Communitygithub.com

视频字幕

创建与最终语音编辑精确对齐的逐字可见字幕和完整短语旁白字幕。用于SRT时间轴、可读性强的内嵌字幕、安全放置、转录校正以及编辑更改后的字幕质量检查。

视频字幕 是什么?

该技能专注于为视频制作精确同步的字幕和旁白字幕。它要求用户使用当前音频剪辑和校正后的转录文本,并强调通过人工验证来修正ASR(自动语音识别)和强制对齐中的错误。技能涵盖了从校正和同步文本到生成SRT格式的旁白字幕,再到设计可读性强的内嵌字幕(如双行短语分组、字体样式、安全区域检查)的全流程。它支持使用FFmpeg等工具进行渲染,并确保遵守无障碍标准(如W3C WCAG)。最终,它要求将输出与完整语音进行核对,并在视频导出过程中进行质量检查,确保字幕的时间轴、显示和内容准确无误。该技能适用于Claude Code等AI Agent平台,指导用户完成从转录校正到最终导出QA的每一步。

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

在你喜欢的 AI 中提问

打开一个已预加载此 Agent Skill 的新对话。

文档

字幕和旁白字幕

阅读项目合同。 保持校正后的文本可编辑,并与最终语音时间轴精确对齐。

校正和对齐 [bl: 不变]

使用当前的A-cut/音频哈希值和校正后的转录文本。根据需要检查名称、 数字、否定词、技术词汇以及有意义的非语言/说话者提示。 ASR和强制对齐只是初步建议;必须与音频进行验证。不要 虚构单词、将源转录当作输出时间轴来使用、或因为标题占据屏幕而 无声地省略保留的语音。

当时间轴未知时,将提示标记为暂定而非捏造精确的边界。通过已验证的源→输出决策映射 映射源转录,然后检查实际输出。语音修剪会使受影响的提示时间轴/文本失效。 即使可见字幕稀疏,也要维护完整的校正SRT旁白字幕。

可读性处理与执行 [bl: 不变]

对于可见字幕,按顺序遵循编辑的要求、项目覆盖设置以及应用的样式偏好。 对于任何未指定的选择,使用默认字幕样式。 例如,请求使用双词组会更改分组方式,同时保留默认排版(除非另有指定)。

以所选处理方式所需的粒度验证时间轴。将完整的SRT分组为 最多两行的可读短语,包括由强调提示覆盖的语音。

检查节目时长内非负有序的提示间隔;重叠必须是故意的。 考虑输出帧/采样时间基准,并防止独立舍入漂移。在安装了编辑器或FFmpeg字幕/libass时使用; 在渲染前验证确切的构建版本是否支持。保留Unicode并安全地转义文件名/文本; 字幕文本是数据,永远不是shell代码。

根据安全区域和平台UI测量实际字形、轮廓/阴影和运动。在可读性之前 重新排版/移动。检查实际合成画面中的人脸、校对、底部三分之一和屏幕文本碰撞, 包括最短/最长的提示以及第一帧/最后一帧渲染。居中的边界框 不能作为包含证明。

验证 [bl: 不变]

将旁白字幕和可见字幕与完整的保留语音进行核对, 包括开头/结尾。检查实际单词/短语起始位置的时轴,并在交付尺寸上采样精确的导出文件。 观察字幕过渡和运动;静态联系表无法确定阅读时间。返回提示数据/SRT、 字体/处理选择、输出标识以及已审核/未审核范围。移交给导出QA; 当仅运行了转录比较或自动检查时,切勿声称所有单词都已被听到。

参考文献

Individual skills in this repo

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

相关技能