YouTube Bilingual Hardburn
Verwandelt ein fremdsprachiges Video in ein chinesisch-englisches Hardsub-Video. Die deterministischen Schritte sind Skripte; der Übersetzungsschritt wird vom Agenten (LLM) durchgeführt und birgt das gesamte Risiko.
EISERNES GESETZ: EINE chinesische Zeile pro englischer Zeile. NIEMALS eine englische Zeile in zwei chinesische Zeilen aufteilen (oder zwei zu einer zusammenführen). Führen Sie nach jeder Übersetzungsstapelverarbeitung verify_align.py aus. Ein einzelner Off-by-One-Fehler verschiebt jeden nachfolgenden Untertitel aus dem Takt – und Sie werden es erst bemerken, wenn der Burn abgeschlossen ist.
Wenn die Quelle Satzzeichen hat vs. wenn sie keine hat
- YouTube-Auto-Untertitel (und die meisten ASR) haben fast keine Satzzeichen → der Ansatz „aufteilen nach
.!?" schlägt fehl (alles wird zu einem Cue zusammengefasst). Diese Fähigkeit löst dies, indem Phrasen bis zu einem Zeichenlimit zusammengeführt werden. Dies ist der Standardpfad. - Wenn die Quelle bereits saubere, mit Satzzeichen versehene Untertitel hat, funktioniert dieselbe Pipeline trotzdem.
Voraussetzungen
yt-dlp(Download),ffmpeg(Hardburn),python3(Skripte). Keine Python-Pakete erforderlich.- Eine CJK-fähige Schriftart installiert. macOS:
PingFang SC(Standard). Linux:--font "Noto Sans CJK SC"übergeben. Windows:--font "Microsoft YaHei". SCRIPTS=der absolute Pfad zumscripts/-Verzeichnis dieser Fähigkeit. Einmal setzen und wiederverwenden.
Arbeitsablauf
Bilingual Hardburn-Fortschritt:
- [ ] Schritt 1: Video + Untertitel herunterladen ⚠️ ERFORDERLICH
- [ ] Schritt 2: Untertitel extrahieren + neu segmentieren in lesbare Zeilen
- [ ] Schritt 3: Jede Zeile übersetzen (1:1) — der vorsichtige Teil ⚠️ ERFORDERLICH
- [ ] Schritt 4: verify_align.py == OK ⛔ BLOCKIEREND (kann erst fortfahren, wenn bestanden)
- [ ] Schritt 5: Zweisprachige .ass-Datei erstellen + Stil an EINEM Testframe bestätigen ⚠️ ERFORDERLICH
- [ ] Schritt 6: Vollständiges Video hardbrennen (lange Kodierung) + Stichprobenframes
Schritt 1: Video + Untertitel herunterladen ⚠️ ERFORDERLICH
yt-dlp -o "%(upload_date)s_%(title)s.%(ext)s" \
-f "bestvideo[height<=1080][ext=mp4]+bestaudio[ext=m4a]/best[height<=1080]/best" \
--merge-output-format mp4 --write-subs --write-auto-subs --sub-langs "en" \
--no-mtime "<URL>"
- Wenn
--write-auto-subskeine Untertiteldatei erzeugt (manche Videos haben keine), müssen Sie zuerst den Audio transkribieren (z.B. mit Whisper) in eine.vtt/.srtund dann fortfahren. - Notieren Sie die beiden Ausgabedateien:
VIDEO.mp4undVIDEO.en.vtt.
Schritt 2: Extrahieren + neu segmentieren ⚠️
python3 "$SCRIPTS/extract_phrases.py" "VIDEO.en.vtt" > phrases.json
python3 "$SCRIPTS/merge_lines.py" phrases.json lines.json # --max-chars 95 --gap 12
Dies erzeugt lines.json ([{start,end,en}]) und lines_en.txt (eine nummerierte idx<TAB>Englisch-Datei). Übersetzen Sie lines_en.txt. Später bei Bedarf anpassen:
- Untertitel erscheinen zu lange auf dem Bildschirm →
--max-charsverringern (z.B. 70) - Sie möchten Brüche an natürlichen Pausen →
--gapverringern (z.B. 2,5) — ergibt mehr, kürzere Zeilen
Schritt 3: Jede Zeile übersetzen (1:1) ⚠️ ERFORDERLICH — dies ist der vorsichtige Teil
Lesen Sie lines_en.txt (es ist nummeriert 0..N-1). Erzeugen Sie eine reine Text-ZH-Datei: genau eine chinesische Zeile für jede englische Zeile, in derselben Reihenfolge. Schreiben Sie zeilenumbruchgetrennten Text (KEIN JSON – chinesische Anführungszeichen stören das JSON-Escaping).
Regeln, die die Verletzung des eisernen Gesetzes verhindern:
- Eine Zeile hinein → eine Zeile hinaus. Übersetzen Sie die englische Zeile als ihre eigene Einheit. Wenn eine Zeile mitten im Satz abbricht (das ist normal für ASR), lassen Sie die chinesische Zeile an derselben Stelle abbrechen. „Reparieren" Sie es nicht, indem Sie über Zeilen hinwegfließen.
- Arbeiten Sie in Batches von ~120–150 Zeilen. Schreiben Sie nach JEDEM Batch seine Datei und führen Sie sofort
verify_align.pyauf dem kumulativen Ergebnis aus. - Halten Sie Eigennamen in ihrer korrekten Form (ChatGPT, OpenAI, Claude, Gemini, Grok, DeepSeek…). ASR verunstaltet sie („chpd"→ChatGPT, „grock"→Grok, „ha cou"→haiku) – korrigieren Sie zum echten Namen.
- Natürliches gesprochenes Chinesisch, keine steife Übersetzung. Passen Sie sich der Sprechweise des Sprechers an.
Verketten Sie alle Batch-Dateien zu einer zh.txt (eine ZH-Zeile pro EN-Zeile, in Reihenfolge).
Schritt 4: verify_align.py ⛔ BLOCKIEREND
python3 "$SCRIPTS/verify_align.py" lines.json zh.txt
- Gibt
OKaus → fortfahren. - Gibt
MISMATCH+ eine nebeneinanderliegende Tabelle aus → finden Sie die Zeile, in der EN und ZH-Bedeutungen nicht mehr übereinstimmen. Diese Zeile ist eine Aufteilung (eine EN-Zeile wurde zu zwei ZH-Zeilen) oder eine Zusammenführung. Beheben Sie es (führen Sie die beiden ZH-Zeilen wieder zu einer zusammen oder teilen Sie eine in zwei), dann führen Sie es erneut aus. Nicht fortfahren, bisOKausgegeben wird.
Schritt 5: .ass-Datei erstellen + an EINEM Testframe bestätigen ⚠️ ERFORDERLICH
python3 "$SCRIPTS/build_bilingual_ass.py" lines.json zh.txt styled.ass
# Chinesisch oben (weiß 44px) + Englisch unten (grau 30px), unten zentriert.
# Linux/Windows: --font "Noto Sans CJK SC" / --font "Microsoft YaHei" hinzufügen
Rendern Sie EINEN Frame zu einem Zeitstempel, der bekanntermaßen einen Untertitel hat, und SCHAUEN Sie es sich an, bevor Sie lange kodieren:
ffmpeg -ss 60 -i "VIDEO.mp4" -copyts -vf "ass=styled.ass" -frames:v 1 -y test_frame.png
Bestätigen Sie mit dem Benutzer: Chinesisch wird gerendert (keine Tofu-Boxen □□□), das zweistufige Layout sieht richtig aus, Größe/Position akzeptabel. Passen Sie --zh-size/--en-size/--margin/--font an und bauen Sie es bei Bedarf neu. Starten Sie die vollständige Kodierung nicht, bis der Testframe korrekt aussieht.
Schritt 6: Vollständiges Video hardbrennen + Stichprobenprüfung
ffmpeg -y -i "VIDEO.mp4" -vf "ass=styled.ass" \
-c:v libx264 -preset fast -crf 22 -c:a copy -sn "VIDEO_中英双语.mp4"
Ein 2-stündiges 1080p-Video dauert ~15–40 Minuten – führen Sie es im Hintergrund aus. Wenn fertig, nehmen Sie Frames am Anfang, in der Mitte und gegen Ende, um zu bestätigen, dass die Untertitel die ganze Zeit synchron bleiben:
for t in 600 3900 7200; do ffmpeg -ss $t -i "VIDEO_中英双语.mp4" -frames:v 1 -y "chk_$t.png"; done
Wenn ein Frame falsch ausgerichtet erscheint, bestätigen Sie erneut, dass der Cue desselben Zeitstempels in lines.json+zh.txt dieselbe Quellzeile ist, bevor Sie einen Fehler annehmen (Frames mit niedriger Auflösung sind leicht falsch zu lesen).
Anti-Patterns
- Zeilen während der Übersetzung aufteilen/zusammenführen — die #1-Ursache für vollständigen Video-Desync. Eine EN-Zeile = eine ZH-Zeile, immer.
- Übersetzungen als JSON schreiben — chinesische geschweifte Anführungszeichen „ " und 「」 brechen still das JSON-Parsing. Verwenden Sie zeilenumbruchgetrennten Klartext.
- Untertitel-END-Zeiten zur Sortierung verwenden — Roll-Untertitel-ENDs überlappen sich;
merge_lines.pysortiert nur nach START. Nicht nach END neu sortieren. - Den Testframe überspringen — 2 Stunden brennen, nur um dann Tofu-Boxen oder eine falsche Schriftart zu entdecken, verschwendet die gesamte Kodierung.
- Audio neu kodieren — verwenden Sie
-c:a copy. Nur die Videospur ändert sich. - Das alte
build_bilingual.pyaus der Video-Download-Fähigkeit für Auto-Untertitel verwenden — es teilt nach Satzzeichen auf und fasst das gesamte Transkript zu einem Cue zusammen. Diese Fähigkeit ersetzt es.
Checkliste vor Auslieferung
-
verify_align.pyhatOKausgegeben (EN-Anzahl == ZH-Anzahl) vor dem Erstellen der .ass-Datei - Testframe überprüft: Chinesisch wird gerendert, keine □-Boxen, Layout/Größe korrekt
- Stichprobenframes von Anfang/Mitte/Ende der endgültigen mp4 überprüft – Untertitel synchron
- Ausgabe eindeutig benannt (z.B.
<titel>_中英双语.mp4); Originalvideo unberührt - Eigennamen korrigiert (kein „chpd"/"grock"/"ha cou" mehr im Chinesischen)
Plattformübergreifend (OpenAI Codex usw.)
Alle Skripte sind reines python3 + ffmpeg/yt-dlp – keine Claude-spezifische Abhängigkeit. Um diesen Arbeitsablauf unter Codex (oder einem beliebigen Shell-fähigen Agenten) auszuführen, laden Sie references/codex-usage.md.