字幕烧录
字幕与完成视频中实际所说的内容同步,而非脚本的估计时间。
运行
python transcribe.py --media reel.mp4 --out reel.words.json # 付费,按分计费
python captions.py --video reel.mp4 --beats cutlist.aligned.json \
--words reel.words.json --out final.mp4 [--style plate|outline] [--highlight Brand]
--beats 提供台词(vo)、其时间码以及用于分屏布局的 seam、size 和每个节拍的 state。任何包含 beats: [{start, end, vo}] 的文件均可使用。
位置与样式
-
--anchor seam(当节拍包含 seam 时默认):在split节拍上,底板锚定在接缝处,由底板而不是文本定位:底板 25% 位于线条上方,75% 位于下方。全屏节拍使用--full-y。 -
--anchor fixed --y 0.62:每条字幕的底板居中在该高度比例处。 -
plate(默认):深灰圆角底板上的白色粗体文字,1–2 个单词,高度上限约 0.019 H。 -
outline:带有深色描边的白色粗体文字,无底板,1–3 个单词,高度上限约 0.034 H。 -
--highlight WORD将该单词标为黄色(行动号召关键词)。可重复使用。 -
serif-word:一次显示一个单词,粗衬线字体(Georgia Bold),白色带黑色描边,位于 0.77 H 的固定基线(屏幕插入外观)。高亮单词用引号括起。 -
--card "LINE ONE|LINE TWO" --card-until 4.7:白色圆角钩子卡片,顶部附近有两行粗体红色大写字母,用于开场几秒。每行约 14 个字符。
无声格式的字幕(plates.py)
python plates.py --video walk.mp4 --beats cutlist.json --out captioned.mp4 [--logo logo.png]
每个节拍的 caption(一个字符串或行列表)在整个节拍期间显示在单个黑色块上(方形矩形合并,然后作为单个轮廓圆角:逐行圆角会留下接缝),行左对齐,块以其最宽行居中。除非节拍固定了 cap_y,否则块会放在该节拍帧最空的区域。节拍上的 logo: true 会在块下方悬挂徽标磁贴。编写人们会键入的行:同样的简短“片段. 片段.”形状重复三次看起来像 AI 生成的。不要重复使用任何表情符号。
规则
- 转录完成后的音频。 拼接录音和对齐台词会改变时间码;只有最终视频的音频才能提供正确线索。
- 最后一条字幕保持到最后一帧。 它就是行动号召。
- Whisper 以不同方式写出的单词(如“200”代替“two hundred”)会在相邻单词之间插值,而不是丢弃或拉伸到整行。
- 没有
--words时,时间码是通过音节估算的。 仅用于评估位置,绝不用于发布。 - 字体: 在 macOS、Linux 或 Windows 上会找到粗体无衬线字体;如果不存在,Roboto Bold 会被获取一次到
~/.cache/gooseworks/fonts。--font或GW_CAPTION_FONT可覆盖。