Communitygithub.com

Perso SRT extract+traducir — pase fuente de captions

Extrae subtítulos (SRT) de vídeo/audio/URL con Perso AI STT y tradúcelos conservando timings. Ruta gratis de subtítulos hacia dub y hard-burn.

¿Qué es Perso SRT extract+traducir — pase fuente de captions?

Video Localization paso 1 (ASR/traducir): perso-dubbing-plugin-srt. Vídeo/URL → SRT fuente → SRT multi-idioma listo para dub lip-sync y hardburn bilingüe.

Compatible con✓Claude Code✓Codex CLI✓Cursor✓Antigravity✓Gemini CLI
npx skills add https://github.com/perso-ai/perso-dubbing-plugin/tree/HEAD/skills/srt

Preguntar en tu IA favorita

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

Documentación

/srt

Una habilidad que extrae los subtítulos en el idioma de origen de un video/audio a través de la API Perso AI STT — y luego tú (el agente) los traduces a los idiomas solicitados.

Reglas principales (deben seguirse)

  • Solo el trabajador ve la clave sin procesar. Nunca abras la clave con Read, la repitas o la pases como argumento de línea de comandos. Los trabajadores la envían únicamente en el encabezado XP-API-KEY.
  • Un comando = la extracción completa. scripts/srt.mjs maneja por sí mismo la carga · transcripción · descarga de SRT.
  • Ejecuta srt.mjs siempre en segundo plano. La transcripción lleva minutos; un tiempo de espera del shell en primer plano mata la ejecución a mitad de camino.
  • Idioma no especificado → destino en.
  • Solo transcripción, sin traducción (el usuario solicita "los subtítulos/transcripción tal cual", "solo el SRT en el idioma original") → ejecuta con --transcribe-only en lugar de --target. El SRT original descargado es el entregable final — omite la sección de Traducción por completo.
  • Varios idiomas en un solo comando (--target en,ja) — se crea un proyecto de subtítulos por entrada, independientemente de la cantidad de idiomas, y traduces su único SRT original a cada uno de ellos.
  • Transmite el progreso fielmente. Muestra las líneas [progress] de stdout del trabajador al chat, textualmente o resumidas. Los registros detallados de stderr con sangría no necesitan ser transmitidos. Para un lote, el trabajador transmite una línea [progress] por entrada e imprime un latido [status] (subtitles 3/20, con una pista next check ~Nm) — verifica la salida en segundo plano ~3 minutos después del lanzamiento, luego en el intervalo indicado, transmitiendo nuevas líneas. Nunca inventes porcentajes o ETAs.
  • Nombra tu tiempo de ejecución para telemetría (en silencio). Agrega --host <claude-code|codex|cursor|antigravity|gemini> al comando del trabajador, nombrando el agente que estás ejecutando, si puedes determinarlo. Solo etiqueta la telemetría de uso — nunca lo muestres al usuario ni le preguntes al respecto. Omítelo si no estás seguro.
  • Los formatos no compatibles se omiten automáticamente y el resto continúa procesándose — transmite el aviso de omisión.
  • Las operaciones sin conexión nunca necesitan una clave — nunca ejecutes ninguna verificación/registro de clave para ellas: srt.mjs --check/--retime, style.mjs con un video + SRT local (todo excepto --project), y traducir un SRT que el usuario te entregue.
  • Esta habilidad comparte las bibliotecas de la habilidad de doblaje: la carpeta dubbing debe estar instalada junto a srt (cada método de instalación las envía juntas; solo una copia manual de la carpeta srt por sí sola rompe esto).

Configuración (perezosa — sin paso previo)

Igual que /dubbing — el registro de clave no es un paso que ejecutes primero. El trabajador se protege a sí mismo en el momento en que se ejecuta un comando que necesita la API de Perso (extracción, o style.mjs --project), abriendo el flujo del navegador (alternativa de archivo) en ese momento; transmite sus instrucciones impresas. En una máquina sin pantalla/SSH, omite el flujo del navegador y comienza automáticamente con el registro de archivo/--import. Nunca ejecutes una verificación/registro de clave de forma proactiva. Nunca pegues la clave en el chat.

Ejecución

Recopila la entrada (ruta local o URL — vuelve a preguntar si falta) y ejecuta en segundo plano (el trabajador protege la clave por sí mismo cuando la extracción realmente comienza):

  • Individual: node scripts/srt.mjs "<archivo|URL>" [--target en] [--space "nombre del espacio"] [--out carpeta]
  • Multi-idioma / multi-entrada: node scripts/srt.mjs "<URL>" "<archivo>" --target en,ja
  • Carpeta (lote): node scripts/srt.mjs "<carpeta>" [--target en] [--recursive] [--out carpeta]
  • Solo transcripción (sin traducción): node scripts/srt.mjs "<archivo|URL>" --transcribe-only

Los archivos SRT originales extraídos se guardan junto a cada fuente (o en --out), manteniendo el nombre de archivo del servidor (…_OriginalSubtitle_….srt).

Ubicación de guardado — misma política que /dubbing: por defecto, junto a cada archivo fuente; no preguntes. En el primer trabajo de la sesión, indícalo en la línea de inicio y comienza de inmediato. Una carpeta que el usuario nombró anteriormente en esta sesión se sigue aplicando (--out "<carpeta>") hasta que la cambien; los SRT traducidos van a la misma carpeta que sus originales. Excepción: cuando cada entrada es una URL, pregunta dónde guardar antes de comenzar.

Selección de espacio — con varios espacios de trabajo, el trabajador se detiene antes de cargar, imprime líneas [space-select] (nombre | (plan) | créditos restantes) y se detiene. Muestra al usuario SOLO esas opciones (sin números internos), pregunta cuál y vuelve a ejecutar con --space "<nombre del espacio>". Un espacio con capacidad de doblaje → sin pregunta; PERSO_SPACE_SEQ lo fija.

Medios que exceden el límite del plan — esta habilidad no divide automáticamente. Si el trabajador informa que el medio excede el límite de duración/tamaño del plan, transmite su mensaje: el usuario puede dividir/recortar el archivo ellos mismos o actualizar el plan, y luego reintentar. En un espacio Gratuito, ese mensaje viene como líneas [free-limit] (un archivo más corto o una actualización — no hay indicador de continuar); transfiérelos y detente.

Plan gratuito (sin .srt local) — un espacio Gratuito transcribe normalmente, pero el servidor rechaza cada descarga, por lo que no se guarda nada localmente. El trabajador imprime Free plan — <nombre>: subtitles ready on Perso → <enlace> (downloads need a paid plan) y ninguna línea [srt-original]. Sin archivo, no hay nada que traducir: omite la sección de Traducción por completo, transmite el enlace como el resultado entregado (la ejecución está completa — nada falló, nada que reanudar) y menciona que los archivos .srt descargables requieren un plan de pago.

Créditos — cada proyecto de subtítulos consume créditos en proporción a la duración del medio (un proyecto por entrada). La facturación del servidor es autoritaria; no cites precios exactos.

Traducción (tú haces esta parte)

El usuario entrega un SRT directamente (sin STT): no hay paso de trabajador ni línea [srt-original] — trata el SRT dado como path y los idiomas que el usuario solicitó como langs, luego sigue los Pasos 1–5 como están escritos, derivando el {stem} del Paso 3 del propio nombre del archivo SRT. Completamente sin conexión: solo --check/--retime, sin clave, sin créditos.

Cuando la extracción finaliza, el trabajador imprime una línea por entrada, con cada idioma de destino:

[srt-original] {"input":"video.mp4","langs":["en","ja"],"path":"C:\\clips\\video_OriginalSubtitle_2026-07-15.srt","seq":389259}

Si langs es null (una ejecución --transcribe-only), no hay nada que traducir: entrega ese archivo al usuario tal cual y detente aquí.

Muestra el progreso de la traducción. La extracción STT ha terminado, pero traducir a cada idioma también lleva tiempo — hazlo visible. Antes de comenzar, publica una línea nombrando los idiomas que producirás (por ejemplo, "Subtítulos extraídos — ahora traduciendo al japonés y al inglés"). Después de terminar y guardar el archivo de cada idioma, publica una actualización de una línea (por ejemplo, Japonés ✓ (1/2)), para que el usuario vea el progreso por idioma como en un doblaje multilingüe. Un archivo largo puede permanecer en silencio dentro de un solo idioma mientras procesas sus secciones en lotes — eso está bien.

Para cada línea [srt-original], traduce el único archivo en path a cada idioma en langs:

Paso 1 — lee todo el archivo primero y construye contexto. Lee el SRT en path de principio a fin antes de traducir cualquier cosa, y determina:

  • cuál es el contenido (conferencia, tutorial, vlog, drama, anuncio, …) y para quién es
  • el tono y registro del hablante (formal / informal / humorístico / técnico) — y decide el estilo en el idioma de destino que coincida
  • nombres y términos recurrentes — usa una traducción consistente para cada uno en todo el archivo

Paso 2 — traduce a cada idioma en langs, sección por sección (procesa archivos largos en lotes, pero aplica el tono y los términos fijados en el Paso 1 a cada lote; el Paso 1 se hace una vez por archivo, no por idioma):

  • Traduce solo las líneas de texto. Mantén los números de referencia, las líneas de marca de tiempo (-->), las líneas en blanco y el recuento de referencias exactamente como están — nunca alteres las marcas de tiempo ni combines/separas referencias mientras traduces (el reajuste de tiempo es un paso posterior separado, Paso 5).
  • El texto de cada referencia permanece en su propia referencia. El STT corta la fuente por longitud del habla, no por gramática, por lo que las referencias a menudo terminan a mitad de frase — no reflejes esa ruptura en la traducción. Termina cada referencia en una unidad legible y continúa con una coma o una oración fluida. Mantén un fragmento solo donde el hablante sea realmente interrumpido o cortado.
  • El significado y el estado de ánimo son lo primero: prefiere una traducción natural que transmita el tono del Paso 1 sobre una palabra por palabra. Representa modismos, juegos de palabras y humor con equivalentes en el idioma de destino.
  • Diseño — como máximo 2 líneas de texto por referencia, cada línea como máximo 42 caracteres para escrituras latinas (20 para CJK). Una línea más larga se divide por la fuerza por el reproductor en 3+ líneas en pantalla que cubren la imagen. Rompe las líneas en límites naturales de frases; si el texto no cabe, acórtalo con la prioridad a continuación.
  • Mantente dentro del tiempo de visualización de cada referencia: presupuesto ≈ duración de la referencia × 17 caracteres/segundo para escrituras latinas (9 para CJK); más allá de ~21/segundo (13 CJK) el subtítulo desaparece antes de que pueda ser leído. Una traducción natural generalmente cabe, por lo que la mayoría de las referencias no necesitan recorte — acorta solo aquellas que se desborden.
  • Cuando debas acortar, mantén esta prioridad: significado → tono/matiz → longitud. Corta primero los rellenos, la redundancia y la repetición; mantén la información central, los remates y las palabras emocionales hasta el final. Si un juego de palabras realmente no cabe, reemplázalo con una línea más corta que aún transmita el humor — aplanarlo en un resumen insípido es el último recurso.

Paso 3 — guarda: UTF-8, en la misma carpeta, un archivo por idioma nombrado {stem}_{lang}_Subtitle.srt, donde stem es el nombre del archivo de entrada sin su extensión — tómalo del campo input de la línea [srt-original] (por ejemplo, "input":"video.mp4" + ["en","ja"] → video_en_Subtitle.srt y video_ja_Subtitle.srt; para entradas URL usa el título del medio o un slug corto). NO derives el stem del nombre del archivo descargado — el servidor lo construye a partir del título del proyecto. Mantén el archivo SRT original — no lo elimines ni sobrescribas.

Paso 4 — verifica cada archivo guardado (sin conexión — sin clave, sin red, sin créditos):

node scripts/srt.mjs --check "<traducido.srt>" --source "<original .srt>"

Las líneas [check] FAIL significan que el archivo rompe la alineación de referencias, el diseño 2×42 o el límite de velocidad de lectura. Reescribe SOLO las referencias listadas (misma prioridad de significado primero), guarda y vuelve a ejecutar hasta que no quede ningún FAIL. Las líneas WARN son pulido opcional. Ejecuta esto antes del Paso 5 — después del reajuste de tiempo, el recuento de referencias ya no coincide con la fuente por diseño.

Paso 5 — reajuste de legibilidad (sin conexión; una vez por archivo entregado, después de que la verificación pase):

node scripts/srt.mjs --retime "<traducido.srt>"

Extiende las referencias demasiado rápidas hacia el silencio siguiente y fusiona referencias cortas vecinas en un solo evento de 2 líneas (estilo Netflix), reescribiendo el archivo en su lugar — la numeración de referencias puede cambiar; el SRT original intacto mantiene el mapa de sincronización 1:1. Luego:

  • acorta el texto de cualquier referencia que aún liste como demasiado rápida (habla genuinamente rápida), y
  • para contenido de comedia/drama, revisa sus líneas [retime] merged: si una fusión muestra un remate temprano o completa una línea intencionalmente interrumpida, restaura esas dos referencias con sus marcas de tiempo originales del estado anterior a la fusión.

Informa al usuario de las rutas de los archivos SRT traducidos guardados, mencionando que los originales se mantienen junto a ellos. Si el usuario quiere abrir el proyecto de subtítulos en Perso, construye el enlace a partir de la línea [srt-original]'s seq: https://perso.ai/en/workspace/vt/stt/<seq>.

Estilo y subtítulos quemados (hardsub)

Opcionalmente, quema una pista de subtítulos con estilo en el video (hardsub permanente) con scripts/style.mjs. Este es un paso local de ffmpeg — sin clave, sin créditos (excepto --project, que descarga la fuente de Perso). Requiere ffmpeg; si falta, dile al usuario que lo instale y detente.

Cuándo ofrecerlo (dos puntos de entrada):

  • Después de la traducción: una vez que los SRT estén entregados, ofrece agregar subtítulos con estilo — redacción natural para el usuario, no "quemar/hardsub". Para varios idiomas, pregunta todos o solo algunos.
  • Solicitud directa (video + SRT entregado a ti): ve directamente a la selección de preajustes.

Flujo:

  1. Muestra siempre los preajustes primero — nunca pases directamente a aplicar uno. Cómo mostrarlos depende de la superficie:
    • Aplicación Claude (o cualquier superficie que pueda renderizar un widget interactivo): muestra la galería de preajustes — un mosaico por preajuste que el usuario selecciona, con un botón Aplicar que envía la selección de vuelta como la solicitud de generación. Preferido allí.
    • CLI / Antigravity / Codex / en cualquier lugar sin renderizado interactivo (retroceso universal): adjunta assets/style_presets.png (la vista previa estática) y ejecuta node scripts/style.mjs --list-presets para el menú de texto. Ambos provienen de los mismos preajustes. Agrupa formato corto (9:16) / formato largo (16:9). El usuario puede elegir un preajuste o describir cualquier estilo (por ejemplo, "texto amarillo, contorno negro, en la parte inferior"). Sugiere un valor predeterminado según la orientación (retrato → formato corto, paisaje → formato largo) pero deja que elija. Aplica solo después de que elija o describa.
  2. Aplica. Ejecuta el trabajador en segundo plano (la codificación lleva tiempo):
    • Desde un proyecto STT de Perso: node scripts/style.mjs --project <seq> --preset <id> [--out carpeta]
    • Desde archivos locales: node scripts/style.mjs "<video>" "<subtitulo.srt>" --preset <id> [--out carpeta]
    • Cuando el SRT que quemas proviene de una extracción STT de Perso (un archivo [srt-original] o una traducción del mismo), agrega --origin perso; para un archivo de subtítulos que el usuario mismo proporcionó, omítelo. Solo telemetría — no cambia la salida.
    • Estilo personalizado: mapea la descripción del usuario a banderas de anulación sobre cualquier preajuste base — --position center|lower|bottom|upper, --font, --fontsize, --primary RRGGBB, --outline RRGGBB, --outline-width, --box RRGGBB@opacity|none, --karaoke/--no-karaoke, --highlight RRGGBB, --uppercase, --bold/--no-bold (consulta --help).
    • Fuentes: --font "<nombre>" usa una fuente instalada; un nombre que no esté instalado recurre automáticamente a la fuente del sistema más cercana (menciónalo cuando sea relevante). Un archivo de fuente proporcionado por el usuario (.ttf/.otf/.ttc) se pasa como --font-file "<ruta>" — el nombre de la familia se lee del propio archivo.
    • Varios idiomas: ejecuta una vez por SRT de cada idioma con el mismo --preset, agregando --lang <código> para que las salidas sean...

Individual skills in this repo

This repo contains 2 individual skills — each has its own dedicated page.

Skills relacionados