Communitygithub.com

Hardburn bilingüe ZH–EN — ship mute-proof

Convierte cualquier vídeo en idioma extranjero en un cut bilingüe chino–inglés con subtítulos HARD-BURNED en la imagen — visibles en cualquier reproductor/plataforma.

¿Qué es Hardburn bilingüe ZH–EN — ship mute-proof?

Video Localization paso 3 (hardsub ship): tengfei0114us youtube-bilingual-hardburn. Tras SRT+dub lip-sync, quema hardsubs bilingües ZH–EN para offline/móvil/mute-feed.

Compatible con✓Claude Code✓Codex CLI~Cursor✓Gemini CLI
npx skills add tengfei0114us/youtube-bilingual-hardburn

Preguntar en tu IA favorita

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

Documentación

YouTube Bilingual Hardburn

Convierte un video en idioma extranjero en un video con subtítulos integrados chino-inglés. Los pasos deterministas son scripts; el paso de traducción lo realiza el agente (LLM) y es donde reside todo el riesgo.

LEY DE HIERRO: UNA línea china por cada línea inglesa. NUNCA dividas una línea inglesa en dos líneas chinas (ni combines dos en una). Después de cada lote de traducción, ejecuta verify_align.py. Un solo desfase desplaza cada subtítulo posterior fuera de sincronía, y no lo notarás hasta que termine la quema.

Cuándo la fuente tiene puntuación vs. cuándo no

  • Los subtítulos automáticos de YouTube (y la mayoría de ASR) tienen casi nada de puntuación → el enfoque de "dividir en .!?" falla (colapsa todo en una sola señal). Esta habilidad lo soluciona fusionando frases hasta un límite de caracteres. Este es el camino predeterminado.
  • Si la fuente ya tiene subtítulos limpios y puntuados, el mismo pipeline sigue funcionando.

Prerrequisitos

  • yt-dlp (descarga), ffmpeg (quemado), python3 (scripts). No se necesitan paquetes de Python.
  • Una fuente compatible con CJK instalada. macOS: PingFang SC (predeterminada). Linux: pasa --font "Noto Sans CJK SC". Windows: --font "Microsoft YaHei".
  • SCRIPTS= la ruta absoluta al directorio scripts/ de esta habilidad. Establécelo una vez y reutilízalo.

Flujo de trabajo

Progreso del quemado bilingüe:

- [ ] Paso 1: Obtener el video + subtítulos ⚠️ REQUERIDO
- [ ] Paso 2: Extraer + re-segmentar los subtítulos en líneas legibles
- [ ] Paso 3: Traducir cada línea (1:1) — la parte cuidadosa ⚠️ REQUERIDO
- [ ] Paso 4: verify_align.py == OK ⛔ BLOQUEANTE (no se puede continuar hasta que pase)
- [ ] Paso 5: Construir .ass bilingüe + confirmar estilo en UN fotograma de prueba ⚠️ REQUERIDO
- [ ] Paso 6: Quemar video completo (codificación larga) + verificar fotogramas

Paso 1: Obtener el video + subtítulos ⚠️ REQUERIDO

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>"
  • Si --write-auto-subs no produce ningún archivo de subtítulos (algunos videos no tienen), primero debes transcribir el audio (por ejemplo, con whisper) a un .vtt/.srt, y luego continúa.
  • Nota los dos archivos de salida: VIDEO.mp4 y VIDEO.en.vtt.

Paso 2: Extraer + re-segmentar ⚠️

python3 "$SCRIPTS/extract_phrases.py" "VIDEO.en.vtt" > phrases.json
python3 "$SCRIPTS/merge_lines.py" phrases.json lines.json   # --max-chars 95 --gap 12

Esto produce lines.json ([{start,end,en}]) y lines_en.txt (un archivo numerado idx<TAB>English). Traduce lines_en.txt. Ajusta después si es necesario:

  • los subtítulos se sienten demasiado largos en pantalla → reduce --max-chars (por ejemplo, 70)
  • quieres pausas en pausas naturales → reduce --gap (por ejemplo, 2.5) — produce más líneas, más cortas

Paso 3: Traducir cada línea (1:1) ⚠️ REQUERIDO — esta es la parte cuidadosa

Lee lines_en.txt (está numerado 0..N-1). Produce un archivo ZH de texto plano: exactamente una línea china por cada fila inglesa, en el mismo orden. Escribe texto separado por nueva línea (NO JSON — las comillas chinas rompen el escape de JSON).

Reglas que evitan la violación de la Ley de Hierro:

  • Una fila de entrada → una línea de salida. Traduce la fila inglesa como su propia unidad. Si una fila se rompe a mitad de una oración (a menudo sucede — es normal para ASR), deja que el chino se rompa en el mismo lugar. No "arregles" fluyendo entre filas.
  • Trabaja en lotes de ~120–150 filas. Después de CADA lote, escribe su archivo e inmediatamente ejecuta verify_align.py en el resultado acumulado.
  • Mantén los nombres propios en su forma correcta (ChatGPT, OpenAI, Claude, Gemini, Grok, DeepSeek…). ASR los distorsiona ("chpd"→ChatGPT, "grock"→Grok, "ha cou"→haiku) — corrígelos al nombre real.
  • Chino hablado natural, no traducción rígida. Que coincida con el registro del hablante.

Concatena todos los archivos del lote en un zh.txt (una línea ZH por fila EN, en orden).

Paso 4: verify_align.py ⛔ BLOQUEANTE

python3 "$SCRIPTS/verify_align.py" lines.json zh.txt
  • Imprime OK → continúa.
  • Imprime MISMATCH + una tabla lado a lado → encuentra la fila donde los significados EN y ZH dejan de corresponder. Esa fila es una división (una fila EN se convirtió en dos líneas ZH) o una fusión. Arrégiala (fusiona las dos líneas ZH de nuevo en una, o divide una en dos), luego vuelve a ejecutar. No continúes hasta que sea OK.

Paso 5: Construir .ass + confirmar en UN fotograma de prueba ⚠️ REQUERIDO

python3 "$SCRIPTS/build_bilingual_ass.py" lines.json zh.txt styled.ass
# Chino arriba (blanco 44px) + Inglés abajo (gris 30px), centro inferior.
# Linux/Windows: añade --font "Noto Sans CJK SC" / --font "Microsoft YaHei"

Renderiza UN fotograma en una marca de tiempo que se sabe que tiene un subtítulo, y MÍRALO antes de la codificación larga:

ffmpeg -ss 60 -i "VIDEO.mp4" -copyts -vf "ass=styled.ass" -frames:v 1 -y test_frame.png

Confirma con el usuario: el chino se renderiza (sin cuadros tofu □□□), el diseño de dos niveles se ve bien, el tamaño/posición son aceptables. Ajusta --zh-size/--en-size/--margin/--font y reconstruye si es necesario. No inicies la codificación completa hasta que el fotograma de prueba se vea correcto.

Paso 6: Quemar video completo + verificar

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"

Un video de 1080p de 2 horas toma ~15–40 min — ejecútalo en segundo plano. Cuando termine, toma fotogramas al inicio, en medio y cerca del final para confirmar que los subtítulos se mantienen sincronizados todo el tiempo:

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

Si un fotograma parece desalineado, vuelve a confirmar la señal de la misma marca de tiempo en lines.json+zh.txt para asegurarte de que son la misma fila fuente antes de asumir un error (los fotogramas de baja resolución son fáciles de malinterpretar).

Antipatrones

  • Dividir/fusionar líneas durante la traducción — la causa #1 de desincronización total del video. Una fila EN = una línea ZH, siempre.
  • Escribir traducciones como JSON — las comillas chinas curvas “ ” y 「」 rompen silenciosamente el análisis de JSON. Usa texto plano separado por nueva línea.
  • Confiar en los tiempos de FIN de los subtítulos para el orden — los FIN de los subtítulos en desplazamiento se superponen; merge_lines.py secuencia solo por INICIO. No reordenes por FIN.
  • Saltarse el fotograma de prueba — quemar 2 horas y luego descubrir cuadros tofu o una fuente incorrecta desperdicia toda la codificación.
  • Re-codificar audio — usa -c:a copy. Solo cambia la pista de video.
  • Usar el antiguo build_bilingual.py de la habilidad de descarga de video en subtítulos automáticos — divide en puntuación y colapsa toda la transcripción en una sola señal. Esta habilidad lo reemplaza.

Lista de verificación previa a la entrega

  • verify_align.py imprimió OK (recuento EN == recuento ZH) antes de construir el .ass
  • Fotograma de prueba inspeccionado: chino renderizado, sin cuadros □, diseño/tamaño correctos
  • Verificados fotogramas de inicio/medio/fin del mp4 final — subtítulos sincronizados
  • Salida nombrada claramente (por ejemplo, <title>_中英双语.mp4); video original intacto
  • Nombres propios corregidos (sin "chpd"/"grock"/"ha cou" restantes en el chino)

Multiplataforma (OpenAI Codex, etc.)

Todos los scripts son python3 puro + ffmpeg/yt-dlp, sin dependencia específica de Claude. Para ejecutar este flujo de trabajo bajo Codex (o cualquier agente con capacidad de shell), carga references/codex-usage.md.

Skills relacionados