【学习笔记】HyperFrames 30 天拆解（三）Direct and refine：指挥代理的提示词方法论

系列导航：（一）总览 → （二）Start and create → （三）Direct and refine（本篇） → （四）Extend and ship → （五）创作路径 → （六）Prompt Guide → （七）Catalog 调研日期：2026-08-25 本篇对象：Days 10-19 + 官方 Anatomy / Specification dial / Vocabulary / Recreating references / Captions catalog / Studio / Studio animation / Media / Storyboards / MCP / Remove background 全文 说明：官方页面的事实、表格、示例、反例全部收录于此，目标是读完本篇不再需要翻网站

一、第二阶段的本质：steering

官方对这十天的定义：how you ask（怎么问）、what you inspect（怎么查）、what you fix（怎么改）。代理第一次交付几乎必然偏离意图，这个阶段把「纠正」从玄学做成体系：提示词骨架与词汇表管「问得对」，Studio 与检查命令管「查得准」，分层的修改面管「改得省」。

二、Day 10 之一：六段式提示词骨架（Anatomy）

（源：Anatomy of a one-shot prompt）

Level 1 的提示词能用，是因为工作流替你填了空缺（色板、节奏、结构）。Level 2 的骨架是把控制权拿回自己手里——六段各消灭一类代理首试最常做错的决策：

[route] /motion-graphics
[spec] 8-second 1920x1080 video.
[beats] Beat 1 (0-4s): ... Beat 2 (4-5s): ... Beat 3 (5-8s): ...
[copy] the exact on-screen text, quoted
[technique] Adapt the `code-typing` and `vfx-shatter` registry blocks.
[negatives] No narration, no image or media files.

组装后的完整示例（官方演示，渲染结果贴在页面上）：

/motion-graphics Make an 8-second 1920x1080 video. Beat 1 (0-4s): dark macOS terminal types “npx skills add heygen-com/hyperframes” character by character, then hold on the blinking cursor. Beat 2 (4-5s): the terminal shatters into fragments. Beat 3 (5-8s): bold white kinetic text on black slams in word by word, snappy: “YOU JUST MADE THIS / WITH HYPERFRAMES.” Adapt the code-typing and vfx-shatter registry blocks; hand-author the kinetic text. No narration, no image or media files.

骨架不只是提示风格：框架对自身也执行同一思想——hyperframes feedback 报视觉缺陷时要求附 COMPOSITION_STRUCTURE: 块（元素普查 + 属性存在性 + 时间线形状，从组合自己的 HTML 自动填充），CLI 缺失时软警告不阻塞。显式说出形状，人和框架都推理得更快。

2.1 节拍公式：每个 beat 内部的五个槽

骨架结构化「请求」；每个 beat 内部用同样的五个槽描述内容：

[element] 屏上是什么   a giant number · the tweet card · "SHOWREEL"
[motion]  它做什么     counts up with an odometer roll · slides up · fades in per letter
[layout]  它在哪       top-center · filling the lower half · bottom-right
[style]   它长什么样   dark navy, green accent · 8-bit pixel · thin geometric sans
[timing]  何时（beat 内）at 1s · over 3s, easing out as it lands · staggered 0.1s apart

每个元素一句话、槽序任意：“a giant number (element) counts up to $4.2M with an odometer roll (motion), easing out as it lands (timing), centered (layout) in green on dark navy (style).” 没描述的元素由代理设计——信任它的品味时没问题，不信任时就是漂移风险（用规格旋钮控制）。

官方 Tip：带时间戳的节拍提示（Beat 2 (4-5s): ...）是 HyperFrames 的母语。扩散视频模型是把时间分段外挂在单一 clip 上；这里每个 beat 直接映射为组合里的定时 clip，逐 beat 描述无损翻译。放手用时间戳。

2.2 六组常见改写（每条都源于引擎的真实行为）

1. 冻结的保持（Freezing the hold）——组合会保持最终状态，字面的「hold」渲染成冻结帧，这是廉价感的第一来源。❌ then everything holds motionless to the end ✅ then everything settles into a gentle ambient idle (breating scale, slow drift)。
2. 没有尾巴的时长——要求 12 秒、只描述了 5 秒内容，剩下 7 秒默认死保持（官方自检本页示例时就撞见：构建者只能自己编造剩余 7 秒）。要么把时长缩到内容，要么说明尾巴干什么：✅ …then hold ~5s on the finished chart with the leader pulsing once and a slow ambient drift。
3. 同时性碰撞——两个动作都写「at 4s」就有几帧重叠，渲染器照字面执行。❌ at 4s the counter fades out and READY stamps in ✅ the counter fades out fully by 4.2s; at 4.2s READY stamps in。
4. 模糊负例——❌ no external assets（CDN 运行时是正常基础设施）✅ no image or media files。
5. 散文冒充文案——没引用的文字会被改写。❌ show a tagline about shipping faster ✅ tagline: "Ship faster."。
6. 格式盲数字——里程计需要固定位数列。❌ counts from $0 to $4.2M（逼出尴尬的 $0.0M 起点）✅ counts up to $4.2M。

2.3 框架自有词汇（读组合时认得出）

你很少手写这些，但在提示词里点名它们合法且有时必要（「字幕放独立轨道」「保持一组合文件一时间线」），所有报错也用这套词：

三、Day 10 之二：规格旋钮（Specification dial）

（源：The specification dial）

官方原话：规格密度控制结果偏离你想象多远——不控制它能不能用。心情级提示（“snappy”、“cinematic”）得到设计师式诠释：连贯，但代理选颜色、调度与细节；致密规格（hex、时间戳、缓动、钉死的技法）得到你的画面。

三档设置：

密度永远不亏——更强的模型只是少用自己的品味；它对「较小的模型不会默认做对」的技法选择影响最大。两个每次都值得钉的方向：

• 3D：任何真实深度、光照或镜头运动 → 说 “Three.js via the adapter”。CSS 透视变换在光照关键场景里读起来是平的，Three.js 是受支持的 seek-safe 运行时；
• 时序：在文本里解决同时性。“The counter fades out and READY stamps in at 4s” 产生重叠；“fades out fully by 4.2s; at 4.2s READY stamps in” 不会。

四、Day 10 之三：词汇表（Vocabulary 全十节）

（源：Vocabulary that changes output）

自然语言形容词 → 框架设置的完整映射，官方称之为「便宜精确档的词表——说了不花钱、消除真歧义」。

1. 运动与缓动（描述运动该有的「感觉」，代理选对应 GSAP ease）：

时长速记：fast（0.2s）= 能量，medium（0.4s）= 专业，slow（0.6s）= 奢侈，very slow（1-2s）= 电影感。

2. 镜头语言（组合没有物理镜头，但镜头词直接翻译成场景变换或 Three.js 真镜头）：

3. 景深语言：near-lens / foreground bokeh（大而重模糊的近景元素漂移）；depth planes（2-3 层不同速度）；out-of-focus background（模糊更慢的背层）；shallow depth of field（主体锐、其余全糊）。

4. 节奏语言：punchy cuts（每个想法 1.5-4s、硬切、进场重叠）；cinematic holds（更长节拍 + ambient idle）；beat-synced（切分与重音踩音乐节拍栅格）；breathing room（下一拍开始前的保持瞬间）；ambient idle（保持期间 1-2% 呼吸缩放 + 慢漂移）。

5. 字幕语气（描述字幕的「能量」，代理选匹配的字体、字号与动画）：

用法示例：“Hype-style captions with scale-pop”、“Karaoke-style word highlighting”；逐词样式也可用：“Make brand names larger with accent color”、“Add bounce to emotional keywords”、“Highlight numbers differently”。

6. 转场（每个多场景组合都受益；按能量描述）：

按情绪也行：“Warm transitions for this wellness brand”、“Cold, clinical transitions for tech”、“Playful bouncy transitions”、“Dramatic zoom for the reveal”。

7. 音频响应动画（频段映射视觉属性，代理用这套默认）：低频 → scale（踩点脉冲）；高频 → glow（微光强度）；振幅 → opacity（呼吸）；中频 → shape（形变）。幅度纪律：文字 3-6%，背景 10-30%。

8. 手绘标注（对文字的手绘强调效果）：highlight（马克笔扫过，关键短语）；circle（手绘椭圆，单词）；burst（放射线，hype 时刻）；scribble（乱涂划掉）；sketchout（矩形描边，callout）。用法：“Add a marker highlight sweep on ‘revolutionary’”、“Circle this keyword with hand-drawn effect”。

9. TTS 声音（本地 Kokoro，无需 key）：产品演示 af_heart/af_nova，教程 am_adam/bf_emma，营销 af_sky/am_michael；或直接描述：“Create voiceover with a professional female voice”、“Add TTS with British male voice at 1.1x speed”。

10. 渲染质量：draft（快速迭代）、standard（评审与反馈）、high（最终交付）。“Quick draft render”、“Render at high quality”、“Export as transparent WebM”。

五、Day 11：参考复刻（Recreating something you saw）

（源：Recreating something you saw）

「我没有提示词，只有一条想抄的视频」的标准解法。纯文本大约能到达参考的 90%（官方注明：百分比来自他们自己的复刻构建、逐帧评判的观察结果，当曲线形状看，不当保证看）。四步：

1. 转写动作，而不只是构图。逐帧看参考，写下：精确时长；镜头路径；每个元素带时间戳的动作；进场如何重叠；哪些层是糊的；采样颜色。这样构建的提示词一次到位约 75%——结构和运动弧落地，渲染校准不落地。
2. 用绝对目标迭代。渲染与参考逐帧对比，一次只纠一个轴，冻结已匹配的部分。每条修正写成绝对值而非相对推挤：❌ make dots 2x finer ✅ dot radius = 25% of row spacing。相对修正会钟摆——太大、太小、又太大。预期收敛需要几轮。
3. 把收敛值提炼回提示词。迭代是搜索，搜到的常量可复用：携带它们的提示词在全新构建上一次到位约 80-90% 的收敛质量。离散事实（时间、数量、hex、比例、镜头弧）无损迁移；连续品质（辉度突出程度、构图感）仍差一两句校准说明。
4. 知道纯文本天花板。词语无损承载离散可数之物，但欠确定连续知觉品质：bloom 衰减、材质感、光学混色。最后 10% 从文本关不上，只会振荡。要像素级精确，保留组合文件——渲染是确定性的，重渲那个文件必然复现结果。

六、Day 12：动态字幕（Captions catalog）

（源：Caption styles）

先分清两种字幕：本页的 caption 组件是给组合视频（你自己构建的 HyperFrames composition）用的；给既有口播 MP4 加字幕走 /embedded-captions 工作流——它有自己围绕主体抠像与遮挡构建的字幕身份目录（字幕坐在说话人身后），组合片段做不到这一点。

Caption 组件是即插即用的片段，每组件一个视觉身份、逐词或逐行动画。描述字幕的能量让代理选字体字号动画；点名组件锁定观感：

三个文字效果组件各干一件事：caption-blend-difference（文字压在杂乱/变动素材上自动逐像素反色保可读）；morph-text（一个位置循环一组短词表带粘滞变形，“fast / simple / yours”）；texture-mask-text（大展示字填充物理纹理：砖、岩、木、金属、熔岩）。

四个旋钮：语气（typography/size/animation 全联动）；逐词强调（“brand 名更大加品牌色”、“数字不同高亮”、“情绪词加弹跳”——caption-editorial-emphasis 驱动大小对比、caption-particle-burst 在关键词开火、neon 组件带关键词强调色）；纹理变量（caption-texture 附带 lava/marble/metal/wood/concrete/rock，点名要哪个）；画幅（全屏单词型 caption-kinetic-slam 与 TikTok 高亮型 caption-highlight 为竖屏/社交构图设计——说 “vertical” 或 “9

五种失败模式（官方反例）：

1. 别给每个词堆重效果——组件本来就逐词动画，再叠强调会互相打架变不可读。❌ make every word explode with particles ✅ caption-particle-burst, firing only on the keywords；
2. 别在一个段落混两种字幕风格——一个组合（或一个段落）一个身份；两种竞争的风格读起来像事故；
3. 别对准口播素材用这些——它们是组合片段不是抠像管线，丢到未处理 MP4 上字幕只会挡在说话人前面（想字幕在人物身后：要么走 /embedded-captions，要么像 capstone 那样先抠像、让文字层从主体剪影下穿过）；
4. 别把 hype 风格配冷静内容——高能字幕配企业解说片打架，让语气表选身份；
5. 别发明字幕名——只有 Captions 与 Text Effects 组里的组件存在。❌ add typewriter-bounce captions ✅ 描述语气（“tutorial, monospace, typewriter”）或点名真组件。

七、Day 13：Studio 预览（一）——工作台与安全编辑

（源：Work on a project in Studio；终端三件套部分源自本机 /hyperframes-cli 技能）

Studio 是同一个 HTML 项目的可视化编辑器（代理和 CLI 操作的那个），任何项目直接打开，无需导入转换：npx hyperframes preview。

工作区面板：Storyboard（计划的序列、方向、配音、状态、评论——审故事用）；Preview（中间实时帧、下方时间线、左侧项目工具、右侧 Inspector）；Code / Comps / Assets / Catalog（项目源、组合、媒体、可复用视觉）；Design / Layers / Variables / Renders（控制选中对象）。不需要学会每个面板——按问题选面：

做一次安全编辑：停在有问题的画面处；点画布上的元素（多个重叠时去 Layers 选）；只改你本来要改的那一个属性。用画布移动/缩放/旋转/裁剪受支持元素，用 Design 改文字、布局、样式、媒体、运动、3D、颜色。**接受改动前播一遍周围的时刻——正确的静帧仍可能在运动中制造碰撞。**警告：自动关键帧默认开启——普通布局修正（应保持恒定）前先关掉；只有「当前播放头时刻的改动应该变成动画」时才留着开。

时间线上改时间：拖 clip 前后移动；拖边缘改时长；剃刀只在需要把一个受支持 clip 一分为二时用。每次时间改动后把播放头划过周围的剪辑检查。

更大的改动交回代理：Studio 适合「能指着的改动」；影响故事、多场景、源调研、不熟项目代码的请求找代理。用 Studio 的 Ask agent / Copy to Agent，再补上复制不走的上下文里的人类意图：Make the opening feel faster, but keep the current narration and final scene. 代理和 Studio 编辑同一源，中间没有导出或转换。

收尾一个版本：从头看一遍 → 跑 Lint 修报告的问题 → 交付前跑项目级浏览器门禁 npx hyperframes check → 通过 Studio、代理或 CLI 渲染 → 打开导出文件完整看一遍再分享。

终端侧的「查」三件套（hyperframes-cli）：check 先跑 lint，再用一次浏览器会话 + 一次 seek 遍历审计运行时错误、失败请求、布局、*.motion.json 断言、WCAG 对比度（持续问题阻塞退出码，入场/出场瞬态仅提示，--strict 连警告一起拦）；snapshot --at <t1>,<t2> 按时间点截帧并自动拼接触点图；compare / grade-compare 改前后对比（调色专用后者）。两个预览面别混淆：storyboard 板（结构检查通过前、storyboard: yes 时开）审计划卡片；成片时间线预览（preview --background）在 check 通过后审组装结果——板上批准的计划不等于成片批准。

八、Day 14：Studio 预览（二）——关键帧编辑全操作

（源：Edit animation and keyframes）

动画是属性随时间变化；关键帧在特定时刻记录一个重要值，Studio 把可编辑关键帧画成时间线上的菱形。选中元素、放好播放头、加关键帧。

先读现有运动：选中动着的元素（画布、Layers 或时间线）→ 展开它的动画属性 → 播放头划过现有菱形 → 从运动开始前播到结束后。先定位真问题：启动太晚、耗时太长、路线不对、加速方式不对——它们需要不同的改法。

加改关键帧：播放头移到要定义的时刻 → 时间线工具栏的关键帧控件或按 K（上下文敏感：可加时加关键帧，否则仍是「停止播放」快捷键）。改既有运动：拖菱形改时间；改该关键帧的属性值；Delete 删选中关键帧；H 在 hold（不插值）与 bezier 行为间切换；U 展开收起选中元素的属性。

自动关键帧要有意识地用：开启时，播放头当前时刻的画布/Inspector 改动被录成动画。摆姿势法：第一个时刻设第一个值 → 第二个时刻设第二个值 → 播放 Studio 生成的过渡。校正应全程恒定的布局值之前先关掉它。

先重定时，再重设计：关键帧靠近 = 变化更快；拉远 = 观众更多时间跟随。在场景内评判——单独看顺滑的运动可能对旁白来说到得太晚或与下一动作重叠。

缓动：hold 用于不插值的突变；预设起步；预设接近但起止/过冲仍不对时用速度曲线。别只看曲线选缓动——进场、可读保持、退场连起来播。

运动路径：位置关键帧可在画布上露出路径。拖点改路线；该弯时调段；直接运动更清晰时保持直线；元素应朝向行进方向时才开 auto-rotate；按住 Option/Alt 拖元素移动整条路径。只为更容易控制预期路线时加点。

录制手势：动作比描述容易演时用。选中元素 → Record gesture 或按 R → 移动指针表演 → 再按 R 停止 → 播放并精修生成的关键帧。录制中拖拽捕获位置、滚轮捕获深度；内置快捷键面板列出旋转、3D 旋转、透明度、缩放的修饰键。录的是起始表演不是自动抛光——简化噪声路径、对着场景其余部分重定时。

编辑代理/助手生成的动画：Studio 能显示由循环、助手或运行时表达式生成的运动值，但不总能安全改写其源。Unroll to edit 把受支持的循环/助手生成运动改写为可编辑的显式 tween；Computed value — edit it in the Code tab 表示必须改源。意图比实现好说时，把元素上下文复制给代理描述要保留的结果：Keep the same curved route, but make the movement finish with the voiceover instead of two beats later.

完成运动的评审：运动应揭示、引导注意、展示变化或连接状态；重要文字要有足够静止时间可读；同一瞬间多个无关运动不应竞争；检查进出场景的过渡；以目标帧率跑项目预览后再批准。

九、Day 15：网页采样

（源：30 Days Day 15——官方未设独立文档页）

课程原话：把有用的 web 动效带进 composition，靠捕获真实页面（CLI 的 capture / browser 能力）。HTML 渲染路线的独有便宜：别家从视频里扒参考，这里拿到的是源码级保真的采样。官方文档对这一课没有独立专页，操作入口即 CLI 的捕获命令与 product-launch 工作流的站点捕获。

十、Day 16：媒体使用（guides/media + media-use）

（源：Work with media；机会扫描协议源自本机 /media-use 技能）

从角色出发，不从效果出发——每类媒体只给一个主职：

更多层不自动等于更强的视频。两个资产干同一件事时，留更清楚的那个。

带进项目：Studio 的 Assets → Import media（或拖文件入面板），放置前先预览；也可以让代理捕获网站、准备既有素材、生成衍生品或复制批准的文件进项目。命名要清楚（pricing-page-scroll.mp4、customer-logo.svg）——清晰命名让人和代理的后续修订都容易得多。最终结果需要的一切都必须在项目里，预览与渲染才用同一文件。

只准备结果需要的：未用素材拖慢评审时才裁剪；主体要坐进设计场景时才抠像；源之间明显打架或故事需要刻意观感时才调色；从真实语音生成字幕、先纠词与时间再谈样式；旁白保持在音乐之上清晰、效果只用于具体事件。原始文件与准备产物要保持容易区分。

终检时间线五条：每个视频 clip 的首末帧；目标输出尺寸下的裁剪与分辨率；字幕时间对齐口语；普通耳机与笔记本扬声器上的语音清晰度；缺失文件、临时 URL 与迟加载的媒体。

media-use 技能的供给协议（Day 8 已详拆 resolve 动词与冻结台账，这里补机会扫描）：构建或审查时做一次有依据的扫描，识别具体信号才提具体建议（有文字无配音→TTS；emoji 或 div 假图标→真图标；占位/过小图片→更好的图；硬切无声→转场音效；超 10s 无音乐床→BGM；曝光偏色→校正性调色）。四条防打扰规则：有信号才提、给具体方案带默认值（人只批全部/部分/不要）、每项目只问一次、只提案不偷偷改——一个「灰世界校正」能毁掉故意的夕阳。

十一、Day 17：Storyboard——先审计划，再审画面

（源：Storyboards）

核心口诀：prompt the plan, not the scenes。让代理先产出 storyboard，人批准的是计划；此后对结构的修改落在文档上而不是渲染结果上。

四个先想清的形状：message（一条核心信息——每帧要么推进它要么删掉）；arc（情绪弧：开场如何、中段如何、收尾落在哪）；audience（谁在看、他们已经知道什么、什么让他们继续看）；mood（每场一个词，全局别超三种）。

方向块（Video direction）四件事：双色纪律——一个主色一个强调色，全局只用这两色（色板放 storyboard 顶部，帧里不再写色值）；VO 节奏 reveal——每帧元素落在它的口述提示上，次要元素在旁白思考中持续解析，场景恰在旁白推进时完成；一处喘息帧——中段安排一个静息帧（极慢 drift、两三拍），让眼睛休息、节奏有对比；负例清单——点名禁用：无弹跳/闪烁文字、无廉价 emoji 图标、无旋转渐变、全片无爆炸粒子、不做逐字打字机全句。负例要具体到效果名——代理见过全部效果，点名即排除。

每帧的职责：这帧的类型（钩子/论证/数据/转折/收尾）、说服谁、beat 是什么、focal（观众先看哪）与 roles（还有什么、各干什么）。一个回收 motif：一个贯穿全片重复出现的小元素（角落进度点、配色中的一条线、反复回归的形状），廉价地制造「这是一个完整作品」的感觉。

工作示例（官方）：静音 3 帧 storyboard——F1 钩子（衬线斜体引言 + 大水印 + 角落 motif 点）；F2 论证（中心结论，focal=结论，roles=边注 + motif 略过）；F3 收尾（语录下划线 + 极慢 drift 出；motif 最后一帧隐去，保持克制）。注意：静音片也要节奏设计（钩子 2-3 拍、论证 4-5 拍、收尾 2 拍）；即使静音也留呼吸；声明负例（不打字机、无粒子、全帧只用双色）。

十二、Day 18：Video Agent 与 MCP 聊天创作

（源：Create through an AI chat、Choose how to create）

Hosted MCP connector（beta）：让支持的 AI 聊天产品经你的 HeyGen 账号调用 HyperFrames 创作与渲染工具，不装本地 CLI。

选托管还是本地——托管适合：零本地安装、对话式创作流、云渲染；本地适合：完整项目文件、本地渲染、直接 Studio 与源码编辑、自定义自动化或部署、精确调试与校验。

连接：生产 MCP 地址 https://mcp.heygen.com/mcp/hyperframes/，需要 HeyGen 账号。以 Claude 为例：Customize → Connectors → Add custom connector 填地址 → 完成 HeyGen 登录 → 新聊天里 + 菜单 → Connectors → 启用 HyperFrames（ChatGPT、Grok 类似；各主机的连接器入口与计划/工作区权限由各自控制）。官方警告：只连本页所示的生产服务器；像对待任何外部连接器一样审阅权限，不要发送不该到达目的端的秘密或私密材料。

创作与修订：像对剪辑师一样描述视频——

Make a 15-second vertical product intro for a meditation app.
Audience: people who have trouble falling asleep.
Style: quiet, spacious, and warm.
Show the breathing timer and end with "Rest starts here."

在同一对话里继续修订：Reveal the product two seconds earlier. Keep the current colors. Make the captions smaller and slow down the final transition.——点名可见问题与期望结果，不要每次修订都重启完整 brief。渲染：Render this as an MP4 at 30 fps.（MP4 常规分享格式；WebM 适合 web 交付与透明 overlay；MOV 适合进其他剪辑流程）。保留工具返回的组合/渲染标识符以便后续引用。

四条当前限制：渲染跑在 HeyGen 基础设施上（要本地渲染/自托管走本地路径）；确切工具列表与结果呈现取决于部署的服务器与聊天主机；托管产物不给本地项目文件夹、Studio 界面或同等调试访问；精确源码与像素级编辑属于本地项目与 Studio。排障：授权循环→确认地址、断开重连、确认主机计划/工作区允许连接器、确认弹窗未被拦截；动作卡住→保留最后的工具结果与标识符、会话过期就从新聊天重试、报告提示词与期望/实际结果/主机/标识符。

十三、Day 19：背景移除（本地抠像）

（源：Remove a background）

把人物素材或人像图变成可叠在场景上的透明媒体。本地运行内置人物分割模型——不上传源文件、不需要 API key（需 FFmpeg）：

npx hyperframes remove-background subject.mp4 -o subject.webm   # 首次运行下载模型，之后复用

按用途选输出：透明 .webm（web 或 HyperFrames 组合内叠层）；透明 .mov（ProRes 4444 往返 Premiere / Resolve / Final Cut）；透明 .png（单张人像）。

使用挖剪：导入项目、放在要覆盖的背景/文字/图形之上；检查完整 clip，尤其头发、手、快速运动与首末帧。要动画主体时动画一个包裹层（wrapper），保持透明媒体与组合计时行为在一起。挖剪与原背景需要帧对齐时，两个媒体元素给相同 data-start 与播放偏移，用 wrapper 显隐而不是晚挂载其中一个源；然后擦查切口并检查渲染帧，不只看正常播放。

双层板（text-behind-subject）：一次产出前景挖剪 + 反 alpha 背景板：

npx hyperframes remove-background subject.mp4 -o subject.webm --background-output plate.webm

背景板保留原环境、留一个人形的透明洞（不是 inpaint 过的干净空背景）。洞下面放不透明图形或场景，subject.webm 放最上面——文字层即可从人物剪影下穿过。

何时好用：内置模型为人物设计——清晰的人类主体、稳定构图、与背景有合理对比时最好。四种情况换别的分割/遮罩工具：主体是产品、动物或其他物品；细发丝穿过杂乱背景；帧间边缘稳定性要达到高端 VFX 标准；移除人物后需要重建原背景。抠像是预处理：跑一次、透明结果留在项目里、重复使用。

质量与速度：--device auto 选最佳本地提供方（--info 查看检测到什么；CPU 也能跑但慢得多）；WebM 输出 --quality balanced 为默认，挖剪直接叠在原素材上且边缘颜色必须匹配时用 best，叠在无关背景上要小文件用 fast。常见问题：背景仍不透明→确认输出真是透明格式并在彩色背景上预览；边缘闪烁→更干净的源、减少快速运动、或更强的外部抠像；主体有色彩光晕→--quality best；「背景板上有个洞」→预期行为，它是反 alpha 不是干净板。

十四、本篇小结

十天指挥课收束为三层：问得对（六段骨架 + 节拍五槽 + 规格旋钮 + 十节词汇表，把审美分歧变成查表问题）；查得准（Studio 工作台、check/snapshot/compare 三件套、关键帧 lane 编辑）；改得省（结构改 storyboard、动作改关键帧、素材走角色论与机会扫描、像素走抠像与调色）。单条视频的闭环到此完整——量产与交付见篇四。