Communitygithub.com

Untertitel-Engine

Erstellt Bildschirm-Untertitel für Videopakete mit der Caption Engine (bedeutungsbasierte Wortgruppen, sichere Bereiche, UI-Vermeidung), transkribiert aufgezeichnete Sprache in ein korrigiertes Transkript und produziert die SRT. Für die Untertitelphase nach der Sprachaufnahme oder wenn Untertitel nicht synchron sind, schlecht getrennt oder dupliziert. Der Beitragstext für die Plattform ist Aufgabe des Content-Repurposers.

Was ist Untertitel-Engine?

Diese Untertitel-Engine ist ein spezialisierter Skill für KI-Agenten, die Videopakete mit automatisierten, bedeutungsbasierten Bildschirm-Untertiteln versehen. Sie arbeitet mit lokalem Speech-to-Text (faster-whisper) ohne Cloud-Abhängigkeit und produziert SRT-Dateien sowie korrigierte Transkripte. Der Skill unterstützt drei separate Ausgaben: Bildschirm-Untertitel, Plattform-Beitragstexte und redaktionelle Texte – wobei nur die Bildschirm-Untertitel in die SRT einfließen. Nach der Transkription kann der Agent Abweichungen vom Skript prüfen, Korrekturen in strukturierten JSON-Dateien vornehmen und benutzerdefinierte Anpassungen wie Betonungsmarkierungen oder geschützte Phrasen berücksichtigen. Der Skill wird über spezifische npm-Befehle gesteuert und ist für die Phasen nach der Sprachaufnahme optimiert, mit optionaler Kalibrierung des Sprechtempos. Er ist besonders nützlich, wenn Untertitel nicht synchron sind, falsch getrennt wurden oder Duplikate enthalten.

Funktioniert mit~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/usredanchenko/eda-marketing/tree/HEAD/plugin/skills/caption-writer

In Ihrer bevorzugten KI fragen

Öffnet einen neuen Chat, in dem dieser Agent-Skill bereits geladen ist.

Dokumentation

Was macht Untertitel-Engine?

Drei separate Dinge: Bildschirm-Untertitel (video/captions/, props.captions, speech.srt); Beitragstext (captions/<platform>.md, Skill eda-marketing:content-repurposer); redaktioneller Text (accents mit spoken: false, editorialCta) — niemals in der SRT.

Der Untertiteltext ist in der Sprache der Marke (brand.json → language). Gruppierung, Typografie und Silbenregeln stammen aus dem Sprachpaket (packages/core/src/lang/<en|ru>.ts).

Vor der Aufnahme (Entwurf)

npm run mos -- captions build <pkg> — geschätzte Zeitvorgabe aus dem Skript (brand.json → speech.syllablesPerSec), Badge „GESCHÄTZTE ZEITVORGABE“, endgültiger Render blockiert.

Nach der Aufnahme

  1. npm run mos -- footage <pkg> (wenn sich Quellen in input/ befinden).
  2. npm run mos -- captions transcribe <pkg> <voice file> — lokales faster-whisper, keine Downloads. Kein Modell → um Erlaubnis bitten vor der Installation (docs/VIDEO_PIPELINE.md).
  3. ASR ist ein Entwurf. Überprüfen Sie Namen, Zahlen, Negationen, Wortendungen, leise Wörter, Phrasengrenzen. Korrekturen gehen in transcript/corrected.<file>.json + eine Zeile in transcript/CORRECTIONS.md; transcript/raw-asr.* ist unveränderlich. Unklar → [inaudible] + den Benutzer fragen; niemals raten. Geben Sie niemals vor, zugehört zu haben, wenn Sie es nicht getan haben.
  4. Wenn sich die tatsächliche Sprache vom Skript unterscheidet, zeigen Sie den Unterschied und entscheiden Sie mit dem Benutzer (Sprache beibehalten / neu schneiden / neu aufnehmen). Untertitel folgen der tatsächlichen Sprache; fügen Sie niemals Wörter hinzu, die nicht im Audio sind.
  5. npm run mos -- captions map <pkg> → npm run mos -- captions build <pkg> --source transcribed.
  6. Optional: npm run mos -- captions calibrate <pkg> raw-asr.<file>.json --write — das tatsächliche Tempo des Autors in brand.json.

Modi und Gruppierung

Standardmodus: brand.json → defaults.captionMode; pro Video: props.captions.mode. replace — kurze Gruppen ersetzen sich gegenseitig; accumulate — Wörter bauen einen kleinen gestaffelten Block auf; highlight — auf Anfrage. Hervorhebung: *Wort* im Skript-Sprachtext (für transkribierte Sprache emphasis in corrected markieren). Nach Bedeutung gruppieren. Trennen Sie niemals eine Negation von ihrem Verb („nicht / wissen“), eine Präposition von ihrem Wort („in / der App“), eine Zahl von ihrer Einheit („30 / Sekunden“) oder einen Namen. Vermeiden Sie ein einzelnes überhängendes Wort in einer Zeile. Halten Sie brand.json → captions.protectedPhrases intakt. Russische Regeln sind im russischen Sprachpaket enthalten.

Prüfung

Studio: Anfang/Ende jeder Seite, Übergang zwischen Untertitel und Akzent ohne Duplikate, Lesbarkeit auf dem Handy, kein Text über den Augen. mos qa prüft den Zeilenüberlauf mit echten Schriftmetriken.

Individual skills in this repo

This repo contains 2 individual skills — each has its own dedicated page.

Verwandte Skills