captions-overlay

字幕叠加原则

叠加原则——补充上游 /hyperframes 技能的 references/captions.md。本原则在其基础上生效；不要认为它已合并到上游技能中。

这里结合了两个理念。第一是字幕模型——每个口语短语都属于 drop、rail 或 embed，其中 embed 是稀缺、凭实力赢得的高潮，而非默认选项。第二是叠加法则——字幕行以叠加层的形式合成在影片之上；它不是预留区域，因此绝不应为了“腾出空间”而将内容上移或留出空白带。这两个理念相辅相成：字幕以叠加层呈现（逐字的 rail 在前景，偶尔出现的 embed 在主体后方），因此构图保留完整画幅，并以真正的垂直中心为中心。

字幕模型——drop / rail / embed

每个口语短语都属于以下三种之一：

	含义	显示方式
drop	填充词——嗯、啊、结巴、自我修正	不显示
rail	默认——普通口语内容（逐字呈现）	清晰的下三分之一字幕，位于前景，易于阅读。强调词可以添加行内 emphasis 高亮（强调色／当前词弹出效果）——仍保留在 rail 上。
embed	升级后的高潮——标题式节拍	一个大字合成在主体后方（遮罩遮挡），带有精心设计的入场和退场

大部分文本由 rail 承载；embed 是稀缺、凭实力赢得的高潮——每个节拍至多 1 个，绝不相邻或同时可见，间隔至少一个节拍。短片通常使用一个 embed；长篇讲解则每个段落约使用一个。每个词都做成 embed 是常见错误。

这是默认形式（rail = 逐字呈现的下三分之一字幕；embed = 合成在主体后方的高潮）。纯电影化处理会去掉 rail，让所有内容都采用 embed 风格——仅在纯电影化需求中使用，绝不要用于讲解／旁白，因为这类内容必须让文字清晰可读。

Rail 优先，Embed 稀缺（关键规则）

• 对访谈／讲解内容，优先使用 Rail。 不要把整段转录都做成 embed——大部分文字应放在 rail 上；只将高潮做成 embed。把所有内容都做成 embed 是常见的默认错误。
• Embed 稀缺且间隔分散。 每个句子／节拍至多 1 个 embed，绝不相邻或同时可见，间隔至少一个节拍，apex 最多一个。高潮是每个节拍的峰值，不是“整段影片唯一的亮点”。

叠加层原则 — 字幕不是预留区域

在启用字幕的合成视频中，字幕行是简短、精简的逐字显示文本，作为叠加层置于整部影片之上（单行文本，底部居中，大约占画布高度底部的 5-8%）。它是叠加层，不是预留区域：

• 将构图居中于真正的垂直中心 — y = H / 2（横屏 540，竖屏 960）。不要为了「给字幕腾出空间」而将内容上移；以 0.42 × H 为中心、底部留出空白区域的构图是问题所在，不是解决方案。
• 内容可以延伸到画布底部。欢迎使用满幅主体、栏杆和背景。
• 一条宽松的礼貌准则： 避免将_关键的小号可读文本_（URL 行、法律声明行、副字幕）恰好放在字幕行所在的底部中央约 80px 范围内——叠加层会与其争夺视觉焦点。字幕下方可以有大幅图像、卡片和环境内容；字幕样式的设计目的就是让文字能叠加在内容上清晰可读。
• 没有机器强制的避让检测（旧的 captions.mjs keepout 检查已弃用）。快照审查通过视觉方式判断字幕叠加在内容上的可读性。

禁用字幕时： 定位自由度完全相同——只是叠加层不再显示。

为什么这两条规则属于同一原则

模型规定，栏杆位于前景，而嵌入式文字是罕见的词语，合成在主体后方——两者都是添加到原样保留的影片素材上的图层。叠加层原则则规定，字幕行是合成在整部影片之上的图层，而不是从布局中划出的区域。因此，无论字幕叠加在影片素材上还是合成影片上，它们都是要添加的叠加层，而不是需要预留的区域：

• 保留完整画面；以真正的中心为基准；让内容延伸至画面边缘。
• 让栏杆（或简短的叠加字幕行）显示原文。
• 只有在真正的高峰时刻才将词语提升为嵌入式文字——数量稀少、间隔分明，且一次绝不超过一个。
• 不预留任何区域；通过视觉方式判断字幕叠加在内容上的可读性，而不是依赖避让检测。