將長篇影片轉為 Shorts
你有一段人物談話的長篇影片。這個技能會將其剪輯成20到60秒的直式短片, 以最佳台詞開場,絕不在句子中間停頓,並且附有字幕。它使用兩個免費工具: faster-whisper(將語音轉為文字,並附上每個詞的時間戳記)和 ffmpeg(剪輯、裁切和加入字幕)。 以下每個指令都是範例。請根據實際影片調整檔案名稱、時間和尺寸。
步驟 1. 取得具有逐字時間戳記的文字稿
安裝一次:pip install faster-whisper,並從 ffmpeg.org 安裝 ffmpeg。
範例(Python):
from faster_whisper import WhisperModel
model = WhisperModel("large-v3", device="auto") # 若筆電沒有 GPU 則改用 "small"
segments, _ = model.transcribe("talk.mp4", word_timestamps=True, condition_on_previous_text=False,
initial_prompt="Hello. Welcome, everyone.")
with open("words.txt", "w", encoding="utf-8") as f:
for seg in segments:
f.write(f"[{seg.start:.2f}-{seg.end:.2f}] {seg.text.strip()}\n")
f.write(" " + " ".join(f"{w.word.strip()}@{w.start:.2f}" for w in seg.words) + "\n")
words.txt 的每一行都是一段語音及其起始和結束時間。下方則是每個詞以及它開始的秒數(例如 [email protected])。
根據詞的時間戳記來剪輯:一段語音時常在句子中間結束。
condition_on_previous_text=False 可防止模型在長檔案中重複同一行。
在某些檔案中,它也會讓 large-v3 模型丟失所有標點符號和大寫。簡短的 initial_prompt
(使用正常標點符號)可以恢復它們,而你需要句號來判斷句子的結束點。
步驟 2. 挑選片段,並以鉤子開頭
閱讀文字稿。尋找一段包含觀點、舉例和回報的段落。然後:
- 鉤子。 最有力的一兩句話,不需要前情提要就能理解(例如「大多數人按小時計價,這就是他們一直沒錢的原因」)。Shorts 從這些詞開始,即使它們在段落後半段。短片的第一秒必須是說話聲,而不是靜音或標誌。
- 中間。 支持鉤子的例子或故事。
- 結尾。 回報或技巧。如果片段中沒有,則從同一影片的其他地方取得答案句。
將片段記錄為起始和結束時間的清單。每個片段從句子的第一個詞開始,在句子的最後一個詞之後結束。 可以自由移動完整的句子。切勿將半個句子與另一個半句拼接,讓說話者說出他們沒說的話。 總長度:20 到 60 秒。
步驟 3. 剪輯片段並拼接
在第一個詞前留約 0.1 秒,最後一個詞後留約 0.2 秒,確保沒有詞被截斷。
範例(每個片段一個指令;-t 是長度,單位秒):
ffmpeg -ss 312.30 -i talk.mp4 -t 7.40 -c:v libx264 -crf 18 -c:a aac -ar 48000 piece1.mp4
ffmpeg -ss 95.10 -i talk.mp4 -t 21.60 -c:v libx264 -crf 18 -c:a aac -ar 48000 piece2.mp4
printf "file 'piece1.mp4'\nfile 'piece2.mp4'\n" > list.txt
ffmpeg -f concat -safe 0 -i list.txt -c copy joined.mp4
步驟 4. 製作直式畫面,1080x1920
對於 1920x1080 的影片,在說話者周圍裁切一個 608x1080 的視窗並放大。crop 中的最後一個數字是視窗距左邊緣的距離。
在靜止幀中找到說話者的位置,設定此值使臉部位於中間。
範例(居中視窗):
ffmpeg -i joined.mp4 -vf "crop=608:1080:656:0,scale=1080:1920" -c:v libx264 -crf 18 -c:a copy vertical.mp4
步驟 5. 加入字幕
再次對拼接後的片段進行轉錄(步驟 1,作用於 vertical.mp4),使字幕時間與新片段匹配。
將簡短字幕(每個字幕三到五個詞)寫入 .srt 檔案:
segments, _ = model.transcribe("vertical.mp4", word_timestamps=True, condition_on_previous_text=False,
initial_prompt="Hello. Welcome, everyone.")
words = [w for s in segments for w in s.words]
t = lambda x: f"{int(x//3600):02}:{int(x%3600//60):02}:{int(x%60):02},{int(x*1000%1000):03}"
chunks, chunk = [], []
for w in words: # 最多4個詞,且在每個句號後開始新字幕
chunk.append(w)
if len(chunk) == 4 or w.word.strip().endswith((".", "?", "!")):
chunks.append(chunk)
chunk = []
if chunk:
chunks.append(chunk)
with open("captions.srt", "w", encoding="utf-8") as f:
for n, c in enumerate(chunks, 1):
text = "".join(w.word for w in c).strip()
f.write(f"{n}\n{t(c[0].start)} --> {t(c[-1].end)}\n{text}\n\n")
手動修正 captions.srt 中任何聽錯的名稱或詞語。然後嵌入字幕,並將音量調整到應用程式預期的水平(約 -14 LUFS):
ffmpeg -i vertical.mp4 -vf "subtitles=captions.srt:force_style='FontSize=16,Bold=1,Outline=2,Alignment=2,MarginV=70'" -af "loudnorm=I=-14:TP=-1.5" -c:v libx264 -crf 18 -c:a aac short.mp4
請在包含 captions.srt 的資料夾中執行此指令,並使用純檔案名稱。在 Windows 上,使用完整路徑如 C:\clips\captions.srt 會導致 subtitles 濾鏡失效,因為 ffmpeg 會將冒號解讀為選項的開頭。
將字幕保持在下中位置,遠離臉部和應用程式在右邊緣的按鈕。
步驟 6. 從頭到尾檢查
像觀眾一樣,連同聲音完整觀看一次整部 Shorts。然後檢查每一項:
- 第一秒是說話聲。 範例:
ffmpeg -i short.mp4 -t 2 -af silencedetect=noise=-35dB:d=0.3 -f null -應回報從 0 開始沒有靜音。 - 任何片段的開頭或結尾都沒有詞被截斷。
- 字幕與音訊完全匹配,且沒有任何字幕遮住臉部。
- 沒有重要內容被裁切掉:臉部、手指向某處、幻燈片上的文字。
- 長度在 20 到 60 秒之間。 範例:
ffprobe -v error -show_entries format=duration -of csv=p=0 short.mp4 - 製作聯絡表以快速查看構圖。範例:
ffmpeg -i short.mp4 -vf "fps=1/5,scale=270:-1,tile=4x2" -frames:v 1 sheet.png
如果任何一項失敗,修正該步驟並重新建構。
步驟 7. 發佈前選定標題和封面
- 標題: 用幾個詞濃縮鉤子,以觀眾會搜尋的方式呈現。少於 60 個字元。
- 封面: 選擇一張說話者臉部清晰且嘴巴閉合的畫面,並加上鉤子的大字。 也檢查它在正方形和 3:4 比例下的顯示效果,因為有些應用程式在個人資料格子中會以這些比例顯示。
- 向使用者展示 Shorts、標題和封面。未經使用者同意,絕不發佈任何內容。
規則
- 切勿讓說話者說出他們沒說過的話。只能重新排列完整的句子。
- 如果說話者說錯了什麼,請保留原樣並告知使用者。不要在字幕中偷偷修正。
- 如果說話者稱某個例子是虛構的,Shorts 應保留此說明,或在畫面上加上「虛構範例」。
範例
使用者分享 webinar.mp4,一個由簿記員 Jo Park 主講的 50 分鐘訪談。(Jo 和以下台詞均為虛構。)
在 18:42,Jo 說:「大多數小企業是從銀行而不是從帳本中發現他們沒錢了。」這就是鉤子。 在 17:55 到 18:20,她講述了一個麵包店錯過發薪的故事。在 19:05,她給出解決方案:「每週一檢查一個數字:銀行現金減去未來 30 天到期的帳單。」
代理依序剪下三段:18:42 鉤子(6 秒)、17:55 故事(25 秒)、19:05 解決方案(9 秒)。總計 40 秒。 它將 Jo 的臉裁切到 1080x1920 畫面的中央,加入字幕,並檢查步驟 6 中的每一項。 標題:「你的銀行比你早知道你沒錢了。」封面:Jo 看著鏡頭,上面寫著「每週一檢查這個數字」。