Communitygithub.com

SubtitleHub

Untertitel generieren und einbrennen. Volcengine Transkription → Wörterbuch-Korrektur → Prüfung → Einbrennen. Triggerwörter: Untertitel hinzufügen, Untertitel generieren, Untertitel

Was ist SubtitleHub?

SubtitleHub ist eine spezialisierte Fertigkeit für KI-Agenten (wie Claude Code), die vollständige Untertitel-Workflows für Videodateien automatisiert. Sie extrahiert Audio, transkribiert es mit der Volcengine-API (unter Verwendung eines Hotword-Wörterbuchs zur Verbesserung der Genauigkeit), wendet automatische Korrekturen basierend auf vordefinierten Rechtschreib-/Homophon-Regeln an, bietet eine manuelle Überprüfungsschnittstelle und brennt die Untertitel schließlich mit FFmpeg in das Video ein. Die Fertigkeit ist für Post-Processing-Workflows optimiert (nachdem die Videobearbeitung abgeschlossen ist). Der gesamte Prozess dauert typischerweise 8-15 Minuten (einschließlich manueller Prüfung). Sie behandelt häufige Probleme wie Homophon-Fehler (z. B. „成风“ → „成峰“), KI-spezifische Begriffe (z. B. „Agent“, „skills“) und Auslassungen (z. B. fehlende Ziffern oder Wörter). Die Fertigkeit stellt sicher, dass der KI-Agent jede Untertitelzeile manuell überprüft, anstatt sich ausschließlich auf die automatische Skript-Matching zu verlassen, um Fehler zu vermeiden, die durch Unterschiede im Text verursacht werden. Sie enthält auch einen lokalen Webserver (unterstützt durch Node.js) für die manuelle Überprüfung, der Funktionen wie Synchronisierung beim Abspielen, Inline-Bearbeitung, Geschwindigkeitsanpassung und Export im SRT-Format bietet. Endgültige Untertitel werden mit einem Standardschreibstil (22pt fettes Goldgelb, schwarze Umrandung von 2px, unten zentriert) gebrannt.

Funktioniert mit✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/ComeOnOliver/skillshub/tree/HEAD/skills/Ceeon/videocut-skills/%E5%AD%97%E5%B9%95

In Ihrer bevorzugten KI fragen

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

Dokumentation

Untertitel

Transkription → Agent-Korrektur → Manuelle Prüfung → Einbrennen

Kernablauf (insgesamt ca. 8-15 Minuten, inkl. manueller Prüfung)

1. Audio extrahieren + hochladen          ⏱ ~1min
    ↓
2. Volcengine-Transkription (mit Hotwords) ⏱ ~2min
    ↓
3. Automatische Agent-Korrektur            ⏱ ~3-5min
    ↓
4. Manuelle Prüfung und Bestätigung        ⏱ abhängig vom Benutzer
    ↓
5. Untertitel einbrennen                  ⏱ ~1-2min

Schritt 1: Audio extrahieren und hochladen

# Audio extrahieren
ffmpeg -i "video.mp4" -vn -acodec libmp3lame -y audio.mp3

# Nach uguu.se hochladen (temporäres Dateihosting)
curl -s -F "files[][email protected]" https://uguu.se/upload
# Gibt URL zurück, z.B.: https://o.uguu.se/xxxxx.mp3

Schritt 2: Volcengine-Transkription (mit Hotwords)

Das Transkriptionsskript liest automatisch das Wörterbuch als Hotwords, um die Erkennungsgenauigkeit zu verbessern:

# Wörterbuchpfad: /Users/chengfeng/Desktop/AIos/剪辑Agent/.claude/skills/字幕/词典.txt
# Das Skript lädt es automatisch

bash ../剪口播/scripts/volcengine_transcribe.sh "https://o.uguu.se/xxxxx.mp3"

Wörterbuchformat (ein Wort pro Zeile):

skills
Claude
Agent
成峰
剪辑skills
claude code

Schritt 3: Automatische Agent-Korrektur

3.1 Untertitel mit Zeitstempeln generieren

const result = JSON.parse(fs.readFileSync('volcengine_result.json'));
const subtitles = result.utterances.map((u, i) => ({
  id: i + 1,
  text: u.text,
  start: u.start_time / 1000,
  end: u.end_time / 1000
}));
fs.writeFileSync('subtitles_with_time.json', JSON.stringify(subtitles, null, 2));

3.2 Manuelle Agent-Korrektur (kein Skript)

Nach der Transkription muss der Agent alle Untertitel einzeln durchlesen und manuell auf folgende Probleme korrigieren:

Tabelle mit häufigen Erkennungsfehlern

FehlerkennungRichtigTyp
成风成峰Homophon
正特/整特AgentFehlerkennung
IT就Agent就Ähnliche Aussprache
edge的叉100Agentx100Fehlerkennung
cloud codeClaude CodeÄhnliche Aussprache
Schill/skillskillsÄhnliche Aussprache
剪口拨/剪口波剪口播Homophon
自净化/资金化自进化Homophon
减口播剪口播Homophon
录剪漏剪Homophon
作为这个做这个Homophon
斜杠V1/斜杠v/vSprachliche Beschreibung
斜杠v点口拨/v.口播Sprachlich + Homophon
a p i t/APIKAPI KeyFehlerkennung
excuseskillsFehlerkennung
移完了剪完了Homophon

Häufige Auslassungen

OriginalKorrekturErklärung
步呢是配置第二步呢是配置„zweite“ fehlt
4步就是第4步就是„-te“ fehlt
别省时间特别省时间„besonders“ fehlt
这个我们的这个是我们的„ist“ fehlt
在里面看到可以在里面看到„kann“ fehlt
跟大家处理完跟大家讲完Falsche Wortwahl
剪辑了逻辑剪辑的逻辑Grammatikfehler

3.3 Korrektur mit Manuskript (falls vorhanden)

Wenn ein Manuskript/Skript vorhanden ist, kann es als Referenz für die Korrektur dienen, aber verwende kein Skript für automatisches Matching (Textunterschiede können zu kumulativen Zeitstempelfehlern führen).

Der Agent sollte:

  1. Das Manuskript als Referenz lesen
  2. Manuell Zeile für Zeile vergleichen und Abweichungen korrigieren
  3. Unsichere Stellen markieren, die der manuellen Prüfung überlassen werden sollen

Schritt 4: Prüfserver starten

cd Untertitel-Verzeichnis/
node /path/to/skills/字幕/scripts/subtitle_server.js 8898 "video.mp4"

Öffne http://localhost:8898

Funktionen:

  • Links Videowiedergabe, rechts Untertitelliste
  • Automatische Hervorhebung des aktuellen Untertitels während der Wiedergabe
  • Doppelklick auf Untertiteltext zur Bearbeitung (Zeitstempel bleiben unverändert)
  • Geschwindigkeitsanpassung (1x/1.5x/2x/3x)
  • Untertitel speichern / SRT exportieren / Untertitel einbrennen
  • Unten: Schnelles Einfügen von Wörterbucheinträgen

Schritt 5: Untertitel einbrennen

Standardschriftstil: 22pt goldgelb fett, schwarze Umrandung 2px, unten zentriert

ffmpeg -i "video.mp4" \
  -vf "subtitles='video.srt':force_style='FontSize=22,FontName=PingFang SC,Bold=1,PrimaryColour=&H0000deff,OutlineColour=&H00000000,Outline=2,Alignment=2,MarginV=30'" \
  -c:a copy \
  -y "video_Untertitel.mp4"
ParameterWertBeschreibung
FontSize22Schriftgröße
FontNamePingFang SCPingFang-Schriftart
Bold1Fett
PrimaryColour&H0000deffGoldgelb #ffde00
OutlineColour&H00000000Schwarze Umrandung
Outline2Umrandungsbreite
Alignment2Unten zentriert
MarginV30Unterer Rand

Verzeichnisstruktur

output/YYYY-MM-DD_Videoname/Untertitel/
├── 1_Transkription/
│   ├── audio.mp3
│   └── volcengine_result.json
├── subtitles_with_time.json    # Kern-Datei
└── 3_Ausgabe/
    ├── video.srt
    └── video_Untertitel.mp4

Untertitel-Spezifikation

RegelBeschreibung
Eine Zeile pro BildschirmKein Zeilenumbruch, kein Stapeln
Kein Satzzeichen am EndeHallo nicht Hallo.
Satzzeichen im Satz beibehaltenKlicke zuerst hier, dann dort

Feedback-Protokoll

2026-01-31

  • Volcengine unterstützt Hotwords, bereits in das Transkriptionsskript integriert
  • Agent muss nach der Transkription automatisch korrigieren, darf nicht direkt an den Benutzer weitergegeben werden
  • Untertitelstil: Goldgelb fett #ffde00, Umrandung 2px
  • „IT“ wird oft fälschlich als „Agent“ erkannt – Korrekturregel hinzugefügt
  • Wichtig: Die Agent-Korrektur muss manuell Zeile für Zeile erfolgen, kein automatisches Skript-Matching
  • 17 neue Regeln für häufige Erkennungsfehler hinzugefügt (siehe Abschnitt 3.2)
  • Auslassungen sind schwieriger zu erkennen als Erkennungsfehler – besondere Aufmerksamkeit erforderlich

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

ComeOnOliver/skillshub

Create stunning, animation-rich HTML presentations from scratch or by converting PowerPoint files. Use when the user wants to build a presentation, convert a PPT/PPTX to web, or create slides for a talk/pitch. Helps non-designers discover their aesthetic through visual exploration rather than abstract choices.

ComeOnOliver/skillshub

Next.js 16+ 和 Turbopack — 增量打包、文件系统缓存、开发速度,以及何时使用 Turbopack 与 webpack。

ComeOnOliver/skillshub

SwiftUI architecture patterns, state management with @Observable, view composition, navigation, performance optimization, and modern iOS/macOS UI best practices.

ComeOnOliver/skillshub

See, Understand, Act on video and audio. See- ingest from local files, URLs, RTSP/live feeds, or live record desktop; return realtime context and playable stream links. Understand- extract frames, build visual/semantic/temporal indexes, and search moments with timestamps and auto-clips. Act- transcode and normalize (codec, fps, resolution, aspect ratio), perform timeline edits (subtitles, text/image overlays, branding, audio overlays, dubbing, translation), generate media assets (image, audio, video), and create real time alerts for events from live streams or desktop capture.

ComeOnOliver/skillshub

AI-assisted video editing workflows for cutting, structuring, and augmenting real footage. Covers the full pipeline from raw capture through FFmpeg, Remotion, ElevenLabs, fal.ai, and final polish in Descript or CapCut. Use when the user wants to edit video, cut footage, create vlogs, or build video content.

ComeOnOliver/skillshub

Next.js 15 애플리케이션을 위한 프론트엔드 개발 가이드라인. React 19, TypeScript, Shadcn/ui, Tailwind CSS를 사용한 모던 패턴. Server Components, Client Components, App Router, 파일 구조, Shadcn/ui 컴포넌트, 성능 최적화, TypeScript 모범 사례 포함. 컴포넌트, 페이지, 기능 생성, 데이터 페칭, 스타일링, 라우팅, 프론트엔드 코드 작업 시 사용.

ComeOnOliver/skillshub

Provides Tamagui patterns for config v4, compiler optimization, styled context, and cross-platform styling. Must use when working with Tamagui projects (tamagui.config.ts, @tamagui imports).

ComeOnOliver/skillshub

Create distinctive, production-grade frontend interfaces with high design quality. Use this skill when the user asks to build web components, pages, or applications. Generates creative, polished code that avoids generic AI aesthetics.

ComeOnOliver/skillshub

Create high-converting, visually distinctive landing pages. Use when building marketing pages, product launches, SaaS homepages, or any single-page conversion-focused website. Guides section-by-section composition with anti-AI-slop principles.

ComeOnOliver/skillshub

Auto-loaded context for Portfolio Buddy 2 development. Use for ANY task involving: React 19 development, TypeScript, portfolio analysis features, metrics calculations, trading strategy comparison, or working with the Portfolio Buddy 2 codebase. Contains tech stack, known issues, and architectural constraints.

ComeOnOliver/skillshub

Next.js development tooling via MCP. Inspect routes, components, build info, and debug Next.js apps. Use when working on Next.js applications, debugging routing, or inspecting app structure. NOT for general React or non-Next.js projects.

ComeOnOliver/skillshub

Implement UI using Shadcn MCP (atoms/theme) and 21st.dev MCP (complex sections). Use when adding buttons, layouts, or generating landing pages.

ComeOnOliver/skillshub

A conceptual skill for building an API client in Next.js that handles JWT tokens

ComeOnOliver/skillshub

Best practices and patterns for Next.js App Router, Server Actions, and Routing in this project.

ComeOnOliver/skillshub

The Design System, Theme, and UX rules for the Physical AI Hub.

ComeOnOliver/skillshub

Comprehensive frontend development skill for building modern, performant web applications using ReactJS, NextJS, TypeScript, Tailwind CSS. Includes component scaffolding, performance optimization, bundle analysis, and UI best practices. Use when developing frontend features, optimizing performance, implementing UI/UX designs, managing state, or reviewing frontend code.

ComeOnOliver/skillshub

This document captures learnings from fixing keyboard navigation issues when floating components (Select, DropdownMenu, Popover) have CSS open/close animations.

ComeOnOliver/skillshub

Build Next.js 16 applications with correct patterns and distinctive design. Use when creating pages, layouts, dynamic routes, upgrading from Next.js 15, or implementing proxy.ts. Covers breaking changes (async params/searchParams, Turbopack, cacheComponents) and frontend aesthetics. NOT when building non-React or backend-only applications.

ComeOnOliver/skillshub

Comprehensive Framer Motion animation library for React. Covers motion components, variants, gestures, page transitions, and scroll animations. Use when adding animations to React/Next.js applications.

ComeOnOliver/skillshub

Build interfaces that resonate, not just render. This skill enforces bold, intentional

Verwandte Skills