HyperFrames embedded-captions 方向目录：基于 tone×shot×platform 的 10 种字幕美学决策体系

本篇技术指南围绕 HyperFrames 仓库内 embedded-captions 技能 的核心决策文档 direction-catalog.md 展开，讲解其"10 种完整审美方向 + 分类矩阵 + Agent 选择协议"的设计。读者读完后，将掌握如何按内容基调（tone）× 镜头类型（shot）× 平台画幅（platform）三轴交叉定位一种字幕美学方向，理解每种方向在字体、字重、色彩、运动、版位与修辞规则上的完整规格，并能把方向规格翻译为 plan.json 参数或克隆示例 HTML 完成落地。

方向目录是什么：用"完整造型"替代"预设名"

direction-catalog 是 embedded-captions 技能中定义 10 种可发货审美方向（aesthetic directions） 的规格文档。每一种方向不是一套简单的配色或一个动画模板，而是一个完整的造型（complete look）——它一次性锁定了字体（Family）、运动（Motion）、色彩（Color）、版位（Placement）与修辞默认值（rhetorical defaults）五个维度。

目录开篇即给出它的核心主张：Agent 的选择依据是 内容基调 × 镜头类型 × 平台画幅 的交叉，而不是预设名称。这是它与传统"模板库"式字幕工具的本质区别——选择逻辑挂在语义维度上，而不是挂在视觉名称上。

从仓库现状看，目录同时标注了实现的现实进度：当前已发货的模板（modes/cinematic/ 下的 memory-wall、champion、portrait-header，现归档于 modes/cinematic/_archive/）大约只覆盖了目录的 30%，其余方向属于"未来可发货"（future ship-ready）的美学储备。也就是说，这份目录既是当前 Agent 的决策索引，也是技能的审美路线图。

分类矩阵：三轴交叉定位方向

direction-catalog 用一张分类矩阵（Classification matrix）把"选择方向"这个模糊的美学问题变成了一次确定的查表操作。行是内容基调（Tone），列是平台画幅（Platform）：

基调（Tone）↓ / 平台（Platform）→	9:16 竖屏	16:9 横屏	1:1 方形
纪录片（Documentary）	documentary-dignified（竖屏变体）	documentary-dignified	broadcast-dignified
对话感（Conversational）	portrait-header + default	memory-wall 或 champion	broadcast-dignified
高能（Energetic）	high-energy-vlog	high-energy-vlog-wide	high-energy-vlog-sq
诗意（Poetic）	lyrical-poem-on-wall（竖屏）	lyrical-poem-on-wall	chapter-card
演讲/科技（Keynote/tech）	—（9:16 不理想）	tech-keynote-confident	tech-keynote-confident
调查类（Investigative）	—	investigative-typewriter	investigative-typewriter
MV 类（Music video）	k-pop-lyric	k-pop-lyric	k-pop-lyric

注意矩阵中两处 —：9:16 竖屏对 keynote 与 investigative 两种方向被明确标注为"不理想"——这是目录在结构上就内置的适配判断，Agent 不应强行把不适合竖屏的方向塞进竖屏画幅。这与 SKILL.md 中"无合适方向 → 回退 Standard 模式，不要硬套"的原则一致。

需要说明的是，三轴中的第三轴"镜头类型（shot）"在 SKILL.md 的完整定义中是：close-up（头肩特写）、mid-shot（半身）、wide（全身）、cut-montage（多镜头剪辑）。矩阵以 tone × platform 为主轴呈现，shot 作为约束条件参与方向微调（例如 portrait-header 默认对应单人居中竖屏取景）。

十种方向的完整规格

目录的核心资产是 10 个方向各自的规格条目。每条规格都按统一结构组织：字体家族（Family）、字重（Weights）、色彩（Color）、运动（Motion）、版位（Placement）、规则（Rules），部分方向附带修辞默认值（Rhetorical）。以下逐一展开。

1. documentary-dignified（Errol Morris / PBS Frontline 风格）

• 字体：Söhne Mono 或 GT Sectra 用于名牌（name card），Inter 用于正文（body）
• 字重：正文 500，名牌 700
• 色彩：骨白 #F5EFE6 配炭黑背景，或炭黑 #1A1A1A 配骨白背景；无强调色
• 运动：burn-in（无动画，瞬间显隐），最后一个词后保持 0.5s
• 版位：左下角块状，10% 边距，整场采访锁定位置不动
• 规则：最多 2 行；说话人名牌仅在首次发声与每次切换镜头后出现一次；无强调样式——庄严感本身就是风格
• 修辞：激进的口水词（filler）抑制，每个词都是被挑选过的

该方向是 Standard 模式方向（无预置 Cinematic 模板）。从源码结构看，这与 dna/ 注册表中 documentary DNA 的定位完全一致——dna/README.md 对 documentary 的描述是"burn-in reveals, no hero — Gravitas IS the style"，即"没有主角词的燃烧式显现，庄严即风格"，而 motion-vocabulary.md 中的 burn-in 原语也明确标注"零动画、1 帧内直接显示、访谈纪录片风格"。

2. cinematic-noir（Kyle Cooper / 《七宗罪》片头风格）

• 字体：做旧衬线（Hoefler Text）+ 紧凑等宽字体用于细节
• 字重：大部分 700；斜体细体（thin italic）仅用于耳语式台词
• 色彩：米白 #E8E0D0，配深红 #8B0000 单字强调色制造威胁感
• 运动：打字机效果，入场有 10% 概率出现 1px 抖动；章节节拍用刮痕蚀刻（scratched etch）
• 版位：偏离轴线——避免正中心，略偏左上或右下
• 规则：无 emoji、无圆角、一切呈现手工质感

3. tech-keynote-confident（Apple / Jony Ive 广告风格）

• 字体：SF Pro Display 或 Inter，除此之外不用别的
• 字重：关键词 800，上下文 400
• 色彩：任何背景上纯白；明亮场景回退到 mix-blend-mode: difference
• 运动：自底部通过 clip-path 划入揭示（400ms）；退场淡出 400ms
• 版位：正中心、大字号，不是下三分之一（lower-third）
• 规则：同一时间只保留一条字幕；每条字幕 2–5 个词；词间留长沉默；观感像幻灯片

该方向的运动语言与 motion-vocabulary.md 中的 swipe-reveal 原语一一对应（整句 400ms、clip-path: inset(0 100% 0 0) → inset(0 0 0 0)、expo 缓动），也与 dna/README.md 中 keynote DNA 的"Inter 800、不透明白、线扫揭示、主角词向上划出（wipe-up）"一致。

4. lyrical-poem-on-wall（延续现有 memory-wall 模板）

• 字体：有性格的衬线——EB Garamond / GT Sectra / Caslon Italic
• 字重：仅限 400–500，此方向拒绝粗体（bold）
• 色彩：通过 mix-blend-mode: overlay 拾取墙面色彩，透明度 0.85，无描边
• 运动：蚀刻入场（etch in）600ms，保持 1.5–3s，蚀刻退场
• 版位：始终落在场景中的真实表面上（后墙、泡沫板、白板），走 matte 合成管线
• 规则：字幕词数少于口语文本——只呈现 40–60%，刻意留白；目录标注"没有其他工具能做到这一点，这是强差异化"

该方向与 modes/cinematic/_archive/memory-wall/spec.md 同源。归档 spec 给出了 4 槽位排印弧线（italic 600 → italic 500 悬挂缩进 → 直立 700 转折 → 大写 900 高潮）与 mix-blend-mode: screen 覆盖暖骨色 #fff4dc 的锁定视觉身份，并定义了 plane.rotateY/rotateX（匹配墙面透视角度）等场景化参数。同时，scene-types.md 为"wall-embed"定义了必须全部成立的 4 个条件：存在平坦表面（面积大于字幕块）、表面与相机有非零夹角（倾斜才像"印在墙上"而非"贴纸"）、表面为中亮度（overlay 混色在中灰上效果最佳，暗于 60 需换 screen、亮于 180 需换 normal+不透明色）、表面无竞争性图形内容。

5. high-energy-vlog（受控的 Hormozi 风格）

• 字体：Inter ExtraBold，全大写
• 字重：永远 900
• 色彩：白色主体 + 一个强调色（#FFD600 或 #00E676）+ 2px 深色窄描边
• 运动：弹性 word-pop，60ms 错峰；当前发音词入场时放大至 1.15 倍
• 版位：画面中央偏上约 35% 处
• 规则：每帧最多 3 个词；在呼吸停顿处硬断行；约 15% 的词用强调色；每 10 秒必须有一段完全静默（目录特别注明：这是 Hormozi 模仿者常漏掉的关键）

6. chapter-card（Wes Anderson / 《布达佩斯大饭店》风格）

• 字体：Futura Bold（现代）/ Archer（温暖）/ Bodoni（正式）
• 字重：章节标题 700，署名 400
• 色彩：从场景中采样的粉彩色调（pastel hue）
• 运动：访谈段落之间的全画幅静态卡片
• 版位：章节用居中卡片；说话期间用左下名牌
• 规则：章节卡片拥有自己的节拍（前 0.8s 静默、后 0.4s 静默），观感"像被作者编排过"

7. investigative-typewriter（Frontline / 60 Minutes / Morris Interrotron 风格）

• 字体：IBM Plex Mono 或 JetBrains Mono
• 字重：500
• 色彩：白色 + 3px 阴影，无描边
• 运动：逐字符打字机效果，25ms/字符；最后一字符后光标闪烁 600ms
• 版位：底部带 40% 透明度渐变向上的色带——不是硬边框盒子
• 规则：只显示一行，最多两行；每条字幕结束先保持 1 帧光标，下一条再进入

该方向的逐字符节奏直接对应 motion-vocabulary.md 中 typewriter 原语的 25–35ms/字符线性推进实现。

8. k-pop-lyric（MV 排印炫技风）

• 字体：超大号展示衬线（Playfair Display / GT Super）+ 极小等宽细节行
• 字重：展示字 900，等宽 400
• 色彩：每首歌/每个段落一个高饱和深色调
• 运动：左右交替的级联入场（cascade）；文字以 mix-blend 穿越主体
• 版位：刻意放大——有时比人脸还大
• 规则：只用于情绪/音乐性时刻，绝不用于信息内容；故意打破"主体优先"（subject wins）规则——这正是它的意义所在

9. broadcast-dignified（BBC / NYT 纪录片标准）

• 字体：Helvetica Now / Neue Haas Grotesk
• 字重：正文 500，名牌 700
• 色彩：白色文字置于 40% 黑色渐变胶囊背景上（不是硬框、不是纯阴影——渐变是它的签名）
• 运动：200ms 淡入上升，150ms 淡出下降
• 版位：底部居中，10% 边距，title-safe 锁定
• 规则：严格 BBC 标准——160–180wpm、每行 32–34 字符、最多 2 行、最小间隔 1.5s；"导出到广播"模式；故意无聊，但绝不会出错

10. conference-lower-third-killer（不油腻的 B2B 风格）

• 字体：GT America / Aktiv Grotesk
• 字重：双字重名牌——角色 400、姓名 700，字号相同
• 色彩：场景采样强调色用于姓名，白色用于角色
• 运动：名牌仅首次出现时从左滑入 400ms，之后保持静态
• 版位：左下角卡片 + 对话上方的行内活动词高亮
• 规则：适用于播客片段、创始人访谈、主题演讲截取；精致但不矫饰（sophisticated without being arty）

十种方向与 DNA 注册表的映射

direction-catalog 的 10 种方向与仓库中 dna/README.md 定义的 10 个 DNA 视觉语言（cream / ink / editorial / keynote / documentary / loud / neon / glitch / chrome / velocity）在设计语汇上高度同源：documentary-dignified ↔ documentary、tech-keynote-confident ↔ keynote、lyrical-poem-on-wall ↔ cream（诗意的默认）、high-energy-vlog ↔ loud（vlog 高能对应 loud 的"拍击式排印"）。

两者存在一条关键差异：DNA 按"场景亮度 × 内容体裁"选择并逐场景参数化（强调色从本段素材采样、接触阴影沿本场景光线方向投射、嵌入文字模糊匹配本场景景深），而方向目录按"基调 × 镜头 × 平台"选择。SKILL.md 的接线方式是：先在三轴上分类片段，用分类矩阵得到方向语言（inform the shortlist），再回到 CATALOG.md 用 35 个身份（identity）做最终路由——矩阵只负责提供审美方向上下文，不负责选引擎。文章开头提到 SKILL.md 的 Aesthetic decision 一节原文："this matrix informs the shortlist; the catalog is the only routing surface"。

下一步发货优先级：基于竞争空白的排序

目录末尾给出了明确的工程路线图，依据是**竞争空白（competitive gap）**而非喜好：

1. documentary-dignified——没有其他工具能做好这个方向；Errol Morris 美学是未被服务的利基（unserved niche）
2. lyrical-poem-on-wall（作为独立模板）——最能利用本项目 matte 嵌入（matte-embed）护城河的方向
3. high-energy-vlog——对标但设计上超越 Hormozi / Submagic 预设
4. tech-keynote-confident——对产品发布视频价值大
5. investigative-typewriter——利基但辨识度极高

这五条即当前仓库 modes/cinematic/_archive/ 归档模板之外、被 SKILL.md 与 dna/ 后续版本逐步吸收的方向候选。归档中 memory-wall（约等于方向 4）、champion（约等于方向 5 与 9 的混合）、portrait-header（默认竖屏）的 spec 与 plan.json 示例（见 champion/spec.md 中的 crown_group 结构、memory-wall/spec.md 中的 plane.rotateY 参数）正是上述方向落地时的参考实现。

Agent 的选择协议：五步查表，不硬套

方向目录给出了 Agent 使用的标准选择流程：

1. 分类片段：tone × shot × platform（见上文分类矩阵）
2. 在矩阵中查表定位方向
3. 读取该方向在本文件中的规格
4. 把规格翻译为 plan.json 参数，或从 examples/ 克隆规范 HTML
5. 逐场景微调布局（依赖 Agent 判断，参见 aesthetic-principles.md §1–18）

最后一条是硬性兜底原则：如果没有方向能干净地匹配 → 使用 Standard 模式，绝不硬套一个不匹配的方向（"Don't fake-fit an ill-matched direction"）。这条兜底与 SKILL.md 中"不确定 → anchor"的默认策略一脉相承：宁可保守、保证可读，也不要为了"看起来高级"而错用美学。

从工程实现看，第 4 步"翻译为 plan.json 参数"对应 modes/cinematic/engine.html 与 make-composition.cjs 编译器：Agent 撰写 <project>/cinematic.json（声明 "dna": "<name>" + 按思想块组织的词语行），编译器负责生成时间轴、块内累积/块间翻页、主角词锁定构图（LOCKUP）、阅读顺序与场景令牌（--accent 采样色、接触阴影、景深模糊）——方向规格中锁定的字体/混色/运动曲线属于 DNA，Agent 只决策布局与行级排印。

实操参考：落地每种方向需要的配套资料

写作（或调用 Agent 执行）每种方向时，可将以下仓库资源作为配套工具链：

• 排印字号与字重：列宽与字号矩阵见 typography-presets.md（如 crown 字重 900 上限 140px、emph 不超过 30% 组、软/现（soft/present）两种 tone 的选择规则）
• 运动原语：10 个命名运动（typewriter / word-fade-up / word-pop / swipe-reveal / drop-and-settle / etch / crosshair / breathing-hold / cascade / burn-in）及 tone→timing 查表见 motion-vocabulary.md
• 墙面嵌入判定：wall-embed 四条件、corner-column-crown 与 portrait-header 的适用条件见 scene-types.md
• 模板化落地参考：三种已发货模板的 plan.json 结构见 modes/cinematic/_archive/（memory-wall / champion / portrait-header 各自的 spec.md）
• 完整身份路由：方向矩阵给出的审美上下文最终要汇入 CATALOG.md 的 35 身份短列表（其中含 anchor 默认与 ordnance / terminal / stardust 等主题身份）
• 反例清单：被锁死的坑（如动画 letter-spacing 导致回流、Math.random() 破坏确定性渲染、入场动画短于 100ms 不可读）见 anti-patterns.md

小结

direction-catalog 用一份规格文档同时解决了三个问题：给 Agent 一个确定性的方向查表协议（tone × shot × platform 矩阵 + 五步选择流程）、给设计师一套可扩展的美学定义语言（字体/字重/色彩/运动/版位/规则六维规格，任意方向可独立发货）、给工程一份路线图（按竞争空白排序的 ship 顺序）。它把"字幕好不好看"从主观品味问题，变成了"读矩阵 → 读规格 → 翻参数/克隆 HTML → 逐场景微调"的可执行流程，并在每个环节都保留了"不合适就回退 Standard 模式"的兜底——这正是它与简单预设库式字幕工具的分水岭。