/wav/m4a）加 SRT 字幕做成一条画面随声音走的成片，借助 HyperFrames（HTML 即视频）渲染成 MP4。音频与 SRT 是唯一事实源：画面内容读自 SRT，时间轴取自 SRT 的 cue 时间戳，音频作为 audio clip 挂进合成、渲染时自动合流，没有先出视频再合音频的步骤。只给了文本口播稿时，先用 listenhub-tts 类技能生成音频与字幕，再回到本流程。
主要能力：按 SRT 把 cue 归并为场景并计算起止与转场；用 HyperFrames 编写合成 index.html；支持场景内元素按子 cue 时间逐步出现；提供 preview 预览、lint/validate/inspect 校对、render 渲染、封面生成等环节；可用合成变量复用品牌模板。
必要用法：先检查依赖 npx hyperframes doctor（需 Node ≥ 22、FFmpeg、Chrome）。项目初始化：npx hyperframes init <YYYYMMDD-slug> --example blank --non-interactive。校对：npx hyperframes lint、npx hyperframes validate、npx hyperframes inspect --samples 30。预览：npx hyperframes preview。渲染：npx hyperframes render --resolution landscape-4k --quality high --output renders/<slug>-4k.mp4。响度核查后可用 ffmpeg loudnorm 规范化到 -14 LUFS。
适用场景与限制：适合已有音频与 SRT 的成片制作、日更或系列视频。需要提供 SRT；若无 SRT 应先询问用户，而非默认转写。定时动画必须挂在 tl 上，不能使用裸 gsap.from/gsap.to；字体须为本地 woff2，中文搭配 Noto Sans SC；禁止 Date.now()/Math.random() 以保证确定性渲染。渲染前应经 preview 人工确认。配音、字幕生成、声音克隆与幻灯片 deck 不在本技能范围内。具体收费标准、价格与平台支持暂未提供。