字幕
轉錄 → Agent校對 → 人工審核 → 燒錄
核心流程(總計約 8-15 分鐘,含人工審核)
1. 提取音訊 + 上傳 ⏱ ~1min
↓
2. 火山引擎轉錄(帶熱詞) ⏱ ~2min
↓
3. Agent 自動校對 ⏱ ~3-5min
↓
4. 人工審核確認 ⏱ 取決於使用者
↓
5. 燒錄字幕 ⏱ ~1-2min
Step 1: 提取音訊並上傳
# 提取音訊
ffmpeg -i "video.mp4" -vn -acodec libmp3lame -y audio.mp3
# 上傳到 uguu.se(暫存檔案托管)
curl -s -F "files[][email protected]" https://uguu.se/upload
# 回傳 URL 如: https://o.uguu.se/xxxxx.mp3
Step 2: 火山引擎轉錄(帶熱詞)
轉錄腳本會自動讀取詞典作為熱詞,提高辨識準確率:
# 詞典位置: /Users/chengfeng/Desktop/AIos/剪輯Agent/.claude/skills/字幕/詞典.txt
# 腳本會自動載入
bash ../剪口播/scripts/volcengine_transcribe.sh "https://o.uguu.se/xxxxx.mp3"
詞典格式(每行一個詞):
skills
Claude
Agent
成峰
剪輯skills
claude code
Step 3: Agent 自動校對
3.1 產生帶時間戳的字幕
const result = JSON.parse(fs.readFileSync('volcengine_result.json'));
const subtitles = result.utterances.map((u, i) => ({
id: i + 1,
text: u.text,
start: u.start_time / 1000,
end: u.end_time / 1000
}));
fs.writeFileSync('subtitles_with_time.json', JSON.stringify(subtitles, null, 2));
3.2 Agent 手動校對(不用腳本)
轉錄後,Agent 必須逐條閱讀全部字幕,手動校對以下問題:
常見誤辨識規則表
| 誤辨識 | 正確 | 類型 |
|---|---|---|
| 成風 | 成峰 | 同音字 |
| 正特/整特 | Agent | 誤辨識 |
| IT就 | Agent就 | 發音相似 |
| edge的叉100 | Agentx100 | 誤辨識 |
| cloud code | Claude Code | 發音相似 |
| Schill/skill | skills | 發音相似 |
| 剪口撥/剪口波 | 剪口播 | 同音字 |
| 自淨化/資金化 | 自進化 | 同音字 |
| 減口播 | 剪口播 | 同音字 |
| 錄剪 | 漏剪 | 同音字 |
| 作為這個 | 做這個 | 同音字 |
| 斜槓V1/斜槓v | /v | 口語描述 |
| 斜槓v點口撥 | /v.口播 | 口語+同音 |
| a p i t/APIK | API Key | 誤辨識 |
| excuse | skills | 誤辨識 |
| 移完了 | 剪完了 | 同音字 |
常見漏字問題
| 原文 | 修正 | 說明 |
|---|---|---|
| 步呢是配置 | 第二步呢是配置 | 漏"第二" |
| 4步就是 | 第4步就是 | 漏"第" |
| 別省時間 | 特別省時間 | 漏"特" |
| 這個我們的 | 這個是我們的 | 漏"是" |
| 在裡面看到 | 可以在裡面看到 | 漏"可以" |
| 跟大家處理完 | 跟大家講完 | 用詞不當 |
| 剪輯了邏輯 | 剪輯的邏輯 | 語法錯誤 |
3.3 對照原稿校對(如有原稿)
如果有原稿/腳本,可以輔助校對,但不要用腳本自動匹配(文字差異會導致時間戳累積錯誤)。
Agent 應:
- 讀取原稿作為參考
- 手動逐條對比,發現差異時修正
- 不確定的地方標記,留給人工審核
Step 4: 啟動審核伺服器
cd 字幕目錄/
node /path/to/skills/字幕/scripts/subtitle_server.js 8898 "video.mp4"
功能:
- 左側影片播放,右側字幕列表
- 播放時自動高亮當前字幕
- 雙擊字幕文字編輯(時間戳不變)
- 倍速播放(1x/1.5x/2x/3x)
- 儲存字幕 / 匯出 SRT / 燒錄字幕
- 底部顯示詞典快捷插入
Step 5: 燒錄字幕
預設樣式:22號金黃粗體、黑色描邊2px、底部居中
ffmpeg -i "video.mp4" \
-vf "subtitles='video.srt':force_style='FontSize=22,FontName=PingFang SC,Bold=1,PrimaryColour=&H0000deff,OutlineColour=&H00000000,Outline=2,Alignment=2,MarginV=30'" \
-c:a copy \
-y "video_字幕.mp4"
| 參數 | 值 | 說明 |
|---|---|---|
| FontSize | 22 | 字體大小 |
| FontName | PingFang SC | 蘋方字體 |
| Bold | 1 | 粗體 |
| PrimaryColour | &H0000deff | 金黃色 #ffde00 |
| OutlineColour | &H00000000 | 黑色描邊 |
| Outline | 2 | 描邊寬度 |
| Alignment | 2 | 底部居中 |
| MarginV | 30 | 底部邊距 |
目錄結構
output/YYYY-MM-DD_影片名/字幕/
├── 1_轉錄/
│ ├── audio.mp3
│ └── volcengine_result.json
├── subtitles_with_time.json # 核心檔案
└── 3_輸出/
├── video.srt
└── video_字幕.mp4
字幕規範
| 規則 | 說明 |
|---|---|
| 一屏一行 | 不換行,不堆疊 |
| 句尾無標點 | 你好 不是 你好。 |
| 句中保留標點 | 先點這裡,再點那裡 |
反饋記錄
2026-01-31
- 火山引擎支援熱詞,已整合到轉錄腳本
- Agent 轉錄後需要自動校對,不能直接交給使用者
- 字幕樣式:金黃粗體 #ffde00,描邊 2px
- IT 常被誤辨識為 Agent,需加入糾錯規則
- 重要:Agent 校對必須手動逐條閱讀,不能用腳本自動匹配
- 新增 17 條常見誤辨識規則(詳見 3.2 節)
- 漏字問題比誤辨識更難發現,需要特別注意