Sous-titres
Transcription → Correction par Agent → Révision humaine → Incrustation
Flux principal (environ 8-15 min, révision humaine incluse)
1. Extraction audio + upload ⏱ ~1min
↓
2. Transcription Volcano Engine (mots-clés) ⏱ ~2min
↓
3. Correction automatique par Agent ⏱ ~3-5min
↓
4. Révision humaine et confirmation ⏱ dépend de l'utilisateur
↓
5. Incrustation des sous-titres ⏱ ~1-2min
Étape 1 : Extraire l'audio et le télécharger
# Extraction audio
ffmpeg -i "video.mp4" -vn -acodec libmp3lame -y audio.mp3
# Téléchargement vers uguu.se (hébergement temporaire)
curl -s -F "files[][email protected]" https://uguu.se/upload
# Retourne une URL comme : https://o.uguu.se/xxxxx.mp3
Étape 2 : Transcription Volcano Engine (mots-clés)
Le script de transcription lit automatiquement le dictionnaire comme mots-clés pour améliorer la précision :
# Emplacement du dictionnaire : /Users/chengfeng/Desktop/AIos/剪辑Agent/.claude/skills/字幕/词典.txt
# Le script le charge automatiquement
bash ../剪口播/scripts/volcengine_transcribe.sh "https://o.uguu.se/xxxxx.mp3"
Format du dictionnaire (un mot par ligne) :
skills
Claude
Agent
成峰
剪辑skills
claude code
Étape 3 : Correction automatique par l'Agent
3.1 Générer les sous-titres horodatés
const result = JSON.parse(fs.readFileSync('volcengine_result.json'));
const subtitles = result.utterances.map((u, i) => ({
id: i + 1,
text: u.text,
start: u.start_time / 1000,
end: u.end_time / 1000
}));
fs.writeFileSync('subtitles_with_time.json', JSON.stringify(subtitles, null, 2));
3.2 Correction manuelle par l'Agent (sans script)
Après transcription, l'Agent doit lire une par une toutes les lignes de sous-titres et corriger manuellement les problèmes suivants :
Tableau des erreurs de reconnaissance courantes
| Erreur de transcription | Correction | Type |
|---|---|---|
| 成风 | 成峰 | Homophone |
| 正特/整特 | Agent | Mauvaise reconnaissance |
| IT就 | Agent就 | Prononciation similaire |
| edge的叉100 | Agentx100 | Mauvaise reconnaissance |
| cloud code | Claude Code | Prononciation similaire |
| Schill/skill | skills | Prononciation similaire |
| 剪口拨/剪口波 | 剪口播 | Homophone |
| 自净化/资金化 | 自进化 | Homophone |
| 减口播 | 剪口播 | Homophone |
| 录剪 | 漏剪 | Homophone |
| 作为这个 | 做这个 | Homophone |
| 斜杠V1/斜杠v | /v | Description orale |
| 斜杠v点口拨 | /v.口播 | Oral + homophone |
| a p i t/APIK | API Key | Mauvaise reconnaissance |
| excuse | skills | Mauvaise reconnaissance |
| 移完了 | 剪完了 | Homophone |
Problèmes courants de mots manquants
| Texte original | Correction | Explication |
|---|---|---|
| 步呢是配置 | 第二步呢是配置 | "第二" manquant |
| 4步就是 | 第4步就是 | "第" manquant |
| 别省时间 | 特别省时间 | "特" manquant |
| 这个我们的 | 这个是我们的 | "是" manquant |
| 在里面看到 | 可以在里面看到 | "可以" manquant |
| 跟大家处理完 | 跟大家讲完 | Terme inapproprié |
| 剪辑了逻辑 | 剪辑的逻辑 | Erreur grammaticale |
3.3 Vérification avec le script original (si disponible)
Si un script original est disponible, il peut aider à la correction, mais ne pas utiliser de script pour une correspondance automatique (les différences de texte entraîneraient des erreurs cumulatives de timestamp).
L'Agent doit :
- Lire le script original comme référence
- Comparer manuellement chaque ligne et corriger les différences
- Marquer les passages incertains pour la révision humaine
Étape 4 : Lancer le serveur de révision
cd répertoire_sous-titres/
node /path/to/skills/字幕/scripts/subtitle_server.js 8898 "video.mp4"
Accéder à http://localhost:8898
Fonctionnalités :
- Vidéo à gauche, liste de sous-titres à droite
- Surlignage automatique du sous-titre en cours de lecture
- Double-clic pour éditer le texte d'un sous-titre (timestamp inchangé)
- Lecture à vitesse variable (1x/1.5x/2x/3x)
- Sauvegarder les sous-titres / Exporter en SRT / Incruster les sous-titres
- Insertion rapide depuis le dictionnaire en bas
Étape 5 : Incrustation des sous-titres
Style par défaut : taille 22, or gras, contour noir 2px, centré en bas
ffmpeg -i "video.mp4" \
-vf "subtitles='video.srt':force_style='FontSize=22,FontName=PingFang SC,Bold=1,PrimaryColour=&H0000deff,OutlineColour=&H00000000,Outline=2,Alignment=2,MarginV=30'" \
-c:a copy \
-y "video_sous-titres.mp4"
| Paramètre | Valeur | Description |
|---|---|---|
| FontSize | 22 | Taille de police |
| FontName | PingFang SC | Police PingFang |
| Bold | 1 | Gras |
| PrimaryColour | &H0000deff | Jaune or #ffde00 |
| OutlineColour | &H00000000 | Contour noir |
| Outline | 2 | Largeur du contour |
| Alignment | 2 | Centré en bas |
| MarginV | 30 | Marge inférieure |
Structure des répertoires
output/YYYY-MM-DD_nom_vidéo/sous-titres/
├── 1_transcription/
│ ├── audio.mp3
│ └── volcengine_result.json
├── subtitles_with_time.json # Fichier principal
└── 3_sortie/
├── video.srt
└── video_sous-titres.mp4
Règles pour les sous-titres
| Règle | Description |
|---|---|
| Une ligne par écran | Pas de retour à la ligne, pas d'empilement |
| Pas de ponctuation en fin de phrase | Bonjour et non Bonjour. |
| Ponctuation conservée dans la phrase | Cliquez ici, puis là |
Journal des retours
2026-01-31
- Volcano Engine prend désormais en charge les mots-clés, intégrés au script de transcription
- L'Agent doit effectuer une correction automatique après transcription, ne pas transmettre directement à l'utilisateur
- Style des sous-titres : or gras #ffde00, contour 2px
- IT est souvent mal reconnu comme Agent, ajout d'une règle de correction
- Important : La correction par l'Agent doit être faite manuellement ligne par ligne, sans script de correspondance automatique
- Ajout de 17 règles de reconnaissance courantes (voir section 3.2)
- Les mots manquants sont plus difficiles à détecter que les erreurs de reconnaissance, nécessitent une attention particulière