Communitygithub.com

shushuitie2017/claude-video

Transcription et traduction de vidéos : vidéo en langue étrangère → vidéo avec sous-titres chinois + transcription en chinois. Pipeline complet = téléchargement → transcription mot à mot via Whisper → traduction et révision → gravure des sous-titres (optionnel bilingue chinois grand/anglais petit/filigrane) → sortie Markdown.

Qu'est-ce que claude-video ?

Cette compétence permet à un agent IA de transcrire et traduire des vidéos étrangères en une vidéo sous-titrée en chinois et en une transcription écrite en chinois. Le pipeline complet comprend le téléchargement de la vidéo (à partir d'une URL ou d'un fichier local), l'extraction audio, la transcription mot à mot via le modèle local `faster-whisper`, la traduction et la révision des sous-titres par l'agent lui-même selon huit règles strictes, la gravure des sous-titres dans la vidéo (chinois unilingue ou bilingue chinois/anglais, avec option de filigrane), et enfin la génération d'un document Markdown de la transcription. Elle est conçue pour être utilisée avec Claude Code, Cursor, ou Codex, et repose sur des scripts Python pour les étapes techniques (transcription, gravure) et sur l'agent pour la traduction. Le point fort est la gestion précise des timestamps pour éviter la désynchronisation, le support des vidéos longues avec parallélisation, et la vérification par capture d'écran après gravure.

Compatible avec✓Claude Code✓Codex CLI~Cursor
npx skills add https://github.com/shushuitie2017/claude-video/tree/HEAD/skills/video-translate

Demander à votre IA préférée

Ouvre une nouvelle conversation avec cette compétence d'agent déjà préchargée.

Documentation

/video-translate — Traduction et transcription vidéo

Capacité et reconnaissance d'intention (à respecter strictement)

  • Transcription vers document : récupérer les sous-titres ou transcrire l'audio → générer un document Markdown (sous-titres prioritaires, rapides et gratuits).
  • Traduire la vidéo : transcrire → traduire et réviser → graver les sous-titres chinois → sortir un fichier vidéo sous-titré + document Markdown.

Règles de décision :

  • L'utilisateur dit "转写" / "transcrire" / "转文字" / "出文档" / "générer un document" → générer uniquement le document Markdown (flux "document uniquement").
  • L'utilisateur dit "翻译" / "traduire" / "翻译视频" / "配字幕" / "sous-titrer" → doit exécuter le pipeline complet (extraire l'audio → transcrire SRT avec Whisper → traduire et réviser → graver les sous-titres dans la vidéo → générer Markdown en même temps), ne pas simplement sortir un document et s'arrêter.
  • Entrée URL → télécharger d'abord, puis traiter ; chemin de fichier local → traiter directement.

Interpréteur Python : Toutes les commandes de cette compétence utilisent python (convention Windows). Sur macOS/Linux, remplacez par python3.

Résoudre SKILL_DIR (à faire avant d'exécuter toute commande)

Définissez SKILL_DIR sur le chemin absolu du répertoire contenant ce fichier SKILL.md que vous venez de lire. Les scripts se trouvent toujours sous SKILL_DIR/scripts/. Commencez par la vérification :

SKILL_DIR="<chemin absolu du répertoire contenant le SKILL.md que vous avez lu>"
if [ ! -f "$SKILL_DIR/scripts/transcribe_srt.py" ]; then
  echo "ERREUR : scripts introuvables sous SKILL_DIR=$SKILL_DIR" >&2
  exit 1
fi

Étape -1 : Résoudre la racine de sortie (⛔ Obligatoire, avant tout)

Avant d'exécuter une commande / d'écrire un fichier, lisez d'abord la configuration pour obtenir output_dir en tant que <racine de sortie> :

python -c "import sys; sys.path.insert(0, r'${SKILL_DIR}/scripts'); import config; c = config.load_translate_config(); config.ensure_output_root(c['output_dir']); print(c['output_dir'])"
  • Fichier de configuration : ~/.config/video-skills/translate.json (lancez python "${SKILL_DIR}/scripts/setup.py" pour générer le template).
  • output_dir doit être un chemin absolu ou commencer par ~. S'il est manquant/invalide, la commande ci-dessus générera une erreur — arrêtez immédiatement, demandez à l'utilisateur de modifier ce fichier pour y mettre un chemin absolu, ne remplissez pas automatiquement une valeur par défaut.
  • Les fichiers intermédiaires sont toujours écrits dans <racine de sortie>/tmp/, les fichiers finaux (vidéo, Markdown) dans <racine de sortie>/data/.
  • ⛔ Tous les <racine de sortie>/... dans le texte doivent être remplacés par le chemin absolu réel avant exécution ; il est interdit de laisser le placeholder dans une commande (cela écrirait dans le répertoire courant).
  • Ce n'est que lorsque l'utilisateur fournit explicitement un "chemin absolu de sortie" et le confirme qu'il est permis d'écrire à cet endroit.

Exécutez également une vérification d'environnement en une fois (commune avec /watch, silencieuse si réussie) :

python "${SKILL_DIR}/scripts/setup.py" --check

En cas d'échec, lancez python "${SKILL_DIR}/scripts/setup.py" pour installer les dépendances (ffmpeg/yt-dlp s'installent automatiquement ; moteur de transcription pip install faster-whisper). Pour plus de détails sur l'installation, en cas d'erreur, consultez references/指南安装.md.

Aperçu du pipeline

Entrée (URL / fichier local)
   │
   ▼
Étape 0  Porte du type de sous-titres (le pipeline de traduction doit d'abord confirmer : chinois / bilingue)
Étape 1  Téléchargement + extraction audio → <racine de sortie>/tmp/
Étape 2  Transcription mot à mot avec Whisper, SRT original → <racine de sortie>/tmp/<nom>.srt
Étape 3  Traduction et révision (vous-même, 8 règles) → <nom>-zh.srt (en bilingue, deux lignes par entrée)
Étape 4  Gravure des sous-titres (+ filigrane optionnel) → <racine de sortie>/data/<titre>-sous-titres-chinois.mp4
Étape 4.5 Vérification par captures d'écran (≥2)
Étape 5  Génération du document Markdown → <racine de sortie>/data/

Scénario "document uniquement" : sauter les étapes 0/3/4, suivre la section "document uniquement".


Étape 0 : Confirmer le type de sous-titres (⛔ Porte, le pipeline de traduction doit l'exécuter en premier)

  • Sous-titres chinois : afficher uniquement la traduction chinoise (interface épurée).
  • Sous-titres bilingues chinois/anglais : chinois en haut (grande taille), anglais en bas (petite taille).

Si l'utilisateur spécifie le type dans la conversation (a dit "chinois" / "bilingue" / "chinois et anglais" etc.) → exécuter selon sa demande. Tous les autres cas → doit utiliser AskUserQuestion pour afficher les options :

AskUserQuestion(
  question="Choisissez le type de sous-titres",
  options=["Sous-titres chinois (chinois uniquement)", "Sous-titres bilingues (chinois en haut, anglais en bas)"]
)

⛔ Ne pas contourner : le type indiqué dans ARGUMENTS n'est pas considéré comme spécifié par l'utilisateur — seuls les dires de l'utilisateur dans la conversation comptent. Ne pas afficher les options et commencer l'étape 1 = erreur de flux. subtitle_type dans translate.json n'est qu'une valeur par défaut, ne peut remplacer la confirmation de l'utilisateur.

Étape 1 : Téléchargement + extraction audio

Source URL (utiliser systématiquement le script — les cookies du navigateur intégrés sont utilisés automatiquement en cas de problème, gère les erreurs YouTube 403/SABR/PO-token et le mur de connexion Bilibili) :

# Vidéo complète (le pipeline de traduction a besoin de la vidéo pour graver les sous-titres)
python "${SKILL_DIR}/scripts/download.py" "<URL vidéo>" "<racine de sortie>/tmp/dl"
# Document uniquement sans gravure → audio uniquement, plus rapide
python "${SKILL_DIR}/scripts/download.py" "<URL vidéo>" "<racine de sortie>/tmp/dl" --audio
  • Le script sort du JSON (video_path / subtitle_path / info.title).
  • Première tentative sans cookies ; si le résultat n'est pas produit, réessaye automatiquement avec --cookies-from-browser chrome. Si le navigateur courant n'est pas Chrome, ajoutez --browser firefox / --browser edge.
  • Si toujours en échec (protection plus forte) → demandez à l'utilisateur de changer de proxy (--proxy http://127.0.0.1:7890) puis réessayez, ne réessayez pas indéfiniment.
  • Vidéos longues (>10 minutes) ne pas utiliser --download-sections de yt-dlp (d'abord téléchargement complet puis découpage, très lent) ; téléchargez la vidéo complète, et utilisez ffmpeg -ss pour les extraits si nécessaire.

Extraire l'audio (fichier local ou vidéo téléchargée → mp3) :

ffmpeg -y -i "<fichier vidéo>" -vn -acodec libmp3lame -q:a 2 "<racine de sortie>/tmp/<nom fichier>.mp3"

Étape 2 : Transcrire mot à mot avec Whisper pour obtenir le SRT original

⛔ Règle absolue : le SRT original pour la gravure des sous-titres doit être généré uniquement par transcription mot à mot avec Whisper. Il est interdit d'utiliser les sous-titres automatiques de la plateforme (yt-dlp --write-auto-subs) comme source de temps. Raison : les sous-titres automatiques YouTube sont au format de superposition défilante (chaque entrée contient le texte de la précédente), il est impossible d'extraire un texte propre par phrase avec des timestamps précis, et la gravure sera nécessairement désynchronisée. Les timestamps mot à mot sont la seule source de temps fiable.

python "${SKILL_DIR}/scripts/transcribe_srt.py" "<racine de sortie>/tmp/<nom fichier>.mp3" \
  --output "<racine de sortie>/tmp/<nom fichier>.srt"
# En cas de mauvaise détection de langue / de pistes multi-langues, forcer : ajouter --language en (ou zh/ja/…)
  • Moteur par défaut = faster-whisper local (timestamps mot à mot, zéro frais d'API, télécharge automatiquement le modèle depuis HuggingFace au premier lancement).
  • Si faster-whisper ne s'installe pas → configurer GROQ_API_KEY/OPENAI_API_KEY puis ajouter --engine api (API mot à mot de secours, partage la même logique de segmentation de phrases que le mode local). Si l'API ne renvoie pas de timestamps mot à mot, le script rétrograde au niveau segment et l'indique sur stderr "précision des sous-titres réduite" — transmettez ce message à l'utilisateur.
  • ⛛ Ne pas écrire de code Python de transcription dans la conversation — le script segmente par "phrase + pause" (segment comme base / découpage par mot si >6s / fusion si <400ms), contourner le script avec une segmentation gloutonne maison ferait que la queue de la phrase A et le début de la phrase B se retrouvent dans la même trame (problème résolu sur le terrain).
  • --max-line-ms contrôle la durée maximale d'une entrée (défaut 6000ms), --pause-ms contrôle le seuil de pause pour la segmentation (défaut 500ms).

Étape 3 : Traduction et révision (vous-même — c'est un travail LLM, pas de script)

Lisez le SRT original de l'étape 2, traduisez et révisez entrée par entrée, écrivez le SRT révisé dans <racine de sortie>/tmp/<nom fichier>-zh.srt. Votre rôle : éditeur professionnel de sous-titres, expert en rédaction chinoise, restitution orale et normes de mise en page des sous-titres.

8 règles de révision (essentielles)

  1. Corriger les erreurs de reconnaissance ASR : homophones, mots similaires, orthographe des noms propres (ex : Claude entendu comme "cloud", MCP entendu comme "NCP"), chiffres/abréviations/unités. Peut utiliser le contexte vidéo pour aider.
  2. Ponctuation et mise en forme écrite : d'abord compléter la ponctuation pour rendre l'oral à l'écrit (conserver le ton du locuteur), mais le texte final du sous-titre doit supprimer tous les signes de ponctuation (virgules, points, points d'interrogation, points d'exclamation complètement enlevés) ; ajouter un espace anglais entre le chinois et l'anglais (ex : 这是 Google 的产品).
  3. Supprimer la redondance : enlever les mots de remplissage sans information, les répétitions, les exclamations ("hein" / "euh" / "en fait"), garantir la continuité sémantique sans perdre d'informations clés. Mieux vaut un peu de redondance que de perdre du sens.
  4. Alignement temporel strict : les timestamps originaux doivent être strictement conservés, ne pas les décaler arbitrairement. Ne jamais avancer manuellement le start time (cela ferait apparaître le sous-titre avant le locuteur). Découpage des sous-titres trop longs : si une entrée a une durée >6 secondes et un texte court, cela signifie que Whisper a inclus le silence/BGM après la parole dans le même segment. Utilisez la détection de silence ffmpeg pour localiser précisément la fin de la parole, sans estimation par formule :
    ffmpeg -i <audio> -ss <start> -to <end> -af silencedetect=n=-30dB:d=0.5 -f null - 2>&1 | grep silence_start
    
    Prenez le premier silence_start (en ajoutant le décalage start) comme nouvelle fin de l'entrée ; si tout le segment a du son, ne coupez pas. Une entrée >8 secondes avec un texte long peut être divisée en plusieurs entrées, avec les timestamps répartis raisonnablement dans la plage d'origine. Interdiction de fusionner des entrées adjacentes, seulement division possible ; renumérotez après division ; interdiction de chevauchement des timestamps.
  5. Coupe et segmentation : principe essentiel : on peut diviser, on ne fusionne pas. Une entrée originale correspond à une entrée traduite. Si >12 caractères, divisez en deux entrées à une pause sémantique (répartir les timestamps proportionnellement). Privilégiez une seule ligne, chaque ligne ≤12 caractères chinois (espaces et anglais inclus), coupez à une pause de ton, ne divisez pas une phrase complète sur deux entrées. Mieux voir des entrées courtes et nombreuses que d'empiler plusieurs lignes à l'écran.
  6. Noms propres : noms de personnes/lieux/entreprises/produits conservés en original (majuscule en début de mot) ; termes techniques conservés en anglais (API, GPU, AI, ASR) ; marques largement connues non traduites (Google, iPhone, YouTube) ; termes rares peuvent être accompagnés d'une brève explication en chinois à la première occurrence.
  7. Style linguistique : correspondre aux habitudes de langage des jeunes contemporains, traduire naturellement les expressions familières / argot, éviter le ton de traduction "ceci est très excitant" → "c'est vraiment cool". Pour le commentaire hors-champ, utilisez un langage concis et soutenu ; pour le dialogue / les paroles, conservez un ton parlé.
  8. Paroles de chansons : utiliser ♪ ( ♪ paroles ♪ ), privilégier l'ambiance et la rime plutôt que la traduction mot à mot, en alternance avec le commentaire, assurez-vous que le spectateur peut distinguer.

Format de sortie (SRT strict)

1
00:00:00,000 --> 00:00:03,500
Ceci est le texte de la première entrée

2
00:00:03,500 --> 00:00:07,200
Ceci est le texte de la deuxième entrée

Numérotation consécutive à partir de 1 ; timestamps HH:MM:SS,mmm (virgule pour les millisecondes) ; pas de ponctuation dans le texte ; espace entre chinois et anglais ; ligne vide entre les entrées ; ligne vide à la fin du fichier.

Mode bilingue (si l'utilisateur a choisi bilingue à l'étape 0)

Produire un "SRT bilingue" : chaque entrée deux lignes — chinois en haut, anglais (original) en bas, timestamps alignés parfaitement avec une phrase du SRT original (ne pas re-segmenter, ne pas fusionner ; la segmentation originale détermine la segmentation chinoise). La ligne chinoise supprime la ponctuation comme d'habitude, normalise les termes techniques ; la ligne anglaise conserve l'original (en ne corrigeant que les erreurs de reconnaissance ASR) :

1
00:00:19,239 --> 00:00:21,239
Tout le monde va bien
Hello everyone, how are you?

Vidéos longues (>10 minutes) : parallélisation par segments

Si le nombre d'entrées de sous-titres est important, parallélisez la traduction par segments : chaque segment environ 500 entrées, sous-tâches parallèles pour la traduction par le développeur, puis fusion et renumérotation. Après la fusion, vérifiez globalement : pas de chevauchement ni de saut de timestamp, numérotation consécutive, cohérence sémantique, format conforme.

⛔ Le pipeline ne s'arrête pas : une fois la révision terminée, exécutez immédiatement l'étape 4 (gravure), ne produisez pas de rapport intermédiaire, n'attendez pas la confirmation de l'utilisateur. Le pipeline entier ne fait rapport qu'une fois que tous les produits finaux (vidéo + Markdown) sont terminés.

Étape 4 : Graver les sous-titres (+ filigrane optionnel)

Utiliser systématiquement burn.py — ne pas écrire manuellement la commande ffmpeg. Le script gère de manière centralisée : l'échappement des chemins Windows dans le filtre ( C:\a.srt → 'C\:/a.srt', l'écriture manuelle échoue souvent), la conversion forcée de l'audio en AAC (la piste audio Opus de yt-dlp fait échouer le téléversement sur X/WeChat/Weibo, ⛛ interdiction de -c:a copy), l'analyse du filigrane fontfile et la distribution temporelle, sous-titres + filigrane dans un seul -vf pour une seule encodage (évite une double perte de qualité).

Chinois unilingue (gravure directe SRT) :

python "${SKILL_DIR}/scripts/burn.py" "<fichier vidéo>" \
  --subs "<racine de sortie>/tmp/<nom fichier>-zh.srt" \
  --output "<racine de sortie>/data/<titre vidéo>-sous-titres-chinois.mp4"

Bilingue chinois/anglais (convertir d'abord en ASS puis graver — ⛔ doit passer par ASS) :

python "${SKILL_DIR}/scripts/bilingual_ass.py" "<racine de sortie>/tmp/<nom fichier>-zh.srt" \
  --output "<racine de sortie>/tmp/<nom fichier>-zh.ass" [--cn-size N] [--height hauteur vidéo]
python "${SKILL_DIR}/scripts/burn.py" "<fichier vidéo>" \
  --subs "<racine de sortie>/tmp/<nom fichier>-zh.ass" \
  --output "<racine de sortie>/data/<titre vidéo>-sous-titres-chinois.mp4"
  • ⛔ Pourquoi le bilingue doit être en ASS ? Le filtre subtitles avec force_style FontSize est uniforme pour toute l'entrée, impossible d'avoir du chinois grand et de l'anglais petit dans une même entrée ; les balises inline \fsN dans le SRT sont supprimées par le décodeur srt de ffmpeg (testé avec trois tailles de police, md5 identique). Seul l'ASS véritable alimenté à libass peut gérer le saut de ligne \N et le changement de police inline dans une même entrée. bilingual_ass.py fait cela, n'écrivez pas d'ASS manuellement.
  • Taille de police : si l'utilisateur donne explicitement une taille (ex. "taille 24") → transmettez --cn-size 24, la taille anglaise est automatiquement calculée par police chinoise / 1.7 ; sinon, le script choisit une valeur par défaut selon la résolution. Le rapport chinois : anglais ≈ 1.7 est un rapport de contraste propre testé sur le terrain.
  • ⛔ FontSize/MarginV de l'ASS sont des valeurs relatives par rapport à PlayResY=288, pas des pixels. libass les redimensionne automatiquement selon la résolution vidéo, ne multipliez pas linéairement la taille de police par la résolution (un 17 pour 1080p multiplié par 2 pour 4K remplirait la moitié de l'écran) ; MarginV=110 sur du 1080p ≈ au milieu de l'écran, pas 110px, ne réglez pas selon une intuition pixel.

Filigrane (désactivé par défaut ; activé si settings.watermark_enabled: true dans translate.json ou si l'utilisateur le demande) :

python "${SKILL_DIR}/scripts/burn.py" "<fichier vidéo>" --subs <sous-titre> \
  --watermark-text "<texte du filigrane>" --output <sortie>

Les points temporels sont distribués automatiquement selon la durée (<30min : 3 fois 4s / 30-60min : 5 fois 5s / >60min : toutes les 15 minutes une fois 10s ; premier et dernier points fixes), opacité 0.28, fondu 0.5s, coin supérieur gauche. Les paramètres peuvent être remplacés par --watermark-opacity/--watermark-fontsize etc. ; les paramètres spécifiés dans la conversation sont prioritaires sur le fichier de configuration.

Évitement des sous-titres incrustés existants en bas de la vidéo : les nouveaux sous-titres doivent être décalés vers le haut pour ne pas les cacher :

# Sous-titres incrustés sur une seule ligne
python "${SKILL_DIR}/scripts/burn.py" <vidéo> --subs <sous-titre> --avoid-hardsub single ...
# Sur deux lignes ou dynamique (une entrée 1 ligne, une autre 2 lignes) → éviter sur deux lignes ; pour les segments à 1 ligne, un sous-titre chinois légèrement plus haut est un coût acceptable
python "${SKILL_DIR}/scripts/burn.py" <vidéo> --subs <sous-titre> --avoid-hardsub double ...

Les niveaux d'évitement (single=MarginV 42/FontSize 19, double=MarginV 60/FontSize 19) sont des valeurs empiriques ; si la vérification par capture d'écran échoue, utilisez --margin-v pour un réglage fin ±3-5 puis regravez.

Si vous n'êtes pas sûr de la commande finale, utilisez d'abord --dry-run pour imprimer et vérifier la commande avant de l'exécuter pour de vrai.

Étape 4.5 : Vérification par captures d'écran (⛛ Obligatoire, ≥2)

Après la gravure, extrayez des trames et lisez-les pour confirmer que les sous-titres s'affichent complètement, ne cachent pas les sous-titres incrustés existants, que le contraste de taille bilingue est net, et que les caractères chinois ne sont pas des carrés (police manquante) :

ffmpeg -y -i "<vidéo de sortie>" -ss <point temporel 1> -vframes 1 "<racine de sortie>/tmp/check1.jpg"
ffmpeg -y -i "<vidéo de sortie>" -ss <point temporel 2> -vframes 1 "<racine de sortie>/tmp/check2.jpg"

En cas de besoin d'évitement, les deux trames doivent être choisies respectivement à un moment où le sous-titre existant est sur 1 ligne et 2 lignes ; l'absence d'occultation sur les deux trames est requise. Ne regarder qu'une seule trame et livrer = une erreur déjà rencontrée. Si problème, ajustez --margin-v/--font-size puis regravez et revérifiez.

Étape 5 : Générer le document Markdown

Règles générales (tous scénarios) :

  • Lire le texte transcrit (SRT sans les numéros de ligne ni les timestamps, ou texte nettoyé par vtt_to_text.py), interdiction d'ajouter/supprimer/modifier le texte original, ne faire que la ponctuation, la fusion de phrases et la segmentation en paragraphes. Doit couvrir tout le contenu, sans omission.
  • Contenu en chinois : fusionner les phrases courtes, normaliser la ponctuation, segmenter par paragraphe sémantique → produire 1 fichier <racine de sortie>/data/<titre vidéo>-chinois.md. ⛛ Interdiction d'utiliser les règles de traduction pour le contenu chinois.
  • Contenu non chinois : d'abord générer <racine de sortie>/data/<titre vidéo>-original.md dans la langue d'origine (également sans ajout/suppression/modification), puis lire references/深度文稿规则.md et créer <racine de sortie>/data/<titre vidéo>-chinois.md selon ses règles (style d'article approfondi, pas de traduction phrase par phrase).
  • Le front matter contient uniquement title, source_url.

Scénario "document uniquement" (l'utilisateur ne veut que la transcription / le document, pas de sous-titres)

  1. Vidéo avec sous-titres : priorité à la récupération des sous-titres (gratuit et le plus rapide ; ⛛ uniquement pour les documents — cette voie est interdite pour la gravure des sous-titres, voir règle absolue à l'étape 2) :
    python "${SKILL_DIR}/scripts/download.py" "<URL vidéo>" "<racine de sortie>/tmp/dl" --captions-only
    python "${SKILL_DIR}/scripts/vtt_to_text.py" "<racine de sortie>/tmp/dl/<sous-titre>.vtt" --output "<racine de sortie>/tmp/cleaned.txt"
    
    Le texte clair nettoyé économise environ la moitié des tokens. Lisez cleaned.txt et produisez le document selon l'étape 5.
  2. Pas de sous-titres → télécharger l'audio (--audio) → transcrire avec transcribe_srt.py → SRT sans numéros ni timestamps pour obtenir le texte brut → produire le document selon l'étape 5.

Fichiers temporaires et nettoyage

  • Les fichiers intermédiaires (audio, SRT, ASS, captures) se trouvent tous dans <racine de sortie>/tmp/, peuvent être nettoyés après traitement ; les fichiers finaux dans <racine de sortie>/data/ ne sont pas affectés.
  • Les SRT de transcription peuvent être conservés pour débogage ; l'utilisateur peut vider tmp/ manuellement à tout moment.

Gestion des erreurs

SymptômeTraitement
Échec de téléchargement (403/antifraude/mur de connexion)Le script réessaie automatiquement avec cookies ; si toujours en échec, changer --browser firefox/edge, ou suggérer à l'utilisateur de configurer un proxy ; si c'est clairement un verrou régional/contenu payant, le dire directement
faster-whisper non installépip install faster-whisper ; si impossible, passer par --engine api (nécessite une clé API)
Mauvaise détection de langue à la transcriptionAjouter --language en (ou la langue correspondante) pour forcer une re-transcription
Caractères chinois affichés en carrés après gravurePolice manquante — burn.py choisit selon la plateforme par défaut (YaHei sur Windows/PingFang sur macOS/Noto CJK sur Linux), Linux nécessite sudo apt install fonts-noto-cjk ; ou spécifier avec --font-name
Sous-titres qui cachent les sous-titres incrustés originaux`--avoid-hardsub single
Espace disque insuffisantNettoyer <racine de sortie>/tmp/
Erreurs liées aux dépendancesLire references/安装指南.md, suivre les instructions, puis revenir au flux principal

Principe de vérification des dépendances : exécuter d'abord le flux principal, vérifier en cas d'erreur — ne pas vérifier chaque dépendance une par une à l'avance pour ne pas perdre de temps ; l'environnement est supposé déjà configuré (le --check de l'étape -1 a déjà couvert les bases).

Skills associés