/captions: 7 Untertitel-Stile
Verwandelt ein Sprechervideo in dasselbe Video mit eingebrannten animierten Untertiteln. Die Wörter sind zeitlich an die Stimme angepasst, pro Zeile wird ein Schlüsselwort in der Hervorhebungsfarbe angezeigt, und das Originalvideo sowie der Ton bleiben unberührt (Untertitel werden darübergelegt).
Die 7 Stile
| Gib dies ein | Aussehen |
|---|---|
editorial-highlight | Magazin-Serif, Schlüsselwort auf einem tiefroten Papierstreifen, kleine Seitennummer über der Zeile |
pop-sticker | Farbblöcke mit schwarzen Umrissen und harten Schatten, kleine Sticker erscheinen darum, Schlüsselwörter lila mit einem Stern |
paper-plane | Ein Papierflieger in der Hervorhebungsfarbe fliegt vorbei und zieht die Zeile dahinter |
smoke-exit | Klobige serifenlose Wörter; wenn die Zeile endet, löst sie sich in Rauch auf, das Schlüsselwort raucht in seiner eigenen Farbe |
explosive-breakup | Große, komprimierte Großbuchstaben; am Ende der Zeile explodiert jeder Buchstabe nach außen, Schlüsselwort in Funken |
rolodex-flip | Die Zeile baut sich Wort für Wort auf, jedes neue Wort klappt wie eine Rolodex-Karte herunter |
retro-typer | Schreibmaschinenbuchstaben, zeitlich zur Stimme eingetippt, blinkender Block-Cursor (optional: unscharfe Box) |
Wenn der Benutzer keinen Stil angibt, zeige diese Tabelle und frage, welcher verwendet werden soll (empfehle pop-sticker).
Einrichtung (nur beim ersten Mal)
Führe im Skill-Ordner aus. Überprüfe zuerst, installiere nur, was fehlt:
ffmpegundffprobe(Mac:brew install ffmpeg, Windows:winget install ffmpeg)- Node.js 18+ und Google Chrome (oder Edge/Chromium). Führe dann
npm installin diesem Ordner aus (klein: es nutzt das bereits auf dem Computer vorhandene Chrome). - Python 3.
scripts/words.pyerstellt bei der ersten Verwendung ein eigenes.venvhier und installiert faster-whisper.
Schritte
- Wörter.
python3 scripts/words.py <video>schreibt<video>.words.json:[{"w":"Hallo","s":0.21,"e":0.48}, ...]. Überspringe, wenn der Benutzer bereits eine solche Datei hat (/captions words <video>= nur diesen Schritt ausführen). - Bereinige die Wörter (bearbeite das JSON, behalte die Zeitangaben):
- Korrigiere falsch erkannte Wörter, Namen und Markenschreibweisen. Frage den Benutzer bei Unsicherheit.
- Markiere ein Schlüsselwort pro Zeile mit
"k": true: das Wort, das den Punkt ausmacht (ein Ergebnis, eine Zahl, ein Name oder das überraschende Wort). Nicht jede Zeile benötigt eines. - Markiere Zeilenenden mit
"br": true, sodass jede Zeile 2 bis 4 Wörter und unter ~20 Buchstaben hat und dort bricht, wo der Sprecher natürlich pausiert. Sobald einbrexistiert, brechen Zeilen nur anbr, Satzzeichen und langen Pausen. - Schreibe Symbole so, wie die Leute sie auf dem Bildschirm lesen: "slash" → "/", "percent" → "%" wenn es Teil eines Begriffs ist.
- Überprüfe Frames vor dem vollständigen Render.
node scripts/render.js <video> <words.json> <style> --still 1.5 --still 4 --still 8(wähle Momente mitten in einer Zeile). Betrachte die PNGs: Untertitel lesbar, nicht über dem Gesicht oder der UI der App. Zu hoch oder zu niedrig? Verwende--y(64 = Standard, niedrigere Zahl = höher). Zu groß?--size 0.85. - Render.
node scripts/render.js <video> <words.json> <style> [--hl #ff7a59] [--y 64] [--size 1] [--box]→<video>_<style>.mp4neben dem Original. Ungefähr 3 Minuten für ein 60-Sekunden-Video. - Teile dem Benutzer mit, wo sich die Datei befindet. Für einen Live-Blick auf alle 7 Stile mit dem eigenen Video öffne
index.htmlin Chrome und lade das Video sowie die Wortdatei.
Optionen
| Flag | Wirkung |
|---|---|
--hl <#hex> | Hervorhebungsfarbe für Schlüsselwörter. Voreinstellungen: Gelb #ffd23f (Standard), Koralle #ff7a59, Himmelblau #7cc4ff, Minze #9ff0b8 |
--y <0-100> | Untertitelhöhe, % von oben. 64 befindet sich unter dem Kinn bei einem sprechenden Kopf |
--size <n> | Untertitelgröße, 1 = normal |
--box | Nur Retro Typer: weiche, unscharfe Box hinter dem Text |
--out <datei> | Ausgabepfad |
--still <s> | Überprüfungsframe zu dieser Sekunde anstatt eines vollständigen Renders (wiederholbar) |
Hinweise
- HDR-iPhone-Aufnahmen können nach dem Rendern ausgewaschen aussehen. Exportiere sie zuerst als SDR oder stelle das iPhone unter Einstellungen > Kamera > Formate > Kompatibelste ein.
- Untertitel liegen immer über dem Video. Dies ist das Starterpaket: Wörter hinter dem Sprecher, Glas- und Wandtext-Stile sind nicht enthalten.
- Schriftarten werden von Google Fonts geladen, daher benötigt der Render eine Internetverbindung.