caption-burn
根據完成影片中實際說出的內容產生字幕,而非依據劇本估算的時間。
執行
python transcribe.py --media reel.mp4 --out reel.words.json # 付費,按分計費
python captions.py --video reel.mp4 --beats cutlist.aligned.json \
--words reel.words.json --out final.mp4 [--style plate|outline] [--highlight Brand]
--beats 提供台詞 (vo)、其時間點,以及用於分割版面的 seam、size 和每個 beat 的 state。任何包含 beats: [{start, end, vo}] 格式的檔案皆可使用。
放置與樣式
-
--anchor seam(當 beats 包含 seam 時為預設值):在split的 beat 上,字幕底板固定於接縫處,由底板而非文字決定位置:底板的 25% 位於線條上方,75% 位於線條下方。全畫面的 beat 使用--full-y。 -
--anchor fixed --y 0.62:每個字幕的底板中央位於該畫面高度的指定比例處。 -
plate(預設):白粗體字,置於深灰圓角底板上,1–2 個詞,上限約 0.019 畫面高度。 -
outline:白粗體字搭配深色外框,無底板,1–3 個詞,上限約 0.034 畫面高度。 -
--highlight WORD將該詞標示為黃色(CTA 關鍵字)。可重複使用。 -
serif-word:一次一個詞,粗襯線字體(Georgia Bold),白色搭配黑色外框,固定基線於 0.77 畫面高度(螢幕插入效果)。高亮詞用引號標示。 -
--card "LINE ONE|LINE TWO" --card-until 4.7:在開場秒數內,於靠近頂部位置顯示一個白色圓角鉤卡,包含兩行粗體紅色大寫文字。每行約 14 個字元。
無語音格式的字幕 (plates.py)
python plates.py --video walk.mp4 --beats cutlist.json --out captioned.mp4 [--logo logo.png]
每個 beat 的 caption(一個字串或多行列表)在該 beat 的持續時間內顯示於一個黑色區塊上(先將方形矩形合併為聯集,再統一導圓角成為單一輪廓:如果逐行導圓角會留下接縫),文字靠左對齊,區塊以最寬的行為基準置中。除非該 beat 指定了 cap_y,否則區塊會放置於該畫面中最空曠的水平帶上。若 beat 設有 logo: true,則在區塊下方懸掛標誌圖塊。請撰寫人類會打的文字:將同一簡短「片段. 片段.」形式重複三次看起來像 AI 寫的。不要用重複的表情符號。
規則
- 轉錄完成後的音訊。 合併錄音片段並對齊台詞會改變時間點;只有最終影片的音訊能給出正確的提示。
- 最後一句字幕持續到最後一幀。 它就是行動呼籲。
- Whisper 以不同方式寫出的詞(例如 "200" 替代 "two hundred")會在其相鄰詞之間內插處理,而非捨棄或拉長至整行。
- 若無
--words則時間點根據音節數估算。 可用於判斷放置位置,切勿用於正式交付。 - 字型: 在 macOS、Linux 或 Windows 上會尋找粗體無襯線字型;若找不到,則會從網路取得 Roboto Bold 一次,存放於
~/.cache/gooseworks/fonts。可使用--font或環境變數GW_CAPTION_FONT覆蓋。