Producing-Video · 音频 + 字幕 → 成片

把"用户已经录好的口播音频 + SRT 字幕"做成一条画面跟着声音走的 MP4。用 HyperFrames（HTML 即视频）出片。

铁律：音频和 SRT 是唯一事实源。 画面的内容来自 SRT，画面的时间轴来自 SRT 的 cue 时间戳，音频作为一个 <audio> clip 直接挂进合成里、渲染时自动合流 —— 没有"先出视频再合音频"这一步。

分工（很重要）

谁	做什么
用户	写稿 → 录音/合成音频 → 生成 SRT → 把 `audio.mp3` + `audio.srt` 交给你
本 skill（你）	选 frame/品牌 → 按 SRT 搭 HyperFrames 合成 → 校对 → 渲染成片

用户不指望你生成配音（那是上游）。如果用户还没有音频、问的是"怎么配音"，那不是本 skill —— TTS / 声音克隆是另一条线（见下方"超出范围"）。