kaylon-he/video-subtitle-skill

Video Untertitel

Automatisches Hinzufügen von Untertiteln zu Videos und Einbrennen in das Bild, Ausgabe von „MP4 mit Untertiteln + SRT“.

Pipeline

1. Extraktion von 16k Mono-WAV (ffmpeg)
2. whisper.cpp Transkription zu SRT (whisper-cli)
3. SRT → ASS: Automatischer Zeilenumbruch basierend auf Bildbreite, CJK-Schriftart, zentrierter halbtransparenter Hintergrund unten
4. Einbrennen der ASS mit ffmpeg (mit libass), Audiospur wird direkt kopiert

Verwendung

bash scripts/add_subtitles.sh input.mp4 -o output.mp4 -l zh

• -l/--language Quellsprache, Standard zh, möglich auto
• -f/--fontsize Schriftgröße, Standard 42
• -s/--srt-only Nur SRT ausgeben, nicht einbrennen

Wichtige Hinweise

• Transkription vor Auslieferung prüfen: Das Skript gibt die SRT auf dem Terminal aus. Personennamen, Ortsnamen und Redewendungen werden oft falsch erkannt (z. B.: „重阳姐“ → „重阳节“, „久久重扬“ → „九九重阳“). Bei Fehlern verwende -s, um eine neue Version zu erstellen, korrigiere die SRT und brenne sie dann ein.
• Endprodukt überprüfen: Extrahiere 2–3 Frames aus dem finalen Video (-ss <Sekunden> -frames:v 1), um sicherzustellen, dass die Untertitel vollständig und nicht abgeschnitten oder über den Bildrand hinausragen.
• Nicht die Homebrew-Version von ffmpeg verwenden: Diese Build-Version hat kein libass, die Filter subtitles/ass/drawtext fehlen alle. Das Skript wählt automatisch ffmpeg mit libass aus. Die Installationsanleitung findest du in der README.md.
• Lange Sätze müssen umgebrochen werden: ASS verwendet WrapStyle: 2 (erkennt nur \N). srt_to_ass.py fügt automatisch \N basierend auf Bildbreite / Schriftgröße ein. Falls ein Satz dennoch überläuft, verkleinere die Schriftgröße mit -f.

Abhängigkeiten

ffmpeg (mit libass) + whisper-cli + ggml-Modell + python3. Fehlende Abhängigkeiten werden vom Skript mit klaren Fehlermeldungen angezeigt. Die vollständige Liste der Bibliotheken, Installationsbefehle und Fehlerbehebungshinweise findest du in README.md.