Communitygithub.com

Chengfeng Subtitle — sous-titres calés sur le montage

Sous-titre une vidéo face caméra montée directement à partir de la transcription mot à mot et du registre de coupes : les temps après coupe sont calculés, les noms mal entendus corrigés via votre dictionnaire et votre script, les phrases découpées en écrans, chaque écran relu dans le Studio.

Qu'est-ce que Chengfeng Subtitle — sous-titres calés sur le montage ?

Short-form Editing, étape 2 (sous-titrer) : video-skill-ku-chengfeng-subtitle. Les sous-titres stockent des identifiants de mots et le texte affiché, jamais des secondes : le timing est recalculé depuis le registre à chaque fois et les écrans périmés sont signalés précisément. Relancez-le après chaque coupe, puis passez à l'export.

Compatible avec✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/2789927464king-jpg/video-skill-ku/tree/HEAD/chengfeng-videocut-skills/plugins/chengfeng-videocut/skills/chengfeng-subtitle

Demander à votre IA préférée

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

Documentation

Sous-titres

C'est une tâche unique, pas une étape d'un processus. Elle s'exécute quand l'utilisateur le demande – juste après le montage, ou après avoir supprimé deux phrases et tout recommencer.

Elle n'a qu'un prérequis : le grand livre existe déjà. Pas parce qu'elle vient après le montage, mais parce que sans le grand livre, elle ne sait pas quelles phrases sont conservées ni à quelle seconde elles se trouvent dans la vidéo finale.

Nécessite   edit-list.json (grand livre), transcript.json (transcription mot à mot)
Produit     subtitles.json

Elle s'arrête une fois terminée, ne dirige pas l'utilisateur vers l'étape suivante.

Lire et exécuter d'abord le contrat de phase du Skill métier, les critères selon les règles de correction des sous-titres, et l'écriture des noms propres selon le dictionnaire de termes IA.

Qui a le dernier mot

C'est le fondement de cette section, tout le reste en découle.

Montage voix-off   décide « quelles phrases garder, à quel moment »   ← la seule vérité temporelle
Sous-titres        décide « quels caractères afficher à l'écran »    ← la seule vérité d'affichage

Un écran de sous-titres stocke une liste d'IDs de mots + le texte affiché, pas de secondes. Le temps est recalculé à chaque fois depuis le grand livre. Ainsi, les deux registres ne peuvent pas diverger sur le temps, et les écrans obsolètes peuvent être identifiés précisément : « les mots des écrans 7 et 12 ont été coupés », au lieu d'un vague « les sous-titres sont peut-être obsolètes ».

Les sous-titres stockent leur propre texte intentionnellement. La transcription répond à « qu'a-t-il dit ? », le sous-titre répond à « que voit-on ? » — ponctuation, tics de langage supprimés, orthographe formelle des noms propres, tout cela doit être différent. Forcer une seule chaîne à faire les deux empêcherait à jamais d'ajouter une virgule.

0. Prêt

Exécuter d'abord la « vérification de disponibilité » de Vérifier les mises à jour — les skills sont-ils à jour, le Runtime est-il compatible ; la racine du plugin y est également localisée (dans les commandes de ce document, <racine_plugin> est remplacé par ce chemin littéral). Continuer uniquement si « Prêt » ; en cas de « Nouvelle session nécessaire » ou « Stop », suivre ses instructions (y compris l'interdiction de créer une interface de substitution personnalisée), le Skill métier n'intègre pas de logique d'environnement.

Si le résultat de disponibilité est runtime.kind=desktop-managed, réutiliser directement le CLI stable déjà installé par l'application de bureau et le même service launchd/windows-task ; ne pas analyser le chemin d'Electron, installer des dépendances supplémentaires ni lancer un second Runtime.

1. Assertions d'entrée

node "<racine_plugin>/scripts/ensure-running.cjs" --json
node "<racine_plugin>/scripts/videocut-cli.cjs" inspect "<répertoire_projet>" --json
AssertionEn cas d'échec
edit-list.json existe et contient des segmentsExpliquer clairement que le grand livre manque, demander à l'utilisateur de faire d'abord le montage voix-off. Ne pas faire le montage soi-même.
transcript.json existeLe projet n'est pas prêt, arrêter. Ne pas en créer un soi-même.

Ne pas affirmer l'existence de source_cut.mp4, ni transcrire. Les sous-titres n'ont besoin ni de l'un ni de l'autre — voir la section suivante.

2. Correction des mots : d'abord le dictionnaire, puis le script

Pas besoin de retranscrire. La transcription mot à mot originale contient déjà les horodatages, et le grand livre sait quels segments sont conservés — la seconde de chaque mot dans la vidéo finale est calculée, pas réécoutée :

La seconde du mot dans la vidéo source   se trouve dans la transcription
Les segments conservés                    se trouvent dans le grand livre
La seconde du mot dans la vidéo finale    se calcule à partir des deux

Relancer l'ASR ne ferait que réécouter la même chose, coûteux en temps et en argent, et avec une moins bonne qualité — il faudrait à nouveau corriger les noms propres. (transcript retranscribe est un vestige de l'ancienne conception, où les sous-titres dépendaient de la transcription de la vidéo montée pour obtenir la timeline. Ce problème a disparu depuis que les sous-titres sont basés sur les IDs de mots. Pour faire des sous-titres, ne pas l'utiliser.)

Deux outils différents, tous deux nécessaires.

# Dictionnaire : écriture fixe pour ce locuteur, sans preuve nécessaire
node "<racine_plugin>/scripts/videocut-cli.cjs" transcript dictionary "<répertoire_projet>" --dictionary "<racine_plugin>/references/ai-term-dictionary.md" --json

# Script : seulement si l'auteur a un script, preuve requise à chaque occurrence
node "<racine_plugin>/scripts/videocut-cli.cjs" transcript align "<répertoire_projet>" --script "<fichier_script>" --json
Dictionnaire   toujours écrire ainsi            ne tient pas compte du contexte, modifie directement, liste les modifications
Script         n'écrit ainsi que si le contexte correspond   preuve requise à chaque occurrence, indique « incertain » en cas de non-concordance, ne devine pas

Pourquoi le dictionnaire est indispensable, et le script ne suffit pas : la voix-off est réenregistrée. Dans un projet réel, la même phrase a été enregistrée quatre fois. Ainsi, des contextes comme « connecteur X » ou « X est » apparaissent plusieurs fois chacun, et align ne peut que signaler « incertain » — par règle, il ne devine pas, car écrire un nom propre de travers est pire que de mal entendre. Sur trois occurrences de « X », il n'en corrige qu'une seule. Le dictionnaire n'a pas ce problème : dans l'œuvre de ce locuteur, « X » est toujours « X ».

Il n'y a qu'un seul dictionnaire, au niveau du plugin dans references/ai-term-dictionary.md : il corrige la transcription, et le montage voix-off ainsi que les sous-titres utilisent la même transcription. Ne pas en créer un autre sous ce skill.

Après la correction, relire la liste. Le dictionnaire ne tient pas compte du contexte, il peut donc aussi faire des erreurs — par exemple, normaliser un véritable « Skills » (Claude Skills, nom propre pluriel) en « Skill ». Si vous voyez une erreur, corrigez le dictionnaire, ne patchez pas en contournant la commande.

transcript align se contente de signaler, sans appliquer les corrections. Pour appliquer ses propositions, convertir les corrections en [{wordId, text}] puis exécuter :

node "<racine_plugin>/scripts/videocut-cli.cjs" transcript correct "<répertoire_projet>" --file "<fichier_correction>" --json

Après la correction de la transcription, les écrans de sous-titres qui référencent ces mots seront mis à jour dans la même opération, renvoyant subtitles.updated. Ceux qui ne peuvent pas être modifiés (ligne réécrite manuellement) sont signalés dans needsAttention pour que l'utilisateur les voie, sans deviner.

Lorsque ni le dictionnaire ni le script ne permettent de confirmer une orthographe correcte, il est interdit de deviner. Signaler à l'utilisateur pour qu'il complète le dictionnaire — une fois ajouté au dictionnaire, la prochaine vidéo sera automatiquement correcte ; deviner une fois obligerait à deviner à nouveau la fois suivante.

3. Répartition en écrans

node "<racine_plugin>/scripts/videocut-cli.cjs" subtitle build "<répertoire_projet>" --json

Quatre règles, dans l'ordre :

① Du contenu a été supprimé ici   Les deux côtés de la coupure sont adjacents dans la timeline et n'ont aucun lien sémantique.
                                 Une « suppression silencieuse » ne compte pas — couper une pause au milieu d'une phrase ne doit pas couper la phrase en deux.
② Tout signe de ponctuation       Donné par Volcano Engine, point et virgule comptent tous les deux — **même granularité que la segmentation du montage voix-off**,
                                 la coupure se fait au même endroit. La ponctuation est plus forte que toute preuve temporelle : un locuteur peut enchaîner deux phrases sans reprendre son souffle, ou faire une pause au milieu d'une phrase.
③ Limite de paragraphe + pause    **Uniquement lorsque le mot n'a pas de ponctuation.** C'est « quand il n'y a pas de ponctuation, deviner que la phrase se termine grâce au paragraphe »,
                                 s'il y a de la ponctuation, c'est la règle ② qui doit s'appliquer — elle tient compte de la longueur de l'écran, contrairement à ③.
                                 (Déclencher ③ sur une frontière avec ponctuation transforme 40 écrans en 43 écrans dans un projet réel, créant davantage d'écrans fragmentés.)
④ L'auditeur entend une longue pause   À l'intérieur d'une phrase, une coupure nécessite un silence plus long pour être justifiée.

Le montage voix-off et les sous-titres utilisent la même ponctuation, avec la même granularité : une virgule = un segment / un écran.

Les fragments (un ou deux caractères) sont fusionnés, mais pas au-delà d'un point — « Tu vois » commence une nouvelle phrase, ce n'est pas la queue de la précédente ; le fusionner vers l'arrière donnerait « …appeler Grok CLI tu vois », mélangeant les deux phrases.

Les phrases courtes prononcées rapidement par le locuteur sont conservées (dans un projet réel, « chaque matin » et « exécuter la tâche » durent chacun 0,6 seconde). C'est vraiment ainsi qu'il parle, pas d'alerte. Un écran par virgule produit nécessairement ce genre d'écran ; déclencher une alerte pour cela reviendrait à alerter pour une parole normale — trop d'alertes, et personne ne les lit plus.

Ce qui reste plus long qu'un écran est réparti équitablement en plusieurs écrans, un écran par ligne. Si la coupure produit des fragments d'un ou deux caractères, c'est que la frontière ② n'est en fait pas un point ; fusionner le fragment avec l'écran précédent.

La commande renvoie quatre éléments, tous à vérifier :

stale              Écrans modifiés par le montage — indique précisément l'écran et les caractères perdus
tooFast            Trop de caractères, pas assez de temps pour les lire
transcriptMoved    La transcription n'est plus celle d'origine

Lorsque des sous-titres existent déjà — s'arrêter et demander ici

Sans --replace, la commande refuse directement. C'est le seul endroit de ce skill où il faut demander l'accord de l'utilisateur, car --replace efface un travail manuel de répartition et de formulation que le produit ne peut pas restaurer lui-même.

L'utilisateur veut modifier quelques mots   Ne pas faire build. Le laisser modifier directement dans Studio, ou vous dire quels écrans modifier.
L'utilisateur veut tout recommencer         Confirmer avant d'ajouter --replace.

4. Révision : écran par écran dans Studio

node "<racine_plugin>/scripts/videocut-cli.cjs" open "<répertoire_projet>" --json

Une fois ouvert, accéder à l'onglet « Sous-titres » dans la colonne de gauche. Une ligne par écran : à gauche le numéro et le temps, à droite le texte, cliquer pour modifier directement.

  • Entrée = créer un nouvel écran à partir du curseur
  • Retour arrière en début de ligne = fusionner avec l'écran précédent
  • Dans la colonne de droite, « Paramètres → Sous-titres », choisir un des quatre préréglages, un seul style pour toute la vidéo
  • Les sous-titres sont visibles directement à l'écran, leur position et taille sont proportionnelles à l'image — l'aperçu et le rendu final utilisent les mêmes données

Lors de la révision, faire confirmer au moins : les noms propres sont-ils corrects, y a-t-il des lettres manquantes, la coupe est-elle fluide à la lecture, l'écran reste-t-il assez longtemps pour être lu.

5. Jusqu'à subtitles.json

Cette section est terminée. Ne pas faire de découpage physique, de storyboard, d'animation, de rendu final, ni inciter l'utilisateur à passer à l'étape suivante.

Le rapport doit être séparé : le readback structuré du produit est API/readback PASS ; la vérification des images réelles du projet est visual frame PASS ; tant qu'aucun humain n'a vérifié la correspondance des sous-titres avec l'image, il s'agit toujours de human listening UNVERIFIED, à ne pas remplacer par du DOM, des captures d'écran ou la détection de fichiers.

Limite : l'incrustation dans l'image n'est pas de cette section

Le format de livraison défini est l'incrustation dans l'image, mais l'image est générée lors de l'exportation. La livraison des sous-titres est subtitles.json — toutes les dimensions sont des pourcentages de l'image, convertis en pixels lors de l'exportation selon la résolution de sortie, les deux utilisant les mêmes données.

Le mp4 exporté aujourd'hui ne contient pas de sous-titres, cette étape n'est pas encore faite. Le rapport doit clairement indiquer cette conséquence, ne pas se contenter de dire « les sous-titres sont prêts » — l'utilisateur croirait qu'ils sont dans la vidéo finale.

Récupération et échecs

  • subtitles_exist : des sous-titres existent déjà. D'abord demander, ne pas utiliser --replace directement.
  • revision_conflict : une autre instance écrit en même temps. Relire, ne pas écraser automatiquement.
  • Le dictionnaire signale « ligne N illisible » : une ligne de tableau mal formatée. Les règles ne reconnaissent que les lignes de tableau (| écriture correcte | erreur courante |), la prose et les listes sont ignorées silencieusement.
  • transcript correct signale « must not change any word id, time or gap flag » : la proposition de correction contient des modifications de temps. Ne corriger que les mots.
  • runtime_unhealthy : ne pas boucler la réinstallation.
  • En cas d'échec, ne jamais dire que la « transcription est terminée » est équivalent à « les sous-titres sont prêts ». L'ASR produit la matière première, pas le produit fini.

Individual skills in this repo

This repo contains 8 individual skills — each has its own dedicated page.

2789927464king-jpg/video-skill-ku

剪辑环境的唯一管理者:就绪检查(skills 是否最新 → Runtime 是否配套)、Skills 更新激活、Runtime 安装与体检。用户说检查更新、安装剪辑环境、装播放器、检查剪辑环境、剪辑环境就绪了吗、配置转录凭证时使用;业务 Skill(剪口播/字幕/画面/导出)第 0 步也引用本 Skill 的就绪检查。不用于剪辑、字幕、画面、导出本身或项目数据迁移。

2789927464king-jpg/video-skill-ku

剪辑中文口播原素材:逐词转录、词典修字出修字表、五轮扫描找口误与重复、汇总表与重复句子表、打开 Studio 让用户复核、复盘沉淀用户偏好与词典。只产出一份已复核的删词账本,不切媒体、不做字幕、不做分镜动画。用户说剪口播、处理口误、生成口播基础素材、继续剪口播,或确认卡回传 action=return_cut_review 时使用。不要用于执行物理剪切、导出剪后视频、单独安装、单独打开工作台或口播分镜成片。

2789927464king-jpg/video-skill-ku

把剪好的口播烧成一个成片文件:账本切片段、推近、字幕、HTML 画面层,一次全部烧进 mp4。用户说导出、出成片、烧字幕、渲染、导出视频、生成最终文件时使用。不要用于生成删词候选、写字幕、做画面动画。

2789927464king-jpg/video-skill-ku

整理、脱敏并上报 chengfeng-videocut 的 GitHub Bug。用户说上报 Bug、反馈剪口播问题、提交 GitHub Issue、这个问题告诉开发者,或要求继续提交已预览的 Bug 草稿时使用。不要用于功能建议、普通排错、代码提交或未获用户确认的自动上报。

2789927464king-jpg/video-skill-ku

操作 chengfeng-videocut 剪辑工作台的已有工程,通过 Runtime CLI 查工程与词句位置、添加或替换画面覆盖层、移除画面、删除明确指定的词句或片段、拆分裁剪移动已有片段、调整画布比例并回读核验。用户说插入片段、删掉这句、移除动画、换个画面、调整顺序或管理时间线时使用;先区分画面覆盖与主轨顺延插入,不负责自动判断口误、创作动画、制作字幕、导出或排查安装故障。

2789927464king-jpg/video-skill-ku

Create Ian Xiaohei-style HTML/SVG motion illustrations for Chinese articles, scripts, storyboard scenes, workflow explanations, concept metaphors, and short video visual aids. Use when the user asks for 小黑 SVG、漫画感 HTML、分层 SVG 动效、把小黑生图做成 HTML/SVG、可编辑矢量动效、口播流程动画、手绘漫画动效、正文配图动画, or wants a Xiaohei illustration style adapted into controllable HTML/SVG/GSAP output instead of raster image generation.

2789927464king-jpg/video-skill-ku

给剪好的口播配画面:在录屏上盖 HTML 层(圈重点标注 / 小黑整屏动画 / 推近),层绑字幕屏、由播放器逐帧驱动、直接在预览里看。用户说做分镜、配画面、加动画、圈重点、B-roll、做 storyboard 时使用。不要用于删词剪辑、字幕、物理剪切或成片渲染。

2789927464king-jpg/video-skill-ku

剪映 (JianYing) AI自动化剪辑的高级封装 API (JyWrapper),提供开箱即用的 Python 接口,支持录屏、素材导入、字幕生成、Web 动效合成及项目导出。全面适配 MacOS (Apple Silicon/Intel) 与 Windows,支持 v5.9+ (draft_info.json) 架构、工程自修复、智能配音字幕及录屏变焦。

Skills associés