Communitygithub.com

Chengfeng Subtitle — subtítulos calculados desde el corte

Subtitula un vídeo a cámara ya editado usando directamente la transcripción palabra por palabra y el registro de cortes: calcula los tiempos tras el corte, corrige nombres mal oídos con tu diccionario y guion, divide las frases en pantallas y revisa cada pantalla en el Studio.

¿Qué es Chengfeng Subtitle — subtítulos calculados desde el corte?

Short-form Editing, paso 2 (subtitular): video-skill-ku-chengfeng-subtitle. Los subtítulos guardan IDs de palabras y el texto visible, nunca segundos, así que el tiempo se recalcula desde el registro cada vez y las pantallas desfasadas se marcan con precisión. Vuelve a ejecutarlo cada vez que recortes otra frase y luego pasa a exportar.

Compatible con✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/2789927464king-jpg/video-skill-ku/tree/HEAD/chengfeng-videocut-skills/plugins/chengfeng-videocut/skills/chengfeng-subtitle

Preguntar en tu IA favorita

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

Documentación

Subtítulos

Esto es una tarea, no una etapa de un flujo. Se hace cuando el usuario lo pida—justo después de editar puede hacerse, si después de editar se borran dos frases, se puede hacer de nuevo.

Solo tiene un prerrequisito: que exista el libro de cuentas. No porque vaya después de la edición, sino porque sin libro de cuentas, no sabe qué frases se quedan ni en qué segundo del montaje final aparecen.

Necesita   edit-list.json (libro de cuentas), transcript.json (transcripción palabra por palabra)
Produce    subtitles.json

Termina y se detiene, no le dice al usuario qué hacer después.

Primero lee y ejecuta el contrato de fase del Skill de negocio, los criterios están en reglas de corrección de subtítulos, y la escritura de términos propios en el diccionario de términos de IA.

Quién decide qué

Esta es la base de todo, el resto se deduce de aquí.

Editar voz en off    decide «qué frases se quedan y en qué momento»    ← la única verdad temporal
Subtítulos           decide «qué texto se muestra en pantalla»          ← la única verdad visual

Una pantalla de subtítulos almacena una lista de IDs de palabras + el texto mostrado, no almacena segundos. El tiempo se calcula cada vez desde el libro de cuentas. Así, las dos cuentas no tienen un segundo conjunto de tiempos que pueda desviarse, y la invalidación puede ser precisa por pantalla: «las palabras de las pantallas 7 y 12 fueron cortadas», en lugar de ese «los subtítulos pueden estar desactualizados» que nadie puede verificar.

Los subtítulos almacenan su propio texto a propósito. La transcripción responde «qué dijo», los subtítulos responden «qué se muestra a la gente»— puntuación, muletillas eliminadas, la forma formal de términos propios, todo esto debería ser diferente. Forzar a una sola cadena a hacer ambas cosas significa que los subtítulos nunca podrán añadir comas.

0. Preparación

Primero ejecuta la «verificación de preparación» de Comprobar actualizaciones—si los skills están actualizados, si el Runtime es compatible; la raíz del plugin también se localiza allí (en los comandos de este documento, <raíz-del-plugin> se sustituye por esa ruta literal). Solo si está «preparado» se continúa; si es «necesita nueva sesión» o «detener», se ejecuta según su disposición (incluyendo la prohibición de «crear interfaces alternativas propias»), el Skill de negocio no lleva lógica de entorno.

Si el resultado de preparación es runtime.kind=desktop-managed, reutiliza directamente el CLI estable ya instalado en la aplicación de escritorio y el mismo servicio launchd/windows-task; no analices rutas de Electron, instales dependencias adicionales ni inicies un segundo Runtime.

1. Afirmaciones de entrada

node "<raíz-del-plugin>/scripts/ensure-running.cjs" --json
node "<raíz-del-plugin>/scripts/videocut-cli.cjs" inspect "<directorio-del-proyecto>" --json
AfirmaciónSi no se cumple
edit-list.json existe y tiene fragmentosDi claramente que falta el libro de cuentas, pide al usuario que primero ejecute «Editar voz en off». No edites tú mismo.
transcript.json existeEl proyecto no está listo, detente. No crees uno tú mismo.

No afirmes source_cut.mp4, ni realices una transcripción. Los subtítulos no necesitan ninguna de las dos cosas—ver la siguiente sección.

2. Corregir texto: primero el diccionario, luego el guion

No es necesario retranscribir. La transcripción palabra por palabra original ya tiene marcas de tiempo, el libro de cuentas sabe qué segmentos se quedan— en qué segundo del montaje final cae cada palabra se calcula, no se escucha de nuevo:

El segundo de la palabra en el clip original    ya está en la transcripción
Qué segmentos se quedan                          ya está en el libro de cuentas
El segundo de la palabra en el montaje final     se calcula a partir de ambos

Pasar el ASR otra vez solo es volver a escuchar lo mismo, gastar dinero, tiempo y obtener un resultado peor—los términos propios habría que corregirlos de nuevo. (transcript retranscribe es un remanente del diseño anterior, donde los subtítulos dependían de la transcripción del video editado para obtener la línea de tiempo. Desde que los subtítulos cambiaron a anclar IDs de palabras, este problema ya no existe. Al hacer subtítulos, no lo uses.)

Dos herramientas diferentes, ambas deben usarse.

# Diccionario: la forma fija de este hablante, no necesita evidencia
node "<raíz-del-plugin>/scripts/videocut-cli.cjs" transcript dictionary "<directorio-del-proyecto>" --dictionary "<raíz-del-plugin>/references/ai-term-dictionary.md" --json

# Guion: solo cuando el autor tiene un guion, necesita evidencia para cada cambio
node "<raíz-del-plugin>/scripts/videocut-cli.cjs" transcript align "<directorio-del-proyecto>" --script "<archivo-del-guion>" --json
Diccionario      Escribe siempre así                    Sin mirar el contexto, cambia directamente, lista qué cambios hizo
Guion            Solo escribe así si el contexto coincide   Necesita evidencia para cada cambio, si no coincide reporta «no me atrevo a decidir», no adivina

Por qué es necesario el diccionario, y no basta solo con el guion: las voces en off se regrababan. En un proyecto real, la misma frase se grabó cuatro veces, así que contextos como «conector X», «X es» aparecían varias veces cada uno, y align solo podía reportar «no me atrevo a decidir»— sigue la regla y no adivina, porque escribir mal un nombre es peor que oírlo mal. Tres ocurrencias de «X» solo se atrevió a cambiar una. El diccionario no tiene este problema: en el trabajo de este hablante, «X» es «X».

El diccionario es único, está a nivel de plugin en references/ai-term-dictionary.md: modifica la transcripción, y tanto la edición de voz en off como los subtítulos usan la misma transcripción. No crees otro diccionario dentro de este skill.

Después de corregir, hay que ver esa lista. El diccionario no mira el contexto, por lo que también puede corregir mal—por ejemplo, normalizar «Skills» (Claude Skills, nombre propio plural) a «Skill». Si ves algo incorrecto, corrige el diccionario, no apliques parches en el comando.

transcript align solo reporta, no aplica. Para aplicar sus propuestas, convierte corrections en [{wordId, text}] y ejecuta:

node "<raíz-del-plugin>/scripts/videocut-cli.cjs" transcript correct "<directorio-del-proyecto>" --file "<archivo-de-correcciones>" --json

Después de corregir la transcripción, las pantallas de subtítulos que referenciaban estas palabras se actualizarán en el mismo paso, reportando subtitles.updated. Las que no se puedan cambiar (esa línea fue reescrita por alguien) entrarán en needsAttention, se reportan para que alguien las vea, no se adivina.

Cuando no haya una escritura confirmada como correcta ni en el diccionario ni en el guion, no se debe adivinar. Repórtalo para que el usuario complete el diccionario— al agregarlo al diccionario, el siguiente video será automáticamente correcto; adivinar correctamente una vez significa tener que adivinar de nuevo la próxima vez.

3. Dividir en pantallas

node "<raíz-del-plugin>/scripts/videocut-cli.cjs" subtitle build "<directorio-del-proyecto>" --json

Cuatro reglas, en orden:

① Aquí se eliminó habla         Los dos lados de lo eliminado están adyacentes en la línea de tiempo, sin relación de significado.
                                Eliminar «silencio» no cuenta—cortar una pausa en medio de una oración no puede dividir la oración.
② Cualquier signo de puntuación  Dados por Huoshan, tanto el punto como la coma cuentan—**es el mismo nivel de granularidad que la división en segmentos de la edición de voz en off**,
                                ambos cortan en el mismo punto. La puntuación es más fuerte que cualquier evidencia temporal: un hablante puede decir dos frases seguidas sin respirar,
                                o hacer una pausa en medio de una oración.
③ Límite de párrafo + pausa    **Solo se usa cuando esta palabra no tiene puntuación.** Es «cuando no hay puntuación, se adivina que la oración termina por el párrafo»,
                                si hay puntuación, debería ser gestionado por ② y la coma—ellos considerarán si la pantalla es lo suficientemente larga, ③ no lo hace.
                                (Si se activa ③ también en los límites con puntuación, en un proyecto real pasó de 40 a 43 pantallas, cortando más pantallas fragmentadas)
④ El espectador escucha una pausa larga   Para dividir dentro de una oración, se necesita un silencio más largo para calificar.

La edición de voz en off y los subtítulos usan la misma puntuación y la misma granularidad: una coma/un segmento por pantalla.

Los fragmentos (una o dos palabras) se fusionarán, pero no se fusionan a través de un punto—«Mira» comienza una nueva oración, no es la cola de la oración anterior; fusionarla hacia atrás daría «...llamando a la CLI de GrokMira», dos oraciones pegadas.

Las frases cortas dichas rápidamente por el hablante se mantendrán (en un proyecto real, «cada mañana» y «ejecutar tarea» duraban 0.6 segundos cada una). Así es como realmente lo dijo, no se reporta como alarma. Una coma por pantalla produce inevitablemente este tipo de pantallas, reportarlo como alarma equivaldría a reportar una alarma por habla normal—si hay demasiadas alarmas, nadie las mira.

Las que sean más largas que una pantalla se dividen uniformemente en varias pantallas, una línea por pantalla. Si se cortan fragmentos de una o dos palabras, significa que ese límite de ② no es realmente un punto, y el fragmento se fusiona con la pantalla anterior.

El comando reporta cuatro cosas, todas deben revisarse:

stale               Pantallas afectadas por cambios en la edición—preciso: qué pantalla, qué palabras se perdieron
tooFast             Demasiadas palabras, no hay tiempo para leerlas
transcriptMoved     La transcripción ya no es la original

Cuando ya hay subtítulos—detenerse y preguntar aquí

Sin --replace lo rechazará directamente. Este es el único lugar en este skill donde se debe pedir consentimiento al usuario, porque --replace elimina el trabajo que la persona dedicó a dividir pantallas y redactar, y el producto no puede recuperarlo por sí mismo.

El usuario quiere cambiar algunas palabras     No hagas build. Que las cambie directamente en Studio, o que te diga qué pantallas cambiar.
El usuario quiere empezar de cero               Después de confirmar, añade --replace.

4. Revisión: ver pantalla por pantalla en Studio

node "<raíz-del-plugin>/scripts/videocut-cli.cjs" open "<directorio-del-proyecto>" --json

Al abrir, cambia a la pestaña «Subtítulos» en la columna izquierda. Una línea por pantalla: a la izquierda, número y tiempo; a la derecha, el texto; haz clic para editarlo directamente.

  • Enter = nueva pantalla desde el cursor
  • Retroceso al inicio de línea = fusionar con la pantalla anterior
  • En la columna derecha, «Parámetros → Subtítulos», elige uno de los cuatro presets; un solo estilo para todo el video
  • En la pantalla se ven los subtítulos directamente, la posición y el tamaño de fuente son proporcionales a la imagen—la vista previa y el producto final usan los mismos números

Durante la revisión, al menos confirma con el usuario: si los términos propios están correctos, si falta alguna palabra, si la división de oraciones se lee bien, si el tiempo de permanencia de cada pantalla es suficiente para leerla.

5. Hasta subtitles.json

Esta tarea ha terminado. No se realiza corte físico, ni storyboard, ni animación, ni renderizado del video final, y no se presiona al usuario para que haga el siguiente paso.

El informe debe escribirse por separado: el readback estructurado del Producto es API/readback PASS; la revisión real de frames del mismo proyecto en el navegador es visual frame PASS; si nadie ha visto realmente si los subtítulos coinciden con la imagen, siempre es human listening UNVERIFIED, no se puede sustituir con DOM, capturas de pantalla o detección de archivos.

Límite: Incrustar en el video no es parte de esta tarea

El método de entrega es incrustar en el video, y el video lo dibuja la etapa de exportación. La salida de los subtítulos es subtitles.json— todas las dimensiones son porcentajes de la imagen, la exportación los convierte a píxeles según la resolución de salida, ambos lados usan los mismos números.

El mp4 exportado hoy no tiene subtítulos, ese paso aún no se ha hecho. El informe debe dejar claro este resultado, no digas simplemente «los subtítulos están listos»—el usuario pensará que el video final los tiene.

Recuperación y fallos

  • subtitles_exist: Ya hay subtítulos. Pregunta primero, no uses --replace directamente.
  • revision_conflict: Otro lugar también está escribiendo. Vuelve a leer, no sobrescribas automáticamente.
  • El diccionario reporta «la fila N no se puede leer»: Es una fila de tabla con formato incorrecto. La regla solo reconoce filas de tabla (| Escritura correcta | Mal escritura común |), los párrafos y listas se ignoran silenciosamente.
  • transcript correct reporta «must not change any word id, time or gap flag»: La propuesta de cambio de texto incluía cambios de tiempo. Cambia solo el texto.
  • runtime_unhealthy: No reinstales en bucle.
  • Ningún fallo debe hacer que «transcripción completada» se interprete como «subtítulos listos». Lo que sale del ASR es la materia prima, no el producto.

Individual skills in this repo

This repo contains 8 individual skills — each has its own dedicated page.

2789927464king-jpg/video-skill-ku

剪辑环境的唯一管理者:就绪检查(skills 是否最新 → Runtime 是否配套)、Skills 更新激活、Runtime 安装与体检。用户说检查更新、安装剪辑环境、装播放器、检查剪辑环境、剪辑环境就绪了吗、配置转录凭证时使用;业务 Skill(剪口播/字幕/画面/导出)第 0 步也引用本 Skill 的就绪检查。不用于剪辑、字幕、画面、导出本身或项目数据迁移。

2789927464king-jpg/video-skill-ku

剪辑中文口播原素材:逐词转录、词典修字出修字表、五轮扫描找口误与重复、汇总表与重复句子表、打开 Studio 让用户复核、复盘沉淀用户偏好与词典。只产出一份已复核的删词账本,不切媒体、不做字幕、不做分镜动画。用户说剪口播、处理口误、生成口播基础素材、继续剪口播,或确认卡回传 action=return_cut_review 时使用。不要用于执行物理剪切、导出剪后视频、单独安装、单独打开工作台或口播分镜成片。

2789927464king-jpg/video-skill-ku

把剪好的口播烧成一个成片文件:账本切片段、推近、字幕、HTML 画面层,一次全部烧进 mp4。用户说导出、出成片、烧字幕、渲染、导出视频、生成最终文件时使用。不要用于生成删词候选、写字幕、做画面动画。

2789927464king-jpg/video-skill-ku

整理、脱敏并上报 chengfeng-videocut 的 GitHub Bug。用户说上报 Bug、反馈剪口播问题、提交 GitHub Issue、这个问题告诉开发者,或要求继续提交已预览的 Bug 草稿时使用。不要用于功能建议、普通排错、代码提交或未获用户确认的自动上报。

2789927464king-jpg/video-skill-ku

操作 chengfeng-videocut 剪辑工作台的已有工程,通过 Runtime CLI 查工程与词句位置、添加或替换画面覆盖层、移除画面、删除明确指定的词句或片段、拆分裁剪移动已有片段、调整画布比例并回读核验。用户说插入片段、删掉这句、移除动画、换个画面、调整顺序或管理时间线时使用;先区分画面覆盖与主轨顺延插入,不负责自动判断口误、创作动画、制作字幕、导出或排查安装故障。

2789927464king-jpg/video-skill-ku

Create Ian Xiaohei-style HTML/SVG motion illustrations for Chinese articles, scripts, storyboard scenes, workflow explanations, concept metaphors, and short video visual aids. Use when the user asks for 小黑 SVG、漫画感 HTML、分层 SVG 动效、把小黑生图做成 HTML/SVG、可编辑矢量动效、口播流程动画、手绘漫画动效、正文配图动画, or wants a Xiaohei illustration style adapted into controllable HTML/SVG/GSAP output instead of raster image generation.

2789927464king-jpg/video-skill-ku

给剪好的口播配画面:在录屏上盖 HTML 层(圈重点标注 / 小黑整屏动画 / 推近),层绑字幕屏、由播放器逐帧驱动、直接在预览里看。用户说做分镜、配画面、加动画、圈重点、B-roll、做 storyboard 时使用。不要用于删词剪辑、字幕、物理剪切或成片渲染。

2789927464king-jpg/video-skill-ku

剪映 (JianYing) AI自动化剪辑的高级封装 API (JyWrapper),提供开箱即用的 Python 接口,支持录屏、素材导入、字幕生成、Web 动效合成及项目导出。全面适配 MacOS (Apple Silicon/Intel) 与 Windows,支持 v5.9+ (draft_info.json) 架构、工程自修复、智能配音字幕及录屏变焦。

Skills relacionados