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
| Fehlerkennung | Richtig | Typ |
|---|---|---|
| 成风 | 成峰 | Homophon |
| 正特/整特 | Agent | Fehlerkennung |
| IT就 | Agent就 | Ähnliche Aussprache |
| edge的叉100 | Agentx100 | Fehlerkennung |
| cloud code | Claude Code | Ähnliche Aussprache |
| Schill/skill | skills | Ähnliche 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 | /v | Sprachliche Beschreibung |
| 斜杠v点口拨 | /v.口播 | Sprachlich + Homophon |
| a p i t/APIK | API Key | Fehlerkennung |
| excuse | skills | Fehlerkennung |
| 移完了 | 剪完了 | Homophon |
Häufige Auslassungen
| Original | Korrektur | Erklärung |
|---|---|---|
| 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:
- Das Manuskript als Referenz lesen
- Manuell Zeile für Zeile vergleichen und Abweichungen korrigieren
- 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"
| Parameter | Wert | Beschreibung |
|---|---|---|
| FontSize | 22 | Schriftgröße |
| FontName | PingFang SC | PingFang-Schriftart |
| Bold | 1 | Fett |
| PrimaryColour | &H0000deff | Goldgelb #ffde00 |
| OutlineColour | &H00000000 | Schwarze Umrandung |
| Outline | 2 | Umrandungsbreite |
| Alignment | 2 | Unten zentriert |
| MarginV | 30 | Unterer 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
| Regel | Beschreibung |
|---|---|
| Eine Zeile pro Bildschirm | Kein Zeilenumbruch, kein Stapeln |
| Kein Satzzeichen am Ende | Hallo nicht Hallo. |
| Satzzeichen im Satz beibehalten | Klicke 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