字幕
转录 → Agent校对 → 人工审核 → 烧录
核心流程（总计约 8-15 分钟，含人工审核）
1. 提取音频 + 上传 ⏱ ~1min
↓
2. 火山引擎转录（带热词） ⏱ ~2min
↓
3. Agent 自动校对 ⏱ ~3-5min
↓
4. 人工审核确认 ⏱ 取决于用户
↓
5. 烧录字幕 ⏱ ~1-2min
Step 1: 提取音频并上传
# 提取音频
ffmpeg -i "video.mp4" -vn -acodec libmp3lame -y audio.mp3
# 上传到 uguu.se（临时文件托管）
curl -s -F "files[][email protected]" https://uguu.se/upload
# 返回 URL 如: https://o.uguu.se/xxxxx.mp3
Step 2: 火山引擎转录（带热词）
转录脚本会自动读取词典作为热词，提高识别准确率：
# 词典位置: /Users/chengfeng/Desktop/AIos/剪辑Agent/.claude/skills/字幕/词典.txt
# 脚本会自动加载
bash ../剪口播/scripts/volcengine_transcribe.sh "https://o.uguu.se/xxxxx.mp3"
词典格式（每行一个词）：
skills
Claude
Agent
成峰
剪辑skills
claude code
Step 3: Agent 自动校对
3.1 生成带时间戳的字幕
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 Agent 手动校对（不用脚本）
转录后，Agent 必须逐条阅读全部字幕，手动校对以下问题：
常见误识别规则表
| 误识别 | 正确 | 类型 |
|---|---|---|
| 成风 | 成峰 | 同音字 |
| 正特/整特 | Agent | 误识别 |
| IT就 | Agent就 | 发音相似 |
| edge的叉100 | Agentx100 | 误识别 |
| cloud code | Claude Code | 发音相似 |
| Schill/skill | skills | 发音相似 |
| 剪口拨/剪口波 | 剪口播 | 同音字 |
| 自净化/资金化 | 自进化 | 同音字 |
| 减口播 | 剪口播 | 同音字 |
| 录剪 | 漏剪 | 同音字 |
| 作为这个 | 做这个 | 同音字 |
| 斜杠V1/斜杠v | /v | 口语描述 |
| 斜杠v点口拨 | /v.口播 | 口语+同音 |
| a p i t/APIK | API Key | 误识别 |
| excuse | skills | 误识别 |
| 移完了 | 剪完了 | 同音字 |
常见漏字问题
| 原文 | 修正 | 说明 |
|---|---|---|
| 步呢是配置 | 第二步呢是配置 | 漏"第二" |
| 4步就是 | 第4步就是 | 漏"第" |
| 别省时间 | 特别省时间 | 漏"特" |
| 这个我们的 | 这个是我们的 | 漏"是" |
| 在里面看到 | 可以在里面看到 | 漏"可以" |
| 跟大家处理完 | 跟大家讲完 | 用词不当 |
| 剪辑了逻辑 | 剪辑的逻辑 | 语法错误 |
3.3 对照原稿校对（如有原稿）
如果有原稿/脚本，可以辅助校对，但不要用脚本自动匹配（文字差异会导致时间戳累积错误）。
Agent 应：
- 读取原稿作为参考
- 手动逐条对比，发现差异时修正
- 不确定的地方标记，留给人工审核
Step 4: 启动审核服务器
cd 字幕目录/
node /path/to/skills/字幕/scripts/subtitle_server.js 8898 "video.mp4"
功能：
- 左侧视频播放，右侧字幕列表
- 播放时自动高亮当前字幕
- 双击字幕文字编辑（时间戳不变）
- 倍速播放（1x/1.5x/2x/3x）
- 保存字幕 / 导出 SRT / 烧录字幕
- 底部显示词典快捷插入
Step 5: 烧录字幕
默认样式：22号金黄粗体、黑色描边2px、底部居中
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_字幕.mp4"
| 参数 | 值 | 说明 |
|---|---|---|
| FontSize | 22 | 字体大小 |
| FontName | PingFang SC | 苹方字体 |
| Bold | 1 | 粗体 |
| PrimaryColour | &H0000deff | 金黄色 #ffde00 |
| OutlineColour | &H00000000 | 黑色描边 |
| Outline | 2 | 描边宽度 |
| Alignment | 2 | 底部居中 |
| MarginV | 30 | 底部边距 |
目录结构
output/YYYY-MM-DD_视频名/字幕/
├── 1_转录/
│ ├── audio.mp3
│ └── volcengine_result.json
├── subtitles_with_time.json # 核心文件
└── 3_输出/
├── video.srt
└── video_字幕.mp4
字幕规范
| 规则 | 说明 |
|---|---|
| 一屏一行 | 不换行，不堆叠 |
| 句尾无标点 | 你好 不是 你好。 |
| 句中保留标点 | 先点这里，再点那里 |
反馈记录
2026-01-31
- 火山引擎支持热词，已集成到转录脚本
- Agent 转录后需要自动校对，不能直接交给用户
- 字幕样式：金黄粗体 #ffde00，描边 2px
- IT 常被误识别为 Agent，需加入纠错规则
- 重要：Agent 校对必须手动逐条阅读，不能用脚本自动匹配
- 新增 17 条常见误识别规则（详见 3.2 节）
- 漏字问题比误识别更难发现，需要特别注意