caption-burn
Subtítulos sincronizados con lo que realmente se dice en el video terminado, no con la estimación del guion.
Ejecución
python transcribe.py --media reel.mp4 --out reel.words.json # pagado, céntimos
python captions.py --video reel.mp4 --beats cutlist.aligned.json \
--words reel.words.json --out final.mp4 [--style plate|outline] [--highlight Marca]
--beats proporciona las líneas (vo), su sincronización y, para diseños divididos, seam, size y el state de cada pulso. Cualquier archivo con beats: [{start, end, vo}] funciona.
Colocación y estilo
-
--anchor seam(el valor predeterminado cuando los pulsos tienen una costura): en pulsossplit, la placa se fija a la costura, posicionada por la placa, no por el texto: 25% de la placa sobre la línea, 75% debajo. Los pulsos de fotograma completo usan--full-y. -
--anchor fixed --y 0.62: el centro de la placa de cada subtítulo se coloca en esa fracción de la altura. -
plate(valor predeterminado): blanco negrita sobre una placa redondeada gris oscura, 1–2 palabras, altura máxima ~0.019 H. -
outline: blanco negrita con un contorno oscuro, sin placa, 1–3 palabras, altura máxima ~0.034 H. -
--highlight PALABRAcolorea esa palabra de amarillo (la palabra clave de la CTA). Se puede repetir. -
serif-word: UNA palabra a la vez, serifa pesada (Georgia Bold), blanca con contorno negro, sobre una línea base fija a 0.77 H (el aspecto de inserción en pantalla). La palabra resaltada se cita. -
--card "LÍNEA UNO|LÍNEA DOS" --card-until 4.7: una tarjeta de gancho blanca redondeada con dos líneas de mayúsculas rojas pesadas cerca de la parte superior, para los segundos iniciales. ~14 caracteres por línea.
Subtítulos para un formato sin voz (plates.py)
python plates.py --video walk.mp4 --beats cutlist.json --out captioned.mp4 [--logo logo.png]
El caption de cada pulso (una cadena o lista de líneas) se muestra durante todo el pulso en UN bloque negro (rectángulos cuadrados unidos y luego redondeados como una sola silueta: redondear cada línea deja costuras), las líneas alineadas a la izquierda, el bloque centrado en su línea más ancha. Se coloca en la banda más vacía de ese fotograma de pulso a menos que el pulso fije cap_y. logo: true en un pulso cuelga el mosaico del logotipo debajo del bloque. Escribe líneas como las escribiría una persona: la misma forma corta de "fragmento. fragmento." tres veces se lee como escrita por IA. Sin emoji dos veces.
Reglas
- Transcribe el audio TERMINADO. Unir tomas y alinear líneas cambia la sincronización; solo el audio del video final da las señales correctas.
- El último subtítulo se mantiene hasta el último fotograma. Es la llamada a la acción.
- Una palabra que Whisper escribe de manera diferente ("200" por "doscientos") se interpola entre sus vecinos en lugar de eliminarse o estirarse sobre toda la línea.
- Sin
--words, la sincronización se estima a partir de las sílabas. Úsalo para juzgar la colocación, nunca para enviar. - Fuentes: se encuentra una sans negrita en macOS, Linux o Windows; si no hay ninguna, Roboto Bold se obtiene una vez en
~/.cache/gooseworks/fonts.--fontoGW_CAPTION_FONTanula.