aly shadotmd/视频字幕

字幕

目标：让观众毫不费力地阅读的字幕。每一条字幕都是一个简短、完整的语义单元，与精确的单词时间码对齐，并在整个视频中始终显示在同一个位置。

这是编辑顺序的第5步：A卷剪辑、B卷、画面裁剪、标题、字幕。它在完成画面裁剪和标题后的视频上运行，以便字幕不干扰标题。

此技能专为 Claude Code 和 Runneth 构建。

开始之前：工具

在 Runneth 中，所有工具都已安装：跳过此部分。

在 Claude Code 中，此技能需要 video-editing-setup 技能安装的免费视频工具。请静默检查 ~/.video-editing-tools/bin/ffmpeg -version 是否能运行。如果能运行，请在本技能中使用 ~/.video-editing-tools/bin 目录下的工具（ffmpeg、ffprobe、python）来代替 ffmpeg、ffprobe 或 python3，然后继续。如果不能运行，请先按照 video-editing-setup 技能进行操作，然后再回到此处。

字体： Figtree Bold，此技能唯一使用的字体。它是一种免费的 Google 字体。请静默检查该字体是否已安装在计算机上或项目旁边的 fonts 文件夹中。如果没有，请询问：“这里使用的 Figtree 是一种免费的 Google 字体。需要我为您下载吗？”如果回答是，请从 Google Fonts（fonts.google.com/specimen/Figtree）下载 Figtree Bold 文件到项目旁边的 fonts 文件夹中，然后继续。此检查同样适用于 Runneth。

需要的内容

• 已裁剪好并带有标题（或其时间码）的视频。
• 脚本（如果有），以确保名称和产品单词拼写正确。
• 标题在屏幕上的显示时间及其位置。

第 0 步：先询问样式

逐个询问以下问题，每次等待回答：

1. “您希望字幕每次显示一个单词，还是每次显示几个单词？”
2. 仅当选择“每次几个单词”时：“您希望正在说的单词以不同颜色高亮显示吗？”
3. 仅当回答“是”时：“使用哪种颜色？”建议使用亮黄色 (#FFFF3A) 作为默认颜色，或使用其品牌色。

第 1 步：获取每个单词及其时间码

1. 使用 faster-whisper base 模型（word_timestamps=True、vad_filter=False）转录视频自身的声音并获取单词时间码。时间码必须来自当前这个确切的视频，因为每次剪辑都会改变它们。
2. 使用脚本中的拼写来校正名称、品牌和产品词汇，同时保留转录的时间码。
3. 每个说出的单词都应有对应的字幕。未说出的内容不应添加字幕。

第 2 步：按语义拆分为短语（仅适用于“每次几个单词”模式）

1. 通常每个短语 1 到 3 个单词，最多约 5 个，以便在保持短语完整性的同时适应宽度。
2. 保持以下内容在一起： 名词及其修饰词（“a sleep drink”）、名称（“Claude skill”）、动词及其附属词（“go to bed”）以及短小的完整想法（“but that's how I felt”）。
3. 每个短语以承载意义的单词结尾。 小词（the、a、of、to、and、because、that、I）应放在下一个短语的开头。
4. 每个短语从其第一个单词开始显示，直到下一个短语开始，确保屏幕在句子中间不会出现空白闪烁。
5. 通读整个列表（像观众一样），修复任何读起来拗口的断句位置。

第 3 步：外观

每条字幕均使用 Figtree Bold 字体，白色，带黑色描边。无背景框、无阴影、无弹出或弹跳动画：字幕只是简单地出现。大部分使用小写字母，仅 I、名称和品牌首字母大写，并且末尾不加句号或逗号。

• 每次一个单词： 约 140px，6px 描边，屏幕上一次显示一个单词。每个单词保持显示直到下一个单词开始。长单词将缩小以适合约 720px 宽度。跳过第 2 步中的短语拆分过程。
• 每次几个单词： 约 60px，3px 描边，使用第 2 步中生成的短语。
  • 单词高亮模式： 在短语内部，正在说的单词会变为所选颜色，卡拉 OK 风格。
  • 非高亮模式： 整个短语保持白色。

第 4 步：放置位置

1. 居中，位于胸部高度，在 1080x1920 视频中大约 y 1260 到 1305 的位置：在下巴下方，在应用程序的字幕和按钮上方。
2. 在安全区域内： 安全区域来自 post-preview 技能：在 1080x1920 帧上，将所有内容保持在 x 100 到 880，y 290 到 1340 范围内（这个框同时适用于 Reels、Stories、Feed、TikTok 和 Facebook）。当某些内容靠近边缘时，请参考 post-preview 以了解特定位置的确切覆盖区域。因此，居中的字幕（包括每个字母的描边）应保持在 x 200 到 880（约 680px 宽）以及 y 1340 以内。测量每个短语的宽度；过宽的短语将被拆分开。
3. 避开标题。 当标题在屏幕上显示时，字幕应位于其下方并保持明显间距；当标题位置较低时，字幕应在安全区域内向下移动，而不是与标题重叠。
4. 在整个视频中保持同一个位置，以便观众的眼睛始终知道在哪里寻找。
5. 字幕位于嘴巴下方，切勿覆盖脸部。 每条字幕必须避开眼睛、鼻子和嘴巴。如果脸部位置过低，导致字幕放置区域会覆盖脸部，则说明是画面裁剪有问题：将其退回裁剪步骤进行修复（或在修复期间将字幕在安全区域内向下移动）。

第 5 步：构建与烧录

1. 将字幕编写为 ASS 字幕文件。在单词高亮模式下，为每个单词使用一个事件，以便颜色随语音移动。字母间距使用内联的 \fsp 标签设置。
2. 将渲染器指向仅包含 Figtree Bold 文件的 fonts 文件夹，以确保使用正确的字重：ass=captions.ass:fontsdir=fonts。
3. 从全质量视频一次完成烧录（x264、slow 预设、crf 14 到 18），音频原样复制不做处理。

第 6 步：在公开前检查

1. 每个单词出现一次，且时间准确： 逐字比对字幕列表与转录稿。
2. 每个短语截图一帧检查： 确保在安全区域内，无内容截断，不与标题重叠，并且整个字幕位于嘴巴下方。使用人脸检测器或逐帧检查；任何覆盖脸部部分区域的字幕均视为检查不通过。
3. 在单词高亮模式下，颜色应准确地落在正在说的单词上，在视频的几个时间点进行检查。

第 7 步：从编辑者那里学习

当编辑者更改了短语拆分、某个单词或外观时，请询问原因（除非他们主动说明）。将理由作为一条规则写入下方的“来自编辑者的字幕规则”中，使用应成立的描述方式。由你自己得出的原因应标记为“(AI)”，并且绝不更改已有规则。

来自编辑者的字幕规则

（初始为空。每次编辑者给出规则时添加。）