Communitygithub.com

video-captions

単語タイミング付きの表示キャプションと、完全なフレーズベースのサイドカー字幕を、最終的な音声編集に正確に合わせて作成します。SRTタイミング、読みやすい焼き込みキャプション、安全な配置、転記の修正、編集後のキャプション品質保証に使用します。

video-captions とは?

このスキルは、動画編集におけるキャプションと字幕の作成、修正、品質保証を専門に行います。ASR(自動音声認識)や強制アライメントから得られた転記を、実際の音声と照合して修正し、単語レベルまたはフレーズレベルで正確なタイミングを設定します。表示用キャプション(焼き込み)とサイドカーSRTファイルの両方を生成し、W3Cアクセシビリティ基準に準拠した読みやすい書式と安全な配置を保証します。主な機能には、タイミング補正、発話の修正(固有名詞、否定語など)、複数行フレーズへのグループ化、重複やドリフトのチェック、フォントやスタイルの適用、そして最終的な書き出し前のQAが含まれます。このスキルは、Claude Code、Coder、および一般的なAIエージェントプラットフォームで動作し、FFmpegやlibassなどの外部ツールと連携して高品質なキャプションを実現します。

対応✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/georgewangyu/GeorgeVideoAgent/tree/HEAD/skills/video-captions

お気に入りのAIに質問する

このエージェントスキルを事前に読み込んだ状態で新しいチャットを開きます。

ドキュメント

キャプションと字幕

プロジェクト契約書を読んでください。 修正したテキストは編集可能な状態に保ち、最終的な音声クロックに正確に合わせてください。

修正とアライメント [bl: invariant]

現在のAカット/オーディオハッシュと修正済み転記を使用します。必要に応じて、名前、数字、否定語、技術用語、および意味のある非発話/話者キューを確認します。ASRと強制アライメントは提案であり、音声に対して検証する必要があります。単語をでっち上げたり、ソーストランスクリプトを出力タイミングが合っているかのように使用したり、タイトルが画面を占有しているという理由で保持された発話を暗黙のうちに省略したりしないでください。

タイミングが不明な場合は、正確な範囲を捏造するのではなく、キューを暫定的なものとしてマークします。ソーストランスクリプトを、検証済みのソース→出力決定マップを通してマッピングし、実際の出力を確認します。発話のトリミングは、影響を受けるキューのタイミング/テキストを無効にします。表示キャプションが少ない場合でも、完全な修正済みSRTサイドカーを維持します。

読みやすい処理と実行 [bl: invariant]

表示キャプションについては、エディタのリクエスト、プロジェクトのオーバーライド、および適用されたスタイル設定を、この順序に従います。未指定の選択肢にはデフォルトのキャプションスタイルを使用します。たとえば、2語グループのリクエストは、特に指定がない限り、デフォルトのタイポグラフィを維持したままグループ化を変更します。

選択した処理が必要とする粒度でタイミングを検証します。完全なSRTを、強調キューでカバーされる発話を含め、最大2行の読みやすいフレーズにグループ化します。

プログラム期間内で非負の順序付けられたキュー間隔を確認します。重複は意図的である必要があります。出力フレーム/サンプルタイムベースを考慮し、独立した丸め誤差のドリフトを防ぎます。利用可能なエディタまたはFFmpegサブタイトル/libassがインストールされている場合はそれを使用します。正確なビルドがそれをサポートしていることをレンダリング前に確認します。Unicodeを保持し、ファイル名/テキストを安全にエスケープします。キャプションテキストはデータであり、シェルコードではありません。

実際のグリフ、アウトライン/影、モーションを、安全な矩形およびプラットフォームUIに対して測定します。読みやすさを損なう前にリフロー/移動を行います。実際のコンポジットを確認し、顔、プルーフ、lower-third、スクリーンショットのテキスト衝突(最短/最長のキュー、最初/最後のレンダリングフレームを含む)を検査します。中央揃えのバウンディングボックスだけでは包含の証明にはなりません。

検証 [bl: invariant]

サイドカーと表示キャプションを、開始/終了を含む保持されたすべての発話と照合します。実際の単語/フレーズの開始時点でタイミングを検査し、配信サイズで正確なエクスポートをサンプリングします。キャプションのトランジションとモーションを確認します。静的なコンタクトシートでは読み取り時間を確立できません。キューデータ/SRT、フォント/処理の選択、出力ID、レビュー済み/未レビューの範囲を返します。エクスポートQAに引き継ぎます。トランスクリプトの比較や自動チェックのみを実行した場合に、すべての単語が聞こえたと主張しないでください。

参照

Individual skills in this repo

This repo contains 4 individual skills — each has its own dedicated page.

関連スキル