用途：为已有的单主体口播（talking-head）视频添加字幕或内嵌标题，不剪辑、不调色原始素材，字幕是唯一新增内容；遮罩仅用于让主体遮挡内嵌文字层。
主要能力：先做片段探测与场景判断，拒绝多说话人/硬切、无人物、少于3秒、无语音、已烧录字幕、转录乱码或手持快速抖动等不合适素材。字幕模型分三类：drop（填充词不显示）、rail（默认逐字下三分之一字幕，置于前景）、embed（把重点词合成到主体身后的峰值）。Standard 模式同时使用 rail 与 embed；Cinematic 为纯 embed；Theme 为主题化方案。
使用方式：技能更新命令为 npx hyperframes skills update embedded-captions。流程为：探测素材并从 CATALOG.md 的 35 个 identity 中选一个（推荐后由用户决定）；执行 hyperframes init <project> --non-interactive --video <video.mp4> --skill=embedded-captions，再运行 bash scripts/prepare.sh <project>；随后编写 JSON（Cinematic 写 plan.json，Theme 写 theme.json）；用 node scripts/preview-frames.cjs <project> 做视觉预览检查；最后运行 bash scripts/render-and-composite.sh <project> 生成 final.mp4（Theme 模式运行 scripts/render-theme.sh 产出 final_fx.mp4）。
限制：仅适用于单主体口播素材；不接受已有烧录字幕或重文字图形；非母语或重口音可能转录失败，可试 WHISPER_MODEL=medium，否则应拒绝；明亮场景需相应调整方案或选 ink 等身份。费用、价格、平台与效果等资料暂未提供。