alyshadotmd/video-editing：字幕生成

字幕

目標：讓觀眾毫不費力就能閱讀的字幕。每個字幕都是一個簡短、完整的語意片段，精確對應到每個字詞的發音時間，並固定在影片的同一位置。

這是編輯順序中的第五步：A-roll 剪輯、B-roll、框架、標題、字幕。它是在已經過框架處理和標題添加的影片上運行的，因此字幕可以避開標題。

此技能專為 Claude Code 和 Runneth 設計。

開始之前：工具

在 Runneth 中，所有工具都已安裝完畢：請跳過此部分。

在 Claude Code 中，此技能需要 video-editing-setup 技能安裝的免費影片工具。請安靜地檢查 ~/.video-editing-tools/bin/ffmpeg -version 是否可以執行。如果可以，請在此技能所有提及 ffmpeg、ffprobe 或 python3 的地方使用 ~/.video-editing-tools/bin 中的工具（ffmpeg、ffprobe、python），然後繼續。如果無法執行，請先遵循 video-editing-setup 技能，然後再回到此處。

字體： Figtree Bold，此技能使用的唯一字體。這是一個免費的 Google 字體。請安靜地檢查它是否已安裝在電腦上或專案旁的 fonts 資料夾中。如果沒有，請詢問：「這會用到 Figtree，一個免費的 Google 字體。要我幫你下載嗎？」如果回答是，請從 Google Fonts (fonts.google.com/specimen/Figtree) 下載 Figtree Bold 檔案到專案旁的 fonts 資料夾中，然後繼續。此檢查也適用於 Runneth。

所需資訊

• 已完成框架處理並包含標題（或其時間軸）的影片。
• 腳本（如果有），以確保人名和產品名稱拼寫正確。
• 標題出現在螢幕上的時間及其位置。

第 0 步：先詢問樣式

逐一詢問以下問題，等待每個回答：

1. 「你想要逐字字幕，還是一次顯示幾個字？」
2. 僅在選擇一次顯示幾個字時：「你希望正在講的那個詞以不同顏色亮起嗎？」
3. 僅在回答「是」時：「你想要哪種顏色？」提供亮黃色 (#FFFF3A) 作為預設選項，或使用他們的品牌顏色。

第 1 步：取得每個字及其時間點

1. 使用音檔轉寫功能（faster-whisper base，word_timestamps=True，vad_filter=False）來轉寫影片自身聲音，並取得每個字的時間點。時間點必須來自這個確切的影片，因為每次剪輯都會改變時間。
2. 對於人名、品牌和產品名稱，使用腳本中的拼寫，並保留轉寫結果的時間點。
3. 每個說出來的字都有一個字幕。沒有說出來的字就不會有字幕。

第 2 步：按語意分割成塊（僅限一次顯示幾個字模式）

1. 通常每個區塊 1 到 3 個字，最多約 5 個字，當這樣能保持一個短語的完整性且仍適合寬度時。
2. 保持在一起： 名詞與其修飾詞（「a sleep drink」）、名稱（「Claude skill」）、動詞與其附屬詞（「go to bed」）以及簡短的完整想法（「but that's how I felt」）。
3. 每個區塊以一個承載意義的詞結尾。 小詞（the, a, of, to, and, because, that, I）則開始下一個區塊。
4. 每個區塊從其第一個字開始顯示，直到下一個區塊開始，這樣螢幕永遠不會在句子中間出現空白閃爍。
5. 像觀眾一樣從頭到尾閱讀整個列表，修正任何讀起來不順暢的分割。

第 3 步：外觀

每個字幕都使用 Figtree Bold、白色字體、黑色描邊。沒有背景框、沒有陰影、沒有彈入或彈跳效果：字幕只需出現即可。主要使用小寫字母，I、人名和品牌名稱大寫，結尾沒有句號或逗號。

• 逐字模式： 約 140px，6px 描邊，一次只顯示一個字。每個字會停留在螢幕上，直到下一個字出現。長字會縮小以適合約 720px 的寬度。跳過第 2 步的分割。
• 一次顯示幾個字模式： 約 60px，3px 描邊，使用第 2 步產生的區塊。
  • 啟用單詞亮色標記： 正在說的詞在區塊內變為所選顏色，類似卡拉 OK 效果。
  • 未啟用： 整個區塊保持白色。

第 4 步：放置位置

1. 置中，位於胸部高度， 在 1080x1920 的影片中大約 y 1260 到 1305：低於下巴，高於應用程式的字幕和按鈕。
2. 在安全區域內： 安全區域來自 post-preview 技能：在 1080x1920 的畫面上，將所有內容保持在 x 100 到 880，y 290 到 1340 的範圍內（這是 Reels、Stories、Feed、TikTok 和 Facebook 都安全的唯一框）。當某個元素靠近邊緣時，請查閱 post-preview 以了解該位置確切的遮蓋區域。因此，置中的字幕需要將每個字母（包括描邊）保持在 x 200 到 880（約 680px 寬）以及 y 1340 以內。測量每個區塊的寬度；太寬的區塊需要再次分割。
3. 避開標題。 當標題顯示在螢幕上時，字幕應位於其下方並保持清晰的間距；當標題位置較低時，字幕應在安全區域內向下移動，而不是與之重疊。
4. 整個影片保持在同一個位置， 這樣視線總知道該往哪裡看。
5. 字幕位於嘴巴下方，絕不跨越臉部。 每個字幕都要避開眼睛、鼻子和嘴巴。如果臉部位置過低，導致字幕位置會遮蓋到臉部，那表示框架有問題：將其送回框架步驟進行修正（或在修正期間將字幕向下移動至安全區域內）。

第 5 步：生成與嵌入

1. 將字幕寫入一個 ASS 字幕檔案。在啟用單詞亮色標記時，每個單詞使用一個事件，以便顏色隨語音移動。字距通過內聯的 \fsp 標籤設定。
2. 將渲染器指向一個僅包含 Figtree Bold 檔案的字體資料夾，以確保使用正確的字重：ass=captions.ass:fontsdir=fonts。
3. 從全畫質影片進行一次性嵌入（x264, slow, crf 14 到 18），音訊原樣複製。

第 6 步：在任何人看到之前進行檢查

1. 每個單詞出現一次且準時： 將字幕列表與轉寫結果逐字比對。
2. 每個區塊的一個畫面： 檢查是否在安全區域內，沒有被截斷，沒有與標題重疊，且整個字幕位於嘴巴下方。使用人臉偵測器或逐幀檢查；任何字幕部分遮蓋臉部都視為檢查失敗。
3. 啟用單詞亮色標記時，顏色應準確落在正在說的詞上， 在影片中的幾個時間點進行檢查。

第 7 步：向編輯學習

當編輯者更改了分割、單詞或外觀時，詢問原因（除非他們主動說明）。將原因作為一條規則寫入下方的「來自編輯的字幕規則」中，措辭應描述應該為真的情況。你自己推斷出的原因需標記為「(AI)」，並且永遠不會更改規則。

來自編輯的字幕規則

（初始為空。每次編輯給出規則時添加。）