haoyiyin/easy-subtitle

Verwendungshinweise

Verwende dieses Skill, wenn der Benutzer Folgendes benötigt:

• SRT-Untertitel aus einer Audio- oder Videodatei generieren (offline, keine API-Aufrufe)
• Automatische Erkennung der gesprochenen Sprache in einer Mediendatei
• Korrektur von Whisper-Transkriptionsfehlern mithilfe eines bereitgestellten Original-Sprachskripts (原口播文本)
• Stapelverarbeitung von Mediendateien zu Untertiteln

NICHT verwenden für:

• Echtzeit-/Live-Transkription (faster-whisper ist offline/Batch-only)
• Nicht-SRT-Ausgabeformate (nur SRT wird unterstützt)
• Cloud-basierte Transkription (dies ist rein lokal)

Vorgehensweise

1. Abhängigkeiten installieren: pip install faster-whisper. Installiere ffmpeg für dein Betriebssystem:
   • macOS: brew install ffmpeg
   • Linux: sudo apt install ffmpeg (Debian/Ubuntu) oder sudo dnf install ffmpeg (Fedora)
   • Windows: choco install ffmpeg (Chocolatey) oder scoop install ffmpeg (Scoop), oder herunterladen von https://ffmpeg.org
2. Stelle sicher, dass das easy-subtitle-Paket installiert ist: pip install -e . aus dem Projektverzeichnis.
3. Basis-Transkription: Führe easy-subtitle -i video.mp4 aus, um video.srt mit automatisch erkannter Sprache zu generieren.
4. Sprache angeben: Führe easy-subtitle -i audio.wav -l zh aus, wenn du die Sprache kennst (schneller und genauer als Auto-Erkennung).
5. Mit Originalskript korrigieren: Führe easy-subtitle -i video.mp4 --original-text script.txt aus, um die Transkription mithilfe des bereitgestellten Skripts auszurichten und zu korrigieren.
6. Modellgröße anpassen: Verwende -m small für Geschwindigkeit oder -m large-v3 für Genauigkeit. Standard ist medium.
7. VAD anpassen: Verwende --vad-min-silence 1000 für aggressiveres Aufteilen bei Stille (leisere Inhalte). Verwende --no-vad, um VAD zu deaktivieren.

Fallstricke

• Der erste Lauf lädt das Modell herunter (~1,5 GB für medium) – plane zusätzliche Zeit und Speicherplatz ein.
• Die automatische Spracherkennung von Whisper kann bei sehr kurzen Clips (<5 Sekunden) unzuverlässig sein – verwende -l, um manuell anzugeben.
• Die Ausrichtung am Originalskript funktioniert am besten, wenn das Skript wörtlich mit dem Audio übereinstimmt. Ad-libs, Pausen und Improvisationen werden als Whisper-Ausgabe belassen.
• faster-whisper verwendet standardmäßig INT8-Quantisierung auf der CPU – dies ist schnell, aber etwas weniger genau als FP16 auf der GPU.
• ffmpeg muss separat installiert werden (kein Python-Paket).
  • macOS: brew install ffmpeg
  • Linux: sudo apt install ffmpeg
  • Windows: choco install ffmpeg oder herunterladen von https://ffmpeg.org

Überprüfung

1. Führe easy-subtitle --version aus, um die Installation zu bestätigen.
2. Teste die Basis-Transkription: easy-subtitle -i test_audio.mp3 -m tiny sollte schnell eine .srt-Datei erstellen.
3. Überprüfe die SRT-Ausgabe: Öffne sie in einem Videoplayer oder prüfe, ob sie nummerierte Blöcke mit Zeitstempeln im Format HH:MM:SS,mmm --> HH:MM:SS,mmm enthält.
4. Teste die Ausrichtung am Originalskript: Stelle ein Skript bereit, das mit dem Audio übereinstimmt – die Ausgabe sollte den exakten Skripttext enthalten, nicht die Whisper-Transkription.