Communitygithub.com

tiancc-cyber/youtube-subtitle-collage

從 YouTube 或本地訪談影片製作原生字幕金句拼接圖,支援真實影片、字幕 OCR、人工選句和等字號拼接;生成有觀點的讀者配文,依用戶要求接續 Chrome 抖音發布或排期、小紅書草稿或發布,附素材校驗及斷點回執。

youtube-subtitle-collage 是什麼?

這是一個專為開發者與 AI 代理設計的技能,用於從 YouTube 或本地訪談影片中製作保留原生字幕的「金句拼接圖」。與一般重新生成人物或將金句重繪成大標題的方式不同,此技能堅持保留原始語言、字幕、水印及真實鏡頭切換,確保素材可溯源且真實。它支援多種平台(macOS、Chrome、AppleScript),並整合了 OCR 技術(預設採用 Apple Vision OCR)來定位字幕,但強調 OCR 僅為輔助工具,最終選句仍需人工核對。工作流程涵蓋從分析字幕、下載影片、OCR 識別、候選句管理、選擇與渲染,到生成符合各平台格式的社交配文(如抖音、小紅書),並提供完整的中斷點回執機制。其核心價值在於避免幻覺與偽造,要求每張圖都必須來自真實影片幀,並嚴禁未經授權的修改或自動發佈。

相容平台~Claude Code~Codex CLI~Cursor
npx skills add tiancc-cyber/youtube-subtitle-collage

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

YouTube 字幕金句拼接圖

交付可溯源的真實影片字幕拼接圖,而不是重新生成人物或把金句重繪成大標題。預設保留原語言、原字幕、水印與真實鏡頭切換。使用本套腳本,不依賴其他技能或舊專案的絕對路徑。

開始或繼續

  • 先定位 Python 環境和用戶的輸出目錄;現有 job 先執行 scripts/workflow.py status JOB。

  • 閱讀 運行手冊,再操作媒體、OCR 和渲染。首次部署閱讀 環境與故障。

  • 建立、匯入 shortlist/selection/captions 前閱讀 資料結構。

  • 環境已有依賴就複用;不擅自全域安裝軟體、更改系統代理或讀取瀏覽器 Cookie。

  • 僅製作圖片時不強制生成社交平台配文;用戶要求完整內容工作流時再生成相應平台的草稿,不擅自新增帳號或發布目標。

  • 用戶要求發布現成圖片時,直接閱讀 瀏覽器發布,定位對應 job 和成品,不重複下載、選句或渲染。用 scripts/publish_queue.py 校驗素材、規劃時間和記錄進度;頁面操作優先 Computer Use,已獲准使用 AppleScript 時按該手冊的替代路線繼續。

  • 寫標題與社交配文時,閱讀 讀者配文。圖片承載原話,配文提供有依據的理解、具體感受與討論入口,不把製作說明寫給讀者。

  • macOS Chrome 控制故障且用戶允許 AppleScript 時,閱讀 Apple 事件 DOM 操作。只有當前工具規則也允許替代技術時使用;複用已有授權,先讀後寫,提交按佇列記帳。

必須保留的判斷與審核

  1. 字幕軌可用時先分析字幕,避免不必要的整集下載;只有燒錄字幕時,為識別文字可先下載真實影片。優先使用已有完整本地媒體。
  2. 使用有界獲取路線。記錄錯誤類型;一次正常嘗試失敗後只嘗試一種有依據的替代路線。403/LOGIN_REQUIRED 不循環碰撞,交還用戶解決授權或提供本地媒體。
  3. OCR 只是候選定位器。閱讀本地候選包而非反覆讀取全篇;對進入候選的原話核對真實幀和上下文。抽樣識別不能聲稱是無遺漏、完全校對的逐字稿。
  4. 呈現候選 ID、逐字文字、時間、說話人、分享理由、上下文風險,停在 awaiting_quote_selection。不為湊數量收錄弱句。
  5. 用戶明確選 ID 後才執行 choose-quotes。隨後 build_selection.py 從已選候選逐字生成草稿,保留精確 frame_seconds,再匯入。不要默默改字、刪句或合併未揭露的跳剪。
  6. native 模式只使用真實影片,第一塊保留完整畫面,後續塊從相同比例的幀中裁切字幕條;禁止第一句額外放大。預設不加翻譯、標題、偽造字幕。
  7. 檢查圖片數量、尺寸、每句原文、人物與裁切。自動 QA 不代替視覺核對。交付原圖、預覽、時間點及可用的配文/審核包。
  8. 僅製作時停在 awaiting_review;製作與下載授權不是發布授權。用戶另行要求外部發布時,按瀏覽器發布流程核對具體素材、目標帳號與操作範圍,沿用會話中已明確的授權,不重複詢問。不能把註明來源當作已取得版權許可。

如果原片本身字幕大小不同,等比例裁切不會神奇地統一字體;先說明,必要時徵求同意後再改用重排字幕模式。沒有硬字幕的影片,不能將其稱為「原生字幕圖」。

關鍵預設值

  • 本次驗證:macOS + Apple Vision OCR;其他系統需要用戶提供字幕或選擇已配置的本地識別工具,不聲稱跨平台 OCR 已驗證。
  • native 預設 subtitle-stack。保持來源寬度或等比例縮小,不為「高畫質」放大低解析來源。
  • 自然高度:縮放後完整幀高度 + (句數 − 1) × 字幕條高度。不要為固定長寬比放大條內字幕。每張目前支援 3–6 句,超出則討論分組或明確調整渲染器,不能暗刪。
  • 本地下載、裁切、OCR 和檢查交給腳本;模型負責選句判斷、核對、配文。沒有實測 Token 資料就寫「未記錄」,不用台帳裡的 0 或帳戶限額比例推算實際 Token。

用戶只要求排查下載時,僅運行媒體診斷,不擴展到金句生產。

相關技能