Communitygithub.com

中英バイリンガルハードバーン — ミュート耐性出荷

任意の外国語動画を中英バイリンガル成片にし、字幕を画面にハードバーン。どのプレーヤー/プラットフォームでも見える。

中英バイリンガルハードバーン — ミュート耐性出荷 とは?

Video Localization 手順3(ハード字幕出荷):tengfei0114us youtube-bilingual-hardburn。SRT+リップシンク後に中英ハードバーン。

対応✓Claude Code✓Codex CLI~Cursor✓Gemini CLI
npx skills add tengfei0114us/youtube-bilingual-hardburn

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

YouTube Bilingual Hardburn

外国語の動画を中国語-英語のハードサブ動画に変換します。決定的なステップはスクリプトで行われ、翻訳ステップはエージェント(LLM)が担当し、ここにすべてのリスクが存在します。

鉄則: 英語の1行につき中国語は1行。絶対に英語の1行を中国語の2行に分割したり(または2行を1行に結合したり)しないでください。翻訳バッチごとに verify_align.py を実行してください。1行ずれるだけで後続のすべての字幕が同期しなくなり、バーンが完了するまで気づきません。

ソースに句読点がある場合とない場合

  • YouTubeの自動キャプション(およびほとんどのASR)にはほぼ句読点がありません → 「.!? で分割する」アプローチは失敗します(すべてが1つのキューにまとまります)。このスキルでは、文字数制限までフレーズを結合することでこの問題を解決します。これがデフォルトのパスです。
  • ソースにすでにきれいな句読点付きの字幕がある場合でも、同じパイプラインが機能します。

前提条件

  • yt-dlp(ダウンロード)、ffmpeg(ハードバーン)、python3(スクリプト)。Pythonパッケージは不要です。
  • CJK対応フォントがインストールされていること。macOS: PingFang SC(デフォルト)。Linux: --font "Noto Sans CJK SC" を指定。Windows: --font "Microsoft YaHei" を指定。
  • SCRIPTS= このスキルの scripts/ ディレクトリへの絶対パス。一度設定して再利用します。

ワークフロー

バイリンガルハードバーンの進行状況:

- [ ] ステップ1: 動画とキャプションを取得 ⚠️ 必須
- [ ] ステップ2: キャプションを抽出し、読みやすい行に再セグメント化
- [ ] ステップ3: 各行を翻訳(1:1) — 注意が必要な部分 ⚠️ 必須
- [ ] ステップ4: verify_align.py == OK ⛔ ブロッキング(合格するまで次に進めません)
- [ ] ステップ5: バイリンガル .ass をビルドし、1つのテストフレームでスタイルを確認 ⚠️ 必須
- [ ] ステップ6: フル動画をハードバーン(長時間エンコード)+ スポットチェック

ステップ1: 動画 + キャプションを取得 ⚠️ 必須

yt-dlp -o "%(upload_date)s_%(title)s.%(ext)s" \
  -f "bestvideo[height<=1080][ext=mp4]+bestaudio[ext=m4a]/best[height<=1080]/best" \
  --merge-output-format mp4 --write-subs --write-auto-subs --sub-langs "en" \
  --no-mtime "<URL>"
  • --write-auto-subs でキャプションファイルが生成されない場合(キャプションがない動画もあります)、まず音声を文字起こし(例: whisper)して .vtt/.srt を作成し、その後続行します。
  • 2つの出力ファイルに注意: VIDEO.mp4 と VIDEO.en.vtt。

ステップ2: 抽出 + 再セグメント化 ⚠️

python3 "$SCRIPTS/extract_phrases.py" "VIDEO.en.vtt" > phrases.json
python3 "$SCRIPTS/merge_lines.py" phrases.json lines.json   # --max-chars 95 --gap 12

これにより lines.json([{start,end,en}])と lines_en.txt(番号付き idx<TAB>English ファイル)が生成されます。lines_en.txt を翻訳します。 必要に応じて後で調整:

  • 字幕が画面に長く表示されすぎる場合 → --max-chars を下げる(例: 70)
  • 自然なポーズで区切りたい場合 → --gap を下げる(例: 2.5) — より多くの短い行が生成されます

ステップ3: 各行を翻訳(1:1) ⚠️ 必須 — 注意が必要な部分

lines_en.txt(0..N-1 の番号付き)を読みます。プレーンテキストの中国語ファイルを生成します: 英語の各行に対して中国語の行を1行だけ、同じ順序で。 改行区切りのテキスト(JSON ではない — 中国語の引用符は JSON のエスケープを壊します)を書き込みます。

鉄則違反を防ぐルール:

  • 1行入力 → 1行出力。 英語の行を独立した単位として翻訳します。行が文の途中で切れていても(ASRではよくあることです)、中国語も同じ場所で切ります。行をまたいで「修正」しようとしないでください。
  • 約120〜150行のバッチで作業します。各バッチの後にファイルを書き込み、すぐに累積結果に対して verify_align.py を実行します。
  • 固有名詞は正しい形式(ChatGPT、OpenAI、Claude、Gemini、Grok、DeepSeek…)を維持します。ASRはそれらを歪めます(「chpd」→ChatGPT、「grock」→Grok、「ha cou」→haiku) — 実際の名前に修正します。
  • 堅苦しい翻訳ではなく、自然な話し言葉の中国語。話者の語調に合わせます。

すべてのバッチファイルを連結して1つの zh.txt にします(EN行ごとに1つのZH行、順番通り)。

ステップ4: verify_align.py ⛔ ブロッキング

python3 "$SCRIPTS/verify_align.py" lines.json zh.txt
  • OK と表示されたら → 次に進みます。
  • MISMATCH + サイドバイサイドの表が表示されたら → ENとZHの意味が一致しなくなった行を見つけます。その行が分割(1つのEN行が2つのZH行になった)または結合です。修正し(2つのZH行を1つに戻す、または1つを2つに分割)、再実行します。OKになるまで次に進まないでください。

ステップ5: .ass をビルド + 1つのテストフレームで確認 ⚠️ 必須

python3 "$SCRIPTS/build_bilingual_ass.py" lines.json zh.txt styled.ass
# 中国語が上(白44px)+ 英語が下(灰色30px)、下部中央。
# Linux/Windows: --font "Noto Sans CJK SC" / --font "Microsoft YaHei" を追加

字幕がある既知のタイムスタンプで1つのフレームをレンダリングし、長時間エンコードの前に確認します:

ffmpeg -ss 60 -i "VIDEO.mp4" -copyts -vf "ass=styled.ass" -frames:v 1 -y test_frame.png

ユーザーと確認: 中国語がレンダリングされているか(豆腐ボックス □□□ がない)、2段レイアウトが適切か、サイズ/位置が許容範囲か。必要に応じて --zh-size/--en-size/--margin/--font を調整し再ビルドします。テストフレームが正しく見えるまでフルエンコードを開始しないでください。

ステップ6: フル動画をハードバーン + スポットチェック

ffmpeg -y -i "VIDEO.mp4" -vf "ass=styled.ass" \
  -c:v libx264 -preset fast -crf 22 -c:a copy -sn "VIDEO_中英双语.mp4"

2時間の1080p動画は約15〜40分かかります — バックグラウンドで実行します。完了したら、開始、中間、終盤のフレームを取得して、字幕が全体を通して同期していることを確認します:

for t in 600 3900 7200; do ffmpeg -ss $t -i "VIDEO_中英双语.mp4" -frames:v 1 -y "chk_$t.png"; done

フレームがずれているように見える場合は、バグを疑う前に、同じタイムスタンプのキューが lines.json+zh.txt で同じソース行であることを再確認します(低解像度フレームは誤読しやすいです)。

アンチパターン

  • 翻訳中に行を分割/結合すること — 全動画の同期ずれの最大の原因。常に1つのEN行 = 1つのZH行。
  • 翻訳をJSONとして書き込むこと — 中国語の引用符「 ” 」や「 」はJSONの解析を静かに破壊します。改行区切りのプレーンテキストを使用してください。
  • 字幕の終了時間で順序付けを信頼すること — ローリングキャプションの終了時間は重なります。merge_lines.py は開始時間のみで順序付けします。終了時間で並べ替えないでください。
  • テストフレームをスキップすること — 2時間かけてバーンした後に豆腐ボックスや間違ったフォントを発見すると、エンコード全体が無駄になります。
  • オーディオを再エンコードすること — -c:a copy を使用してください。ビデオトラックのみが変更されます。
  • 動画ダウンロードスキルの古い build_bilingual.py を自動キャプションに使用すること — 句読点で分割し、トランスクリプト全体を1つのキューにまとめます。このスキルはそれを置き換えます。

納品前チェックリスト

  • verify_align.py が OK を表示した(EN数 == ZH数) .ass ビルド前
  • テストフレームを確認: 中国語がレンダリングされている、□ボックスなし、レイアウト/サイズが正しい
  • 最終mp4の開始/中間/終了フレームをスポットチェック — 字幕が同期している
  • 出力ファイル名が明確(例: <タイトル>_中英双语.mp4); 元の動画はそのまま
  • 固有名詞が修正されている(中国語に「chpd」/「grock」/「ha cou」が残っていない)

クロスプラットフォーム(OpenAI Codexなど)

すべてのスクリプトは純粋な python3 + ffmpeg/yt-dlp — Claude固有の依存関係はありません。このワークフローをCodex(またはシェル対応エージェント)で実行するには、references/codex-usage.md を読み込んでください。

関連スキル