jiajunzeng789/cantonese-subtitle-skill

Qu'est-ce que cantonese-subtitle-skill ?

Cette compétence permet de générer des sous-titres SRT de haute qualité à partir de contenus audio/vidéo en cantonais, en utilisant deux modèles de reconnaissance vocale locaux (Whisper large-v3 et Qwen3-ASR-1.7B) ainsi qu'un calibrage linguistique avancé. Elle est conçue pour les développeurs et utilisateurs d'agents IA qui travaillent avec du contenu automobile en cantonais et qui souhaitent une solution locale, entièrement privée (aucun fichier audio/vidéo n'est envoyé à des API distantes). Le processus comprend la détection automatique du format d'écran (portrait ou paysage) pour un découpage optimal des phrases, une correction des noms propres et des homophones, et la suppression de la ponctuation de lecture (à l'exception des symboles essentiels pour les nombres, unités et noms propres). Le résultat final est un fichier UTF-8 `.srt` avec une ligne par sous-titre, respectant la chronologie originale du média. La compétence gère également la détection des intervenants multiples, la validation de la synchronisation et fournit un mécanisme de secours en cas d'échec. Elle prend en charge les environnements locaux (CLI) et nécessite une configuration préalable des dépendances Python.