Communitygithub.com

zgyk4167/卡拉OK字幕

为英文视频逐词烧录卡拉OK风格字幕,每个单词随朗读从白色变为绿色并短暂放大。可选为技术术语、难词、短语动词和习语添加简体的蓝色中文注释,适合CET-6(中国大学英语六级考试,中高级水平)学习者使用。

卡拉OK字幕 是什么?

该技能专为英文视频处理设计,可生成逐词同步的卡拉OK字幕。它能将视频中的音频转写为带时间戳的文字,并通过LLM自动识别需要注释的词汇(技术术语、难词、短语动词和习语),为其添加简体中文的蓝色注释。字幕以ASS格式呈现,支持自定义样式。整个流程通过一个非交互式CLI脚本完成,步骤包括视频获取、音频转写(使用DashScope ASR)、注释生成、ASS字幕制作和最终渲染。需要阿里云百炼(DashScope)API密钥,无需额外存储桶。

兼容平台~Claude Code~Codex CLI~Cursor
npx skills add zgyk4167/karaoke-subtitles

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

卡拉OK字幕 是做什么的?

流程:视频 → 16 kHz音频 → DashScope ASR带单词时间戳 → LLM选择术语并编写中文注释 → ASS卡拉OK字幕 → ffmpeg和libass烧录。

所有工作通过一个非交互式CLI scripts/pipeline.py 完成。此文件中的路径相对于技能目录。从任意目录运行命令,前面加上技能路径,例如 python3 /path/to/karaoke-subtitles/scripts/pipeline.py doctor。

首次运行前

  1. 运行 python3 scripts/pipeline.py doctor。退出码0表示就绪。当密钥已设置时,会发起一次免费请求检查 DASHSCOPE_BASE 是否与密钥所在区域匹配。不会上传或计费。添加 --offline 可跳过该请求。
  2. 如果退出码为3,运行 bash scripts/install.sh 并修复它打印的每个 FAIL 行。如果脚本提示sudo需要密码,或API密钥缺失,请停止并询问用户。切勿要求用户将密钥粘贴到聊天中;请让他们将密钥放入 .env 文件(参见 .env.example)。
  3. 设置详情和配置项:references/prerequisites.md。

与用户确认

  • 视频:本地文件或URL。用户必须拥有处理该视频的权限。
  • 注释:开启(默认)或关闭(--no-annotate)。
  • 结果输出位置:默认返回输出文件路径。

除非用户要求更改,否则保持视觉风格不变。样式值:references/ass-style.md。

运行

一条命令执行所有步骤并在中断后恢复:

python3 scripts/pipeline.py all "<url-or-file>" --work ./job [--no-annotate]

或者逐步运行各个步骤。每个步骤在作业目录中写入固定文件名,并跳过已存在输出的工作。添加 --force 可重做某一步骤。每个子命令都有 --help。

步骤写入文件付费API
fetch <url-or-file>src.mp4否
transcribe [--audio-url URL]audio.mp3, asr_task.json, transcription.json是
annotateannotations.json是
ass [--no-pop] [--no-annotate]subs.ass否
render [--segment 1200] [--out FILE]karaoke.mp4否

ASR API从URL读取音频。默认情况下,transcribe 将 job/audio.mp3 上传到DashScope的免费临时存储。该存储保留文件48小时,仅此账户的ASR模型可读取。无需存储桶或额外设置。如果用户希望使用自己的存储,可以在 .env 中设置 AUDIO_URL_CMD 来上传文件并打印URL,或者传递 --audio-url URL。

进度输出到stderr。每个步骤在stdout上打印其输出路径。

退出码

退出码含义处理方式
0完成继续。
2用法错误阅读子命令的 --help。
3环境未就绪按照 next: 行操作,或运行 doctor。请用户提供密钥或sudo,或修正区域设置。
4远程服务失败按照 next: 行操作。重新运行相同命令会保留已完成的工作。
5上一步骤的输入缺失运行 next: 行中指定的步骤。
1意外失败阅读错误信息上方的工具输出。

长时间作业

转写和渲染可能耗时超过shell工具允许的范围。将命令放入后台并记录日志,例如 nohup python3 scripts/pipeline.py all "<src>" --work ./job > job.log 2>&1 &,然后读取日志直至结束。如果进程终止,重新运行相同命令。转写会恢复已保存的ASR任务,避免重复付费;渲染会重用已完成的片段。

交付前检查

从输出视频的中间提取一帧(ffmpeg -ss <seconds> -i job/karaoke.mp4 -frames:v 1 check.jpg),如果您能查看图片则检查该帧。如果源视频已包含烧录的硬字幕,请告知用户并提供两个选项:用模糊带覆盖它们,或将新字幕移至顶部。

规则

  • 切勿打印、记录或提交 DASHSCOPE_API_KEY。doctor 仅报告它是否已设置。
  • transcribe 和 annotate 会消耗用户账户的费用。除非用户同意,否则不要对它们使用 --force。
  • 注释仅限简体中文。对于不懂中文的观众,请使用 --no-annotate。
  • ASR可能听错名称和术语,且可能返回小写文本。请告知用户在分享视频前审阅字幕。

相关技能