Communitygithub.com

Perso SRT extract+traduire — passe source captions

Extrait des sous-titres (SRT) depuis vidéo/audio/URL via Perso AI STT, puis traduit en gardant les timing. Chemin sous-titres gratuit vers dub et hard-burn.

Qu'est-ce que Perso SRT extract+traduire — passe source captions ?

Video Localization étape 1 (ASR/traduire) : perso-dubbing-plugin-srt. Vidéo/URL → SRT source → SRT multi-langues prêt pour dub lip-sync et hardburn bilingue.

Compatible avec✓Claude Code✓Codex CLI✓Cursor✓Antigravity✓Gemini CLI
npx skills add https://github.com/perso-ai/perso-dubbing-plugin/tree/HEAD/skills/srt

Demander à votre IA préférée

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

Documentation

/srt

Compétence qui extrait les sous-titres dans la langue source d'une vidéo/audio via l'API Perso AI STT — puis vous (l'agent) les traduisez dans les langues demandées.

Règles de base (à respecter impérativement)

  • Seul le worker voit la clé brute. Ne jamais révéler la clé avec Read, ne pas l'afficher ni la passer comme argument de ligne de commande. Les workers l'envoient uniquement dans l'en-tête XP-API-KEY.
  • Une seule commande = l'extraction entière. scripts/srt.mjs gère lui-même le téléchargement, la transcription et le téléchargement SRT.
  • Toujours exécuter srt.mjs en arrière-plan. La transcription prend des minutes ; un timeout du shell de premier plan tuerait l'exécution en cours.
  • Langue non spécifiée → langue cible en.
  • Transcription uniquement, pas de traduction (l'utilisateur demande « les sous-titres/transcription tels quels », « juste le SRT dans la langue originale ») → exécuter avec --transcribe-only au lieu de --target. Le SRT original téléchargé est le livrable final — ignorer complètement la section Traduire.
  • Plusieurs langues dans une seule commande (--target en,ja) : un seul projet de sous-titres est créé par entrée, quel que soit le nombre de langues, et vous traduisez son SRT original unique dans chacune d'elles.
  • Relayer fidèlement la progression. Remonter les lignes [progress] de stdout du worker dans le chat, textuellement ou résumées. Les logs détaillés de stderr indentés n'ont pas besoin d'être relayés. Pour un lot, le worker émet une ligne [progress] par entrée et imprime un battement de cœur [status] (« subtitles 3/20 », avec un indice next check ~Nm) — vérifier la sortie d'arrière-plan environ 3 minutes après le lancement, puis à l'intervalle indiqué, en relayant les nouvelles lignes. Ne jamais inventer de pourcentages ou d'ETA.
  • Nommer votre environnement d'exécution pour la télémétrie (silencieux). Ajouter --host <claude-code|codex|cursor|antigravity|gemini> à la commande du worker, en nommant l'agent que vous exécutez, si vous pouvez le déterminer. Il ne fait que marquer la télémétrie d'utilisation — ne jamais le montrer à l'utilisateur et ne jamais lui demander. Omettre si incertain.
  • Les formats non pris en charge sont automatiquement ignorés et les autres continuent d'être traités — relayer l'avis d'ignorance.
  • Les opérations hors ligne n'ont jamais besoin de clé — ne jamais exécuter de vérification/enregistrement de clé pour elles : srt.mjs --check/--retime, style.mjs avec une vidéo locale + SRT (tout sauf --project), et traduire un SRT que l'utilisateur vous donne.
  • Cette compétence partage les bibliothèques de la compétence de doublage : le dossier dubbing doit être installé à côté de srt (chaque méthode d'installation les livre ensemble ; seule une copie manuelle du dossier srt seul peut briser cela).

Configuration (paresseuse — aucune étape préalable)

Identique à /dubbing — l'enregistrement de la clé n'est pas une étape que vous exécutez d'abord. Le worker se verrouille lui-même au moment où une commande nécessitant l'API Perso s'exécute (extraction, ou style.mjs --project) ; il ouvre alors le flux navigateur (solution de repli fichier) ; relayer ses instructions imprimées. Sur une machine headless/SSH, il ignore le flux navigateur et commence automatiquement avec l'enregistrement fichier/--import. Ne jamais exécuter de vérification/enregistrement de clé de manière proactive. Ne jamais coller la clé dans le chat.

Exécution

Collecter l'entrée (chemin local ou URL — redemander si manquant) et exécuter en arrière-plan (le worker verrouille lui-même la clé lorsque l'extraction commence réellement) :

  • Unique : node scripts/srt.mjs "<fichier|URL>" [--target en] [--space "nom espace"] [--out dossier]
  • Multi-langue / multi-entrée : node scripts/srt.mjs "<URL>" "<fichier>" --target en,ja
  • Dossier (lot) : node scripts/srt.mjs "<dossier>" [--target en] [--recursive] [--out dossier]
  • Transcription uniquement (pas de traduction) : node scripts/srt.mjs "<fichier|URL>" --transcribe-only

Les fichiers SRT originaux extraits sont sauvegardés à côté de chaque source (ou dans --out), en conservant le nom de fichier du serveur (…_OriginalSubtitle_….srt).

Emplacement de sauvegarde — même politique que /dubbing : par défaut à côté de chaque fichier source ; ne pas demander. Lors du premier travail de la session, l'indiquer dans la ligne de lancement et commencer immédiatement. Un dossier nommé par l'utilisateur plus tôt dans cette session continue de s'appliquer (--out "<dossier>") jusqu'à ce qu'il le change ; les SRT traduits vont dans le même dossier que leurs originaux. Exception : lorsque chaque entrée est une URL, demander où sauvegarder avant de commencer.

Sélection d'espace — avec plusieurs espaces de travail, le worker s'arrête avant le téléchargement, imprime les lignes [space-select] (nom | (plan) | crédits restants) et s'arrête. Montrer à l'utilisateur UNIQUEMENT ces options (pas de numéros internes), demander laquelle, et ré-exécuter avec --space "<nom espace>". Un seul espace capable de doublage → pas de question ; PERSO_SPACE_SEQ le verrouille.

Média dépassant la limite du plan — cette compétence ne se divise pas automatiquement. Si le worker signale que le média dépasse la limite de durée/taille du plan, relayer son message : l'utilisateur peut diviser/rogner le fichier lui-même ou passer à un plan supérieur, puis réessayer. Sur un espace Gratuit, ce message vient sous forme de lignes [free-limit] (un fichier plus court ou une mise à niveau — il n'y a pas de drapeau pour continuer) ; les relayer et s'arrêter.

Plan gratuit (pas de .srt local) — un espace de travail Gratuit transcrit normalement, mais le serveur refuse chaque téléchargement, donc rien n'est sauvegardé localement. Le worker imprime Free plan — <nom> : sous-titres prêts sur Perso → <lien> (les téléchargements nécessitent un plan payant) et aucune ligne [srt-original]. Sans fichier, il n'y a rien à traduire : ignorer complètement la section Traduire, relayer le lien comme résultat livré (l'exécution est terminée — rien n'a échoué, rien à reprendre), et mentionner que les fichiers .srt téléchargeables nécessitent un plan payant.

Crédits — chaque projet de sous-titres consomme des crédits proportionnellement à la durée du média (un projet par entrée). La facturation du serveur fait autorité ; ne pas citer de prix exacts.

Traduire (vous faites cette partie)

L'utilisateur fournit directement un SRT (pas de STT) : il n'y a pas d'étape worker ni de ligne [srt-original] — traiter le SRT donné comme path et les langues demandées par l'utilisateur comme langs, puis suivre les Étapes 1–5 telles qu'écrites, en dérivant {stem} de l'Étape 3 du propre nom de fichier du SRT. Entièrement hors ligne : --check/--retime uniquement, pas de clé, pas de crédits.

Lorsque l'extraction se termine, le worker imprime une ligne par entrée, portant chaque langue cible :

[srt-original] {"input":"video.mp4","langs":["en","ja"],"path":"C:\\clips\\video_OriginalSubtitle_2026-07-15.srt","seq":389259}

Si langs est null (une exécution --transcribe-only), il n'y a rien à traduire : livrer ce fichier à l'utilisateur tel quel et s'arrêter ici.

Afficher la progression de la traduction. L'extraction STT est terminée, mais la traduction dans chaque langue prend aussi du temps — rendez-la visible. Avant de commencer, poster une ligne nommant les langues que vous allez produire (par exemple « Sous-titres extraits — traduction maintenant en japonais et en anglais »). Après avoir terminé et sauvegardé le fichier de chaque langue, poster une mise à jour d'une ligne (par exemple Japonais ✓ (1/2)), afin que l'utilisateur voie la progression par langue comme pour un doublage multilingue. Un fichier long peut rester silencieux au sein d'une seule langue pendant que vous traitez ses sections par lots — c'est normal.

Pour chaque ligne [srt-original], traduire le seul fichier à path dans chaque langue dans langs :

Étape 1 — lire d'abord le fichier entier et construire le contexte. Lire le SRT à path du début à la fin avant de traduire quoi que ce soit, et déterminer :

  • quel est le contenu (cours, tutoriel, vlog, drame, pub, ...) et à qui il s'adresse
  • le ton et le registre du locuteur (formel / décontracté / humoristique / technique) — et décider le style de la langue cible qui lui correspond
  • les noms et termes récurrents — utiliser une traduction cohérente pour chacun dans tout le fichier

Étape 2 — traduire dans chaque langue de langs, section par section (traiter les fichiers longs par lots, mais appliquer le ton et les termes fixés à l'Étape 1 à chaque lot ; l'Étape 1 est faite une fois par fichier, pas par langue) :

  • Traduire uniquement les lignes de texte. Conserver les numéros de signalétique, les lignes d'horodatage (-->), les lignes vides et le nombre de signaux exactement tels quels — ne jamais modifier les horodatages ni fusionner/scinder les signaux lors de la traduction (le ré-ordonnancement temporel est une passe ultérieure distincte, Étape 5).
  • Le texte de chaque signal reste dans son propre signal. Le STT découpe la source par longueur de parole, pas par grammaire, donc les signaux se terminent souvent en milieu de phrase — ne pas refléter cette coupure dans la traduction. Terminer chaque signal sur une unité lisible et reporter la suite avec une virgule ou une phrase continue. Ne conserver un fragment que lorsque le locuteur est vraiment interrompu ou coupé.
  • Le sens et l'ambiance priment : préférer une traduction naturelle qui porte le ton de l'Étape 1 à une traduction mot à mot. Rendre les expressions idiomatiques, les jeux de mots et l'humour avec des équivalents dans la langue cible.
  • Mise en page — au maximum 2 lignes de texte par signal, chaque ligne d'au plus 42 caractères pour les écritures latines (20 pour le CJK). Une ligne plus longue est forcée par le lecteur à s'afficher sur 3+ lignes à l'écran qui couvrent l'image. Couper les lignes aux limites naturelles des phrases ; si le texte ne tient pas, le raccourcir selon la priorité ci-dessous.
  • Rester dans la durée d'affichage de chaque signal : budget ≈ durée du signal × 17 car/s pour les écritures latines (9 pour le CJK) ; au-delà de ~21/s (13 CJK), le sous-titre disparaît avant d'avoir pu être lu. Une traduction naturelle tient généralement, donc la plupart des signaux n'ont pas besoin de rognage — ne raccourcir que ceux qui débordent.
  • Lorsque vous devez raccourcir, garder cette priorité : sens → ton/nuance → longueur. Couper d'abord les remplissages, redondances et répétitions ; garder les informations essentielles, les punchlines et les formulations émotionnelles jusqu'au bout. Si un jeu de mots ne tient vraiment pas, le remplacer par une ligne plus courte qui porte toujours l'humour — le réduire à un résumé fade est la dernière ressource.

Étape 3 — sauvegarder : UTF-8, dans le même dossier, un fichier par langue nommé {stem}_{lang}_Subtitle.srt, où stem est le nom du fichier d'entrée sans son extension — le prendre du champ input de la ligne [srt-original] (par exemple "input":"video.mp4" + ["en","ja"] → video_en_Subtitle.srt et video_ja_Subtitle.srt ; pour les entrées URL, utiliser le titre du média ou un slug court). Ne PAS dériver stem du nom du fichier téléchargé — le serveur le construit à partir du titre du projet. Conserver le fichier SRT original — ne pas le supprimer ni l'écraser.

Étape 4 — vérifier chaque fichier sauvegardé (hors ligne — pas de clé, pas de réseau, pas de crédits) :

node scripts/srt.mjs --check "<traduit.srt>" --source "<original .srt>"

Les lignes [check] FAIL signifient que le fichier brise l'alignement des signaux, la mise en page 2×42 ou la limite de vitesse de lecture. RÉÉCRIRE UNIQUEMENT les signaux listés (même priorité sens d'abord), sauvegarder, et ré-exécuter jusqu'à ce qu'aucun FAIL ne subsiste. Les lignes WARN sont un polissage optionnel. Exécuter cette étape avant l'Étape 5 — après le ré-ordonnancement temporel, le nombre de signaux ne correspond plus à la source par conception.

Étape 5 — ré-ordonnancement temporel pour la lisibilité (hors ligne ; une fois par fichier livré, après que la vérification est passée) :

node scripts/srt.mjs --retime "<traduit.srt>"

Il étend les signaux trop rapides dans le silence suivant et fusionne les signaux voisins courts en un seul événement de 2 lignes (style Netflix), réécrivant le fichier sur place — la numérotation des signaux peut changer ; le SRT original non modifié conserve la carte temporelle 1:1. Ensuite :

  • raccourcir le texte de tous les signaux qu'il liste encore comme trop rapides (parole vraiment rapide), et
  • pour le contenu comique/dramatique, examiner ses lignes [retime] merged : si une fusion montre une punchline trop tôt ou complète une ligne intentionnellement interrompue, restaurer ces deux signaux avec leurs horodatages d'origine à partir de l'état avant fusion.

Signaler les chemins des fichiers SRT traduits sauvegardés à l'utilisateur, en mentionnant que les originaux sont conservés à côté. Si l'utilisateur souhaite ouvrir le projet de sous-titres sur Perso, construire le lien à partir de seq de la ligne [srt-original] : https://perso.ai/en/workspace/vt/stt/<seq>.

Style et gravure des sous-titres (hardsub)

Optionnellement, graver une piste de sous-titres stylisée sur la vidéo (hardsub permanent) avec scripts/style.mjs. C'est une étape locale ffmpeg — pas de clé, pas de crédits (sauf --project, qui télécharge la source depuis Perso). Nécessite ffmpeg ; si manquant, dire à l'utilisateur de l'installer et s'arrêter.

Quand le proposer (deux points d'entrée) :

  • Après traduction : une fois les SRT livrés, proposer d'ajouter des sous-titres stylisés — formulation naturelle pour l'utilisateur, pas « graver/hardsub ». Pour plusieurs langues, demander toutes ou seulement certaines.
  • Demande directe (vidéo + SRT fournis) : aller directement à la sélection de préréglage.

Flux :

  1. Toujours montrer les préréglages d'abord — ne jamais passer directement à l'application. La manière de les montrer dépend de la surface :
    • Application Claude (ou toute surface pouvant afficher un widget interactif) : montrer la galerie de préréglages — une vignette par préréglage que l'utilisateur sélectionne, avec un bouton Appliquer qui renvoie le choix comme demande de génération. Préféré ici.
    • CLI / Antigravity / Codex / n'importe où sans rendu interactif (solution de repli universelle) : attacher assets/style_presets.png (l'aperçu statique) et exécuter node scripts/style.mjs --list-presets pour le menu texte. Les deux proviennent des mêmes préréglages. Grouper format court (9:16) / format long (16:9). L'utilisateur peut choisir un préréglage ou décrire n'importe quel style (par exemple « texte jaune, contour noir, en bas »). Suggérer un défaut selon l'orientation (portrait → format court, paysage → format long) mais le laisser choisir. N'appliquer qu'après qu'il a choisi ou décrit.
  2. Appliquer. Exécuter le worker en arrière-plan (l'encodage prend du temps) :
    • Depuis un projet STT Perso : node scripts/style.mjs --project <seq> --preset <id> [--out dossier]
    • Depuis des fichiers locaux : node scripts/style.mjs "<vidéo>" "<sous-titre.srt>" --preset <id> [--out dossier]
    • Lorsque le SRT que vous gravez provient d'une extraction STT Perso (un fichier [srt-original] ou une traduction de celui-ci), ajouter --origin perso ; pour un fichier de sous-titres que l'utilisateur a fourni lui-même, l'omettre. Télémétrie uniquement — cela ne change pas la sortie.
    • Style personnalisé : mapper la description de l'utilisateur en indicateurs de remplacement sur n'importe quel préréglage de base — --position center|lower|bottom|upper, --font, --fontsize, --primary RRGGBB, --outline RRGGBB, --outline-width, --box RRGGBB@opacity|none, --karaoke/--no-karaoke, --highlight RRGGBB, --uppercase, --bold/--no-bold (voir --help).
    • Polices : --font "<nom>" utilise une police installée ; un nom qui n'est pas installé revient automatiquement à la police système la plus proche (le mentionner le cas échéant). Un fichier de police fourni par l'utilisateur (.ttf/.otf/.ttc) se passe en --font-file "<chemin>" — le nom de la famille est lu à partir du fichier lui-même.
    • Plusieurs langues : exécuter une fois par SRT de langue avec le même --preset, en ajoutant --lang <code> pour que les sorties soient

…

[tronqué pour la traduction]

Individual skills in this repo

This repo contains 2 individual skills — each has its own dedicated page.

Skills associés