/captions:7 種字幕風格
將一個說話影片轉換成燒錄了動畫字幕的相同影片。單詞會與語音同步,每行一個關鍵詞會獲得強調色,原始影片和音訊保持不變(字幕疊加在上方)。
7 種風格
| 輸入此 | 外觀 |
|---|---|
editorial-highlight | 雜誌襯線字體,關鍵詞放在深紅色紙條上,行上方有小頁碼 |
pop-sticker | 彩色區塊帶黑色輪廓與硬陰影,周圍彈出小貼紙,關鍵詞為紫色並帶星星 |
paper-plane | 強調色的紙飛機飛過並將該行文字拖曳在後方 |
smoke-exit | 粗體無襯線單詞;行結束時溶解成煙霧,關鍵詞以自身顏色煙霧化 |
explosive-breakup | 大寫壓縮字體;在行尾每個字母向外爆破,關鍵詞冒出火花 |
rolodex-flip | 逐詞構建行,每個新詞像翻卡機卡片一樣翻下 |
retro-typer | 打字機字母與語音同步打出,帶閃爍方塊游標(可選:模糊方框) |
如果使用者未提供風格,則顯示此表格並詢問選擇哪一種(建議 pop-sticker)。
設定(僅第一次需要)
在此技能資料夾內執行。先檢查,只安裝缺少的項目:
ffmpeg和ffprobe(Mac:brew install ffmpeg,Windows:winget install ffmpeg)- Node.js 18+ 和 Google Chrome(或 Edge/Chromium)。然後在此資料夾執行
npm install(檔案很小:使用電腦上已有的 Chrome)。 - Python 3。
scripts/words.py會在此處建立自己的.venv,並在首次使用時安裝 faster-whisper。
步驟
- 詞語。
python3 scripts/words.py <video>會寫入<video>.words.json:[{"w":"Hello","s":0.21,"e":0.48}, ...]。如果使用者已經有此檔案則跳過(/captions words <video>= 只執行這一步)。 - 整理詞語(編輯 JSON,保留時間戳):
- 修正聽錯的單詞、人名和品牌拼寫。如果不確定,詢問使用者。
- 每行標記 一個關鍵詞 為
"k": true:該詞承載重點(結果、數字、人名或令人驚訝的詞)。並非每行都需要。 - 用
"br": true標記行尾,使每行包含 2 到 4 個詞且少於約 20 個字母,在使用者自然停頓處換行。一旦存在任何br,行僅在br、標點符號和長停頓處換行。 - 按人們在螢幕上的閱讀方式書寫符號:"slash" → "/","percent" → "%"(當它作為術語的一部分時)。
- 在完整渲染前檢查影格。
node scripts/render.js <video> <words.json> <style> --still 1.5 --still 4 --still 8(選擇行中間的時刻)。查看 PNG:字幕清晰可讀,不要覆蓋臉部或應用程式本身的 UI。太高或太低?使用--y(64 = 預設,數字越小越往上)。太大?--size 0.85。 - 渲染。
node scripts/render.js <video> <words.json> <style> [--hl #ff7a59] [--y 64] [--size 1] [--box]→<video>_<style>.mp4與原始檔案相鄰。60 秒 Reel 約需 3 分鐘。 - 告知使用者檔案位置。若要即時查看所有 7 種風格在自己的影片上,請在 Chrome 中開啟
index.html並載入影片和詞語檔案。
選項
| 標誌 | 作用 |
|---|---|
--hl <#hex> | 關鍵詞的強調色。預設:黃色 #ffd23f(預設)、珊瑚 #ff7a59、天空藍 #7cc4ff、薄荷綠 #9ff0b8 |
--y <0-100> | 字幕高度,從頂部算起的百分比。64 位於說話者的下巴下方 |
--size <n> | 字幕大小,1 = 正常 |
--box | 僅復古打字機:文字後方加上柔和的模糊方框 |
--out <file> | 輸出路徑 |
--still <s> | 在該秒數檢查影格而非完整渲染(可重複) |
注意事項
- HDR iPhone 影片在渲染後可能看起來褪色。請先將其導出為 SDR,或將 iPhone 設定為 設定 > 相機 > 格式 > 最相容。
- 字幕始終疊加在影片上方。這是入門包:不包含說話者後方的文字、玻璃和牆壁文字風格。
- 字型從 Google Fonts 載入,因此渲染需要網路連線。