口播字幕

读 plan.json 和同一目录的 fonts.json。plan.json 里是留下的字，以及成片、原片上的时间。fonts.json 是这次选定的字体。字幕是阅读稿，不改切点，不改句子顺序。

fonts.json 的形状：

{
  "general": {"name": "字体名", "resource_id": "", "size": 15, "color": [1, 1, 1], "border": true, "shadow": false},
  "emphasis": [
    {"name": "字体名", "resource_id": "", "size": 15, "color": [1, 1, 1], "border": false, "shadow": true, "for": "专名和数字"},
    {"name": "字体名", "resource_id": "", "size": 15, "color": [1, 1, 1], "border": false, "shadow": true, "for": "判断"}
  ]
}

emphasis 可以只有一套。for 标明这套用在哪一类重点上。

选字体

回复先写这一条用的通用字体名，以及用了哪几套重点字体。名字必须来自 fonts.json。

• 通用字体用 general，全片普通字幕都用它。
• 重点字体用 emphasis，最多两套。超过两套就停下来。
• 两套都在时：专名和数字用标了「专名和数字」的那套，判断、反差、短问句用标了「判断」的那套。只有一套时，所有重点都用它。同一个词全片用同一套。
• 没有重点词，就不要重点字体。

字号、字色、描边、阴影、花字按该字体在 fonts.json 里的那一行。某一行有花字、而当前还不能挂上时，先写上字体和字色，回复里标明花字没挂。

字幕文字

一条字幕一行，不插换行。放不下就按这句里已有的停顿拆成下一条，仍是一行。

不上屏：

• 单独的垫音：嗯、啊、呃、额、哦、噢、诶、欸、唉，以及句首句尾的哎、呀。
• 纯笑声：哈哈、嘿嘿。后面没有内容的单独「对」「好」「是」。
• 句末用来垫语气的「了」。字幕在这个字之前收掉。
• 找词的叠字只留最后一次。声音里这些字还在。

那个、这个、就是、然后、所以说、就是说、怎么说、你知道吧、对吧：拿掉之后句子还立得住，才不上屏。

必须上屏：半句里还有后面没有的意思、转头跟在场的人说的话、人名、数字、店名、专有名词。动词上的「了」留着，比如「换了」「看了」「成了」。

错别字只改听得出来的字，不改时间。不加逗号句号，问句留问号。

时间贴着要显示的字，精确到 0.01 秒：第一个字出声，字幕出现；最后一个字收声，字幕消失。不上屏的字和气口，中间是空的。

重点词

一句里通常只标一个。满足一条就够：

• 专名：品牌、产品、店名、人名。
• 数字，以及数字带出的结果。
• 这句里要让人记住的那个判断、反差或问句。整句不超过 6 个字时，整句当重点。
• 这次点名的词。

不标语气词，不标拿不准的词，不把整句都标成重点。

普通字幕把句子写完整，放在文字轨「字幕」。重点词另写一条，放在文字轨「重点」，时间只盖这个词，位置高于底部那行，不挡住它。

字幕稿

先列出对照表，再把同一份写成 captions.json。每一行有成片开始、结束、字、轨道、字体名。时间精确到 0.01 秒。

停止

没有 plan.json、没有 fonts.json、没有字级时间、一句要编出没听到的词，或重点字体超过两套时停。