Bilingual Video Subtitles 培訓影片雙語字幕
完整流水線在 scripts/pipeline.py（單一入口，階段有快取、可斷點續跑）。
宿主環境注意：本 skill 已做跨環境適配，轉寫後端自動選擇（原生沙箱的 Omni 網關 / OpenAI 兼容 api / whisper 橋接）。無 Omni 網關且未配 api 後端時走 agent 模式——transcribe/translate 階段以退出碼 3 掛起並寫出 manifest， 完成對應轉寫/翻譯後重跑 build 續跑。操作協議與後端配置必讀 references/host-adaptation.md。 遇到 pipeline exit 3 不是失敗，按 manifest 完成對應工作再重跑即可。
標準工作流
- 獲取輸入：影片檔案 + 對應的規章制度/參考文件（.docx/.txt/.md）。
- 讀取參考文件，為其編寫術語表
glossary.txt（每行中文 = English，10~40 條）。 術語表決定全片翻譯一致性，務必覆蓋：制度/規範名稱、角色與縮寫 （如 PM=Project Manager）、業務單據或表單名稱、內部系統名。 - 執行建置（前台運行，預留充足 timeout；50 分鐘影片全流程約 15~25 分鐘）：
python3 scripts/pipeline.py build \
--video <影片路徑> --doc <制度文件路徑> \
--work <工作目錄> --out <輸出目錄> \
--glossary <glossary.txt> \
--hotwords "安全紅線,需求單,變更單,PM,QA,SRE" \
--preview 90
- 生成順序（每步有快取，失敗後重跑同命令即續跑）： setup（切分音頻）→ transcribe（Qwen3-Omni 逐字稿）→ timing（whisper 時間軸） → align（拼音對齊）→ clean（去口語/切句）→ translate（批量中譯英） → package（工程文件+SRT+ASS）→ render（預覽片+完整版）。
- 先用
--preview輸出的預覽片給用戶確認效果（可用 media-read 抽幀檢查字幕渲染）， 再交付完整版影片、SRT、字幕工程文件。
交付物說明
| 檔案 | 用途 |
|---|---|
<名稱>_中英雙語字幕_完整版.mp4 | 硬字幕成片（中文上行白字、英文下行淺藍字，均帶半透明黑底背景條，任何背景下可讀） |
<名稱>_中英雙語字幕.srt | 雙語字幕文件（可導入播放器/平台） |
<名稱>_字幕工程.json | 主數據：含全部時間軸+中英對照文字。年度微調只改它 |
--work 目錄 | 中間產物快取（轉寫稿、whisper 時間軸）。保留可避免重複轉寫 |
年度微調（制度修訂後更新字幕）
制度微調只影響少量句子時，不要重新轉寫：
- 讓用戶指出需修改的時間段/內容，或直接在上一年
<名稱>_字幕工程.json上修改zh/en文字（時間軸不變時不動 start/end）。 - 重新渲染：
python3 scripts/pipeline.py render --project <工程.json> [--video <新影片>] [--srt-only]
若新影片對應章節有增刪語句：對新影片跑 build --stage transcribe 取新逐字稿，
人工比對後用新文字替換工程文件中對應條目，再 render。
按主題/角色拆分短影片（碎片化學習）
在已加字幕的完整版影片基礎上拆分（保留雙語字幕）。
- 從字幕數據中定位章節邊界：用參考文件的角色/章節清單作為關鍵詞， 在 zh_lines.json（工作目錄）中檢索章節過渡語，典型模式： "第N個角色是X"、"上面是X的職責，要求是"、"X的違規情形是"等過渡句式。 以過渡句的開始時間為切分點（該句歸入下一集）。
- 約束：單集 ≤10 分鐘（硬上限 15 分鐘）；章節超限時在章節內部自然分界 （如"職責/違規行為/認定方法"之間）二次切分；不合併不同角色。
- 寫切分計劃 JSON 並執行：
{"base": "影片名", "lead_in": 0.35,
"chapters": [{"start": 0, "end": 288.4,
"title": "01_開篇_目的與概述", "note": "內容說明"}]}
python3 scripts/pipeline.py split --plan plan.json \
--video <帶字幕完整版.mp4> --out <輸出目錄>
- 輸出到
<輸出目錄>/<影片名>_拆分影片/：自動命名的各集 +00_拆分目錄.txt（片名、時間段、時長、內容說明）。 - 抽查驗證：每集開頭抽幀（ffmpeg 截 PNG 後查看）確認切分點正落在對應主題開場句。
關鍵實現約定（不要偏離）
- qwen-omni 後端必須把參考文件全文注入 prompt 作為術語上下文，且
--timeout 900 --max-tokens 8192（腳本已內置）；api 後端中專用 ASR （如 mimo-asr）不吃文字 prompt，術語糾錯依賴 clean 階段對照文件校對。 - whisper 只用於時間軸，其辨識文字一律丟棄（中文文字品質差，但時間戳精準）。
- 對齊必須用拼音串全局對齊（同音字錯誤在拼音層自動消解）；逐句貪心對齊會整體漂移。
- 對齊品質：
align輸出 qual mean ≥0.75 屬正常；<0.6 時先查 whisper 語音覆蓋率 （見 references/troubleshooting.md）。 - 長時 CPU 任務（whisper/render）注意宿主對後台任務的清理策略，必要時前台跑。
- 網路限制：HuggingFace 需鏡像，腳本已內置
HF_ENDPOINT=hf-mirror.com與HF_HUB_DISABLE_XET=1，勿刪。
排障
見 references/troubleshooting.md：上傳超時、轉寫單長行、 對齊品質低、字體亂碼、渲染失敗等場景的處理。