Communitygithub.com

CLI-Anything VideoCaptioner

Herramienta de subtitulación de video impulsada por IA: transcribe voz, optimiza/traduce subtítulos y los quema en el video mediante el backend estable VideoCaptioner. Incluye ASR y traducción gratuitos.

¿Qué es CLI-Anything VideoCaptioner?

CLI-Anything VideoCaptioner es una herramienta de línea de comandos diseñada para automatizar el flujo de trabajo completo de subtitulación de videos: transcripción de voz a texto, optimización de subtítulos, traducción a múltiples idiomas y quema final de subtítulos en el video. Es especialmente útil para desarrolladores, creadores de contenido y equipos de localización que necesitan procesar grandes volúmenes de video de forma eficiente y reproducible. La herramienta admite múltiples motores ASR (como Bijian, gratuito y sin configuración, Whisper API, etc.) y traductores gratuitos integrados (Bing, Google). Ofrece un modo interactivo REPL, salida JSON para consumo por parte de agentes de IA y comandos modulares (transcribe, subtitle, synthesize, process, review). Se integra con el backend estable VideoCaptioner y requiere Python 3.10-3.12, así como FFmpeg para la síntesis de video. Es compatible con sistemas operativos Linux, macOS y Windows.

Compatible con~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/HKUDS/CLI-Anything/tree/HEAD/videocaptioner/agent-harness/cli_anything/videocaptioner/skills

Preguntar en tu IA favorita

Abre un nuevo chat con esta habilidad de agente ya precargada.

Documentación

cli-anything-videocaptioner

Herramienta de subtitulación de video impulsada por IA. Transcribe voz → optimiza subtítulos → traduce → quema en el video.

Instalación

pip install cli-anything-videocaptioner

Requisitos previos:

  • Python 3.10-3.12 (videocaptioner 1.4.1 requiere >=3.10,<3.13)
  • videocaptioner debe estar instalado (pip install videocaptioner)
  • FFmpeg necesario para la síntesis de video

Uso

Comandos básicos

# Mostrar ayuda
cli-anything-videocaptioner --help

# Iniciar modo interactivo REPL
cli-anything-videocaptioner

# Transcribir un video (gratuito, sin configuración)
cli-anything-videocaptioner transcribe video.mp4 --asr bijian

# Traducir subtítulos (traductor Bing gratuito)
cli-anything-videocaptioner subtitle input.srt --translator bing --target-language en

# Pipeline completa: transcribir → traducir → quemar subtítulos
cli-anything-videocaptioner process video.mp4 --asr bijian --translator bing --target-language en --subtitle-mode hard

# Revisar consistencia entre subtítulos y guion antes de la quema final
cli-anything-videocaptioner synthesize video.mp4 -s subtitles.srt \
  --subtitle-mode hard \
  --review-script approved_script.txt

# Renderizar una previsualización de un fotograma de subtítulos para revisión
cli-anything-videocaptioner review subtitles.srt \
  --script approved_script.txt \
  --preview-video video.mp4 \
  --preview-output review_5s.png

# Salida JSON (para consumo por parte de agentes)
cli-anything-videocaptioner --json transcribe video.mp4 --asr bijian

Modo REPL

Cuando se invoca sin un subcomando, la CLI inicia una sesión interactiva REPL:

cli-anything-videocaptioner
# Ingresa comandos interactivamente con autocompletado y historial

Grupos de comandos

transcribe — Voz a subtítulos

transcribe <input> [--asr bijian|jianying|whisper-api|whisper-cpp] [--language CODE] [--format srt|ass|txt|json] [-o PATH]
  • bijian (predeterminado): Gratuito, chino e inglés, sin configuración
  • whisper-api: Todos los idiomas, requiere --whisper-api-key

subtitle — Optimizar y traducir

subtitle <input.srt> [--translator llm|bing|google] [--target-language CODE] [--layout target-above|source-above|target-only|source-only] [--no-optimize] [--no-translate] [-o PATH]
  • Tres pasos: Dividir → Optimizar → Traducir
  • Los traductores Bing/Google son gratuitos
  • Se admiten 38 idiomas destino (códigos BCP 47)

synthesize — Quemar subtítulos en el video

synthesize <video> -s <subtitle> [--subtitle-mode soft|hard] [--quality ultra|high|medium|low] [-o PATH] [--review-script PATH] [--max-script-diff-ratio FLOAT]
  • Refleja la superficie de síntesis del backend estable
  • La apariencia de los subtítulos está controlada por el backend, no por banderas adicionales
  • --review-script verifica la deriva entre subtítulos y guion antes de la exportación final
  • Un --max-script-diff-ratio más bajo cuando la precisión de copia importa más que la resiliencia

process — Pipeline completa

process <input> [--asr ...] [--translator ...] [--target-language ...] [--subtitle-mode ...] [--layout ...] [--no-optimize] [--no-translate] [--no-synthesize] [-o PATH]

review — Verificación de consistencia y previsualización

review <input.srt|input.ass> [--script PATH] [--max-diff-ratio FLOAT] [--preview-video PATH] [--preview-at TC] [--preview-output PATH]
  • Detecta deriva entre subtítulos y guion antes de una quema dura
  • Puede renderizar un solo fotograma de revisión en lugar de producir un video final completo

styles — Listar preajustes de estilo

styles
  • Informa si el backend instalado expone soporte de estilos predefinidos

config — Gestionar configuración

config show
config set <key> <value>

download — Descargar video en línea

download <URL> [-o DIR]

Salida JSON

Todos los comandos admiten --json para salida legible por máquina:

cli-anything-videocaptioner --json transcribe video.mp4 --asr bijian
# {"output_path": "/path/to/output.srt"}

Notas del backend

  • El backend aguas arriba actualmente requiere Python >=3.10,<3.13; se prefiere Python 3.12 para ejecuciones matriciales.
  • Las banderas de estilo avanzadas en tiempo de síntesis dependen de la versión del backend. Usa styles para verificar si el backend instalado las expone.
  • Las banderas de compatibilidad como layout, render_mode, style, style_override y font_file deben tratarse como no estables a menos que styles y el backend instalado confirmen que son compatibles.

Idiomas destino

Códigos BCP 47: zh-Hans zh-Hant en ja ko fr de es ru pt it ar th vi id y 23 más.

Individual skills in this repo

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

cli-anything-adguardhome

>-

cli-anything-anygen

>-

cli-anything-audacity

>-

cli-anything-blender

>-

cli-anything-browser

Browser automation CLI using DOMShell MCP server. Maps Chrome

cli-anything-calibre

>-

cli-anything-ccswitch

CLI interface for CC Switch — manage AI coding tool configurations from the terminal

cli-anything-chromadb

>-

cli-anything-cloudanalyzer

Command-line interface for CloudAnalyzer — Agent-friendly harness for CloudAnalyzer, a QA platform for mapping, localization, and perception outputs. Supports 27 commands across 8 groups: point cloud evaluation, trajectory evaluation, ground segmentation QA, config-driven quality gates, baseline evolution, processing, visualization, and interactive REPL.

cli-anything-cloudcompare

Command-line interface for CloudCompare — Agent-friendly harness for CloudCompare, the open-source 3D point cloud and mesh processing software. Supports 41 commands across 9 groups: project management, session control, point cloud operations (subsample, filter, segment, analyze), mesh operations, distance computation (C2C, C2M), transformations (ICP, matrix), export (LAS/LAZ/PLY/PCD/OBJ/STL/E57), and interactive REPL.

cli-anything-comfyui

>-

cli-anything-dify-workflow

Wrapper for the Dify workflow DSL CLI. Create, inspect, validate, edit, and export Dify workflow files through a CLI-Anything harness.

cli-anything-drawio

>-

cli-anything-eez-studio

Use EEZ Studio from the command line: inspect and modify native .eez-project files, edit LVGL screens/widgets, manage SCPI commands, and invoke the real EEZ Studio backend for LVGL builds.

cli-anything-eth2-quickstart

>-

cli-anything-exa

>-

cli-anything-firefly-iii

Firefly III CLI - Personal finance management via CLI-Anything

cli-anything-freecad

Complete CLI harness for FreeCAD parametric 3D CAD modeler (258 commands). Covers ALL workbenches: Part (29 primitives + boolean + mirror + loft + sweep), Sketcher (26 cmds: geometry + constraints + editing), PartDesign (38 cmds: pad/pocket/groove/fillet/chamfer/patterns/hole/datum), Assembly (11 cmds), Mesh (16 cmds), TechDraw (15 cmds: views + dimensions + PDF/SVG), Draft (33 cmds: 2D shapes + arrays + transforms), FEM (12 cmds), CAM/CNC (10 cmds), Surface (6 cmds), Spreadsheet (7 cmds), Import (13 formats), Export (17 formats), Measure (12 cmds), Materials (21 presets). Headless FreeCAD export to STEP/IGES/STL/OBJ/DXF/PDF/glTF/3MF.

cli-anything-gimp

>-

cli-anything-godot

>-

Skills relacionados