ChHsiching/video-subtitle-skill

video-subtitle-skill 是做什么的？

外文原片 → 双语熟肉：WhisperX 语音识别、智能代理翻译、ASS 字幕烧录、云端 SRT 软字幕，upload.md + 封面。视频烹饪链条的核心。

概述

该技能实现了从外文视频到双语字幕成品的完整转换流程，包括语音识别、机器翻译、字幕渲染与上传，并生成配套的封面与日志文件。

功能特性

• WhisperX 语音识别：使用 WhisperX 模型进行高精度语音转文本，支持多种语言。
• 智能代理翻译：通过 AI Agent 自动将识别出的原文翻译为目标语言。
• ASS 字幕烧录：将双语字幕直接渲染到视频画面中（硬字幕），生成 ASS 格式字幕文件。
• 云端 SRT 软字幕：生成 SRT 格式软字幕文件，并支持上传至云存储。
• 自动封面与日志：生成视频封面（cover），并创建 upload.md 记录上传信息。
• 完全可集成：作为视频烹饪链条的核心组件，可被其他工具或脚本调用。

工作原理

1. 输入外文视频文件。
2. 调用 WhisperX 进行语音识别，输出带时间戳的文本。
3. 代理翻译引擎将识别文本批量翻译为中文。
4. 生成两种字幕格式：
   • 硬字幕：将双语字幕直接嵌入视频（ASS 格式）。
   • 软字幕：生成独立的 SRT 文件，上传至云端。
5. 生成视频封面（cover）和 upload.md 文件，记录处理结果。
6. 输出最终的成品视频、字幕文件及元数据。

使用方法

# 示例命令（假设已安装依赖）
python video_subtitle_skill.py --input input.mp4 --output output.mp4

更多配置请参见项目文档。

依赖项

• Python 3.8+
• WhisperX
• FFmpeg
• 云存储 SDK（阿里云 OSS / AWS S3 等，按需启用）

许可

MIT License