Communitygithub.com

captions

將一個說話影片燒錄成帶有動態字幕的版本,支援7種風格。免費入門包,由 @cornpop.studio 提供。

captions 是什麼?

這款 AI 技能可為垂直影片(例如 Reels 或短影音)添加動畫字幕,並提供 7 種預設風格(例如雜誌強調、貼紙爆炸、紙飛機、煙霧消散、爆炸式破碎、翻卡機、復古打字機)。它會自動將語音轉為文字,並將字幕對齊到語音的時間點,讓每一行重點詞使用強調顏色。使用者可以透過 `--hl`、`--y`、`--size` 等參數調整顏色、垂直位置與大小。技能支援 macOS 與 Windows,需安裝 ffmpeg、Node.js 18+、Python 3 以及 Google Chrome。執行流程包括:使用 Whisper 模型生成語音文字 JSON、手動整理文字與標記關鍵詞、透過 Node.js 腳本逐幀預覽、最後完整渲染。對於 HDR iPhone 影片,建議先輸出為 SDR。所有渲染皆需網路連線,因為字型從 Google Fonts 載入。

相容平台~Claude Code~Codex CLI✓Cursor
npx skills add https://github.com/shubhamseth29/claude-skills/tree/HEAD/captions

在你喜歡的 AI 中提問

開啟一個已預先載入此 Agent Skill 的新對話。

說明文件

/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

  1. 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)。
  2. 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)。
  3. 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。
  4. 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。
  5. 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。

相關技能