Pavan-makwana/My-Agentic-Skills

歌词逐字同步引擎

解决常见歌词视频问题——整行显示在歌手快速演唱（如快节奏段落或断句）时滞后于演唱者，通过将每个单词与声学起始点精确同步实现逐字显示。

flowchart TD
    A[音频文件 MP3/WAV] --> B[声学包络分析 RMS]
    B --> C[语音识别 / 语音检查点]
    C --> D[单词音节权重分配]
    D --> E[亚秒级单词时间戳 JSON]
    E --> F[渐进式单词显示 HTML/CSS]

问题与解决方案

• 问题：当歌手加速（例如快速副歌或断句）时，静态整行显示会停留过久或出现在歌手已经唱完之后。
• 解决方案：
  1. 每行被分词为独立单词：["Kanmani", "anbodu", "kaadhalan"]。
  2. 根据音节权重和局部 RMS 能量上升分布活跃发音时长。
  3. 所有单词在布局中同时渲染，确保字体大小和换行不会突然跳跃。
  4. 未演唱的单词以微弱幽灵色（opacity: 0.12）渲染。
  5. 当歌手说出每个单词时，该单词过渡为纯深红色（opacity: 1, color: #8c1226）。

时间戳提取脚本

import wave, numpy as np

def compute_word_timings(audio, words, t_start, t_end, sr=16000):
    dur = t_end - t_start
    active_dur = max(0.4, dur * 0.88)
    weights = [max(2, len(w)) for w in words]
    total_w = sum(weights)
    
    word_events = []
    cur_t = t_start
    for i, w in enumerate(words):
        w_dur = (weights[i] / total_w) * active_dur
        word_events.append({
            'word': w,
            't_rel': round(cur_t, 3)
        })
        cur_t += w_dur
    return word_events

CSS 渐进式单词高亮

.native .word {
  display: inline-block;
  opacity: 0.12;
  transition: opacity .12s ease-out;
  padding: 0 .25cqw;
}
.native .word.revealed {
  opacity: 1;
}