caption-burn
Legendas sincronizadas com o que é realmente dito no vídeo finalizado, não com a estimativa do roteiro.
Execução
python transcribe.py --media reel.mp4 --out reel.words.json # pago, centavos
python captions.py --video reel.mp4 --beats cutlist.aligned.json \
--words reel.words.json --out final.mp4 [--style plate|outline] [--highlight Marca]
--beats fornece as linhas (vo), seu timing e, para layouts divididos, seam, size e o state de cada batida. Qualquer arquivo com beats: [{start, end, vo}] funciona.
Posicionamento e estilo
-
--anchor seam(o padrão quando as batidas têm uma costura): em batidassplit, a placa é fixada na costura, posicionada pela placa, não pelo texto: 25% da placa acima da linha, 75% abaixo. Batidas em tela cheia usam--full-y. -
--anchor fixed --y 0.62: a placa de cada legenda fica centralizada naquela fração da altura. -
plate(padrão): branco negrito sobre uma placa cinza escura arredondada, 1–2 palavras, cap ~0,019 H. -
outline: branco negrito com contorno escuro, sem placa, 1–3 palavras, cap ~0,034 H. -
--highlight PALAVRAcolore essa palavra em amarelo (a palavra-chave da CTA). Repetível. -
serif-word: UMA palavra por vez, serifa pesada (Georgia Bold), branca com contorno preto, em uma linha de base fixa a 0,77 H (aparência de inserção na tela). A palavra destacada é citada. -
--card "LINHA UM|LINHA DOIS" --card-until 4.7: um cartão de gancho branco arredondado com duas linhas de vermelho maiúsculo pesado próximo ao topo, para os segundos iniciais. ~14 caracteres por linha.
Legendas para um formato sem locução (plates.py)
python plates.py --video walk.mp4 --beats cutlist.json --out captioned.mp4 [--logo logo.png]
O caption de cada batida (uma string ou lista de linhas) aparece durante toda a batida em UM bloco preto (retângulos quadrados unidos, depois arredondados como uma única silhueta: arredondar cada linha deixa costuras), linhas alinhadas à esquerda, o bloco centralizado na linha mais larga. Ele vai na banda mais vazia do quadro daquela batida, a menos que a batida fixe cap_y. logo: true em uma batida pendura o tile do logotipo abaixo do bloco. Escreva linhas como uma pessoa digitaria: a mesma forma curta "fragmento. fragmento." três vezes parece gerada por IA. Nenhum emoji duas vezes.
Regras
- Transcreva o ÁUDIO FINALIZADO. A junção de takes e o alinhamento de linhas alteram o timing; apenas o áudio do vídeo final fornece as pistas corretas.
- A última legenda permanece até o último quadro. É a chamada para a ação.
- Uma palavra que o Whisper escreve de forma diferente ("duzentos" para "200") é interpolada entre suas vizinhas, em vez de ser descartada ou esticada por toda a linha.
- Sem
--words, o timing é estimado a partir das sílabas. Use isso para julgar o posicionamento, nunca para publicar. - Fontes: uma sem negrito é encontrada no macOS, Linux ou Windows; se nenhuma estiver presente, Roboto Bold é baixada uma vez para
~/.cache/gooseworks/fonts.--fontouGW_CAPTION_FONTsubstitui.