Subtitle Refiner

AI 驱动的字幕优化工具，使用 SiliconFlow GLM-4.7 模型智能优化 SRT 字幕文件。

核心功能

- 自动去除语气词：删除 "嗯"、"啊"、"那个"、"就是"、"然后"、"呃" 等口语填充词
智能修正 ASR 错误：根据视频主题修正语音识别错误

- XGBT → ChatGPT - RG → RAG - 菜GPT → ChatGPT - CHATPT → ChatGPT - 等等...

- 保持时间戳：所有时间轴信息完全不变
主题感知：分析视频主题，进行上下文相关的校对
Token 追踪：详细记录每次优化的 token 消耗

触发条件

当以下情况时自动触发此技能：

1. 用户发送 .srt 文件
用户使用关键词：

- "优化字幕" - "校对字幕" - "去掉字幕里的口语词" - "fix subtitle" - "refine subtitle" - "clean subtitle"

工作流程

当技能被触发时：

步骤 1：获取文件路径

从用户消息中获取 SRT 文件路径。

步骤 2：调用优化模块

直接执行优化脚本，该脚本会将优化好的文件发送至飞书：

CODEBLOCK0

参数说明：

- <srt_file>: SRT 文件的完整路径
INLINECODE1: Feishu 聊天 ID（从上下文获取）
INLINECODE2: OpenClaw workspace 目录（用于存储输出文件）

示例：
CODEBLOCK1

重要规则

Agent 必须遵守以下规则：

1. ✅ 保持时间戳：永远不修改时间轴信息
✅ 保持顺序：永远不改变字幕顺序
✅ 保持索引：永远不修改字幕序号
✅ 只修改文本：只修改字幕的文本内容
✅ 调用 Python 模块：使用上述代码导入并调用 INLINECODE3
✅ 传递正确参数：确保传递文件路径、chatid 和 workspacedir

输出格式

优化后的文件

- 命名格式：INLINECODE4
存储位置：INLINECODE5

汇总格式参考

✅ 字幕优化完成！
优化结果：
📝 处理字幕：x 条
✏️ 修正内容：x 处
🎯 主要修正：
去除口语填充词（嗯、啊、然后、那个等）
修正 ASR 识别错误（XGBT → ChatGPT、xx → xx 等）
Token 消耗：
输入：xx tokens
输出：xx tokens
总计：xx tokens
输出文件：
已自动发送到飞书，文件名：chatgpt订阅会员教程---1d420eb9-64ae-4381-ab81-5e489432d825_优化_20260308_0942.srt
请查收飞书消息中的优化后字幕文件！📤

配置

API 配置

- Endpoint: INLINECODE6
主模型: INLINECODE7
API Key: 从环境变量 SILICONFLOW_API_KEY 读取
如果用户没有填写API Key，提示：

注册领取API 16元代金券 https://cloud.siliconflow.cn/i/AEg95IPc

获取SILICONFLOWAPIKEY：https://cloud.siliconflow.cn/me/account/ak

文件存储

- 原始文件: {workspace}/subtitle/（由 OpenClaw 管理）
优化文件: {workspace}/subtitle_refine/（输出目录）

错误处理

Skill 具有完善的错误检测和处理机制，会在处理前自动检查环境：

预检查功能

1. 🔌 网络连接检测：自动检测是否能连接到 SiliconFlow API
🔑 API Key 验证：验证 API Key 是否有效
⚠️ 早期失败：在开始处理前发现问题，避免浪费 token

错误提示

错误类型	提示	解决方案
🔑 API Key 错误 (401)	API Key 未设置或无效	检查环境变量 INLINECODE11
💰 余额不足 (402)

自动重试

- 超时重试：支持连接超时（10秒）和读取超时（60秒）分离
优雅降级：逐行优化失败时保留原文继续处理

技术细节

提示词策略

1. 主题分析：分析前 20 条字幕，提取视频主题
逐行优化：基于主题和规则，逐行校对每条字幕
规则约束：6 条明确规则，确保不过度修改

Token 追踪

- 每次API调用都记录输入和输出 token
汇总所有调用的总消耗
在总结中清晰展示

优化质量

- Temperature: 0.2（确保稳定性）
仅修正明确的问题，不润色
保持原句意思和语气