Subtítulos
Transcripción → Corrección del Agente → Revisión humana → Renderizado
Flujo principal (aprox. 8-15 minutos, incluyendo revisión humana)
1. Extraer audio + subir ⏱ ~1min
↓
2. Transcripción con Volcengine (con palabras calientes) ⏱ ~2min
↓
3. Corrección automática del Agente ⏱ ~3-5min
↓
4. Confirmación de revisión humana ⏱ depende del usuario
↓
5. Renderizar subtítulos ⏱ ~1-2min
Paso 1: Extraer audio y subirlo
# Extraer audio
ffmpeg -i "video.mp4" -vn -acodec libmp3lame -y audio.mp3
# Subir a uguu.se (alojamiento temporal de archivos)
curl -s -F "files[][email protected]" https://uguu.se/upload
# Devuelve una URL como: https://o.uguu.se/xxxxx.mp3
Paso 2: Transcripción con Volcengine (con palabras calientes)
El script de transcripción carga automáticamente el diccionario como palabras calientes, mejorando la precisión del reconocimiento:
# Ubicación del diccionario: /Users/chengfeng/Desktop/AIos/剪辑Agent/.claude/skills/字幕/词典.txt
# El script lo carga automáticamente
bash ../剪口播/scripts/volcengine_transcribe.sh "https://o.uguu.se/xxxxx.mp3"
Formato del diccionario (una palabra por línea):
skills
Claude
Agent
成峰
剪辑skills
claude code
Paso 3: Corrección automática del Agente
3.1 Generar subtítulos con marcas de tiempo
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 Corrección manual del Agente (sin scripts)
Después de la transcripción, el Agente debe leer línea por línea todos los subtítulos y corregir manualmente los siguientes problemas:
Tabla de reglas de errores comunes
| Error | Correcto | Tipo |
|---|---|---|
| 成风 | 成峰 | Homófono |
| 正特/整特 | Agent | Error de reconocimiento |
| IT就 | Agent就 | Pronunciación similar |
| edge的叉100 | Agentx100 | Error de reconocimiento |
| cloud code | Claude Code | Pronunciación similar |
| Schill/skill | skills | Pronunciación similar |
| 剪口拨/剪口波 | 剪口播 | Homófono |
| 自净化/资金化 | 自进化 | Homófono |
| 减口播 | 剪口播 | Homófono |
| 录剪 | 漏剪 | Homófono |
| 作为这个 | 做这个 | Homófono |
| 斜杠V1/斜杠v | /v | Descripción oral |
| 斜杠v点口拨 | /v.口播 | Oral + homófono |
| a p i t/APIK | API Key | Error de reconocimiento |
| excuse | skills | Error de reconocimiento |
| 移完了 | 剪完了 | Homófono |
Problemas comunes de omisión de caracteres
| Original | Corregido | Explicación |
|---|---|---|
| 步呢是配置 | 第二步呢是配置 | Falta "第二" |
| 4步就是 | 第4步就是 | Falta "第" |
| 别省时间 | 特别省时间 | Falta "特" |
| 这个我们的 | 这个是我们的 | Falta "是" |
| 在里面看到 | 可以在里面看到 | Falta "可以" |
| 跟大家处理完 | 跟大家讲完 | Uso incorrecto de palabra |
| 剪辑了逻辑 | 剪辑的逻辑 | Error gramatical |
3.3 Comparar con el guión original (si está disponible)
Si hay un guión original, puede usarse como referencia, pero no uses scripts para hacer la coincidencia automática (las diferencias de texto pueden causar errores acumulativos en las marcas de tiempo).
El Agente debe:
- Leer el guión original como referencia
- Comparar línea por línea manualmente y corregir al encontrar diferencias
- Marcar las partes inciertas para la revisión humana
Paso 4: Iniciar el servidor de revisión
cd directorio_de_subtítulos/
node /path/to/skills/字幕/scripts/subtitle_server.js 8898 "video.mp4"
Visitar http://localhost:8898
Funcionalidades:
- Video a la izquierda, lista de subtítulos a la derecha
- Resaltado automático del subtítulo actual durante la reproducción
- Edición del texto del subtítulo al hacer doble clic (las marcas de tiempo no cambian)
- Reproducción a velocidad variable (1x/1.5x/2x/3x)
- Guardar subtítulos / Exportar SRT / Renderizar subtítulos
- Inserción rápida de diccionario en la parte inferior
Paso 5: Renderizar subtítulos
Estilo predeterminado: tamaño 22, negrita dorada, contorno negro 2px, centrado en la parte inferior
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_字幕.mp4"
| Parámetro | Valor | Descripción |
|---|---|---|
| FontSize | 22 | Tamaño de fuente |
| FontName | PingFang SC | Fuente PingFang |
| Bold | 1 | Negrita |
| PrimaryColour | &H0000deff | Color dorado #ffde00 |
| OutlineColour | &H00000000 | Contorno negro |
| Outline | 2 | Ancho del contorno |
| Alignment | 2 | Centrado en la parte inferior |
| MarginV | 30 | Margen inferior |
Estructura de directorios
output/YYYY-MM-DD_nombre_del_video/subtítulos/
├── 1_transcripción/
│ ├── audio.mp3
│ └── volcengine_result.json
├── subtitles_with_time.json # Archivo principal
└── 3_salida/
├── video.srt
└── video_字幕.mp4
Normas de subtítulos
| Regla | Descripción |
|---|---|
| Una línea por pantalla | Sin saltos de línea, sin apilamiento |
| Sin puntuación al final | 你好 no 你好。 |
| Conservar puntuación dentro de la oración | 先点这里,再点那里 |
Registro de comentarios
2026-01-31
- Volcengine soporta palabras calientes, ya integrado en el script de transcripción
- Después de la transcripción, el Agente debe corregir automáticamente; no se puede pasar directamente al usuario
- Estilo de subtítulos: negrita dorada #ffde00, contorno 2px
- "IT" a menudo se reconoce erróneamente como "Agent", se debe agregar regla de corrección
- Importante: La corrección del Agente debe ser línea por línea manualmente, no usar scripts de coincidencia automática
- Se agregaron 17 reglas de errores comunes (ver sección 3.2)
- Los problemas de omisión de caracteres son más difíciles de detectar que los errores de reconocimiento, se debe prestar especial atención