video-subtitle-skill

# 视频字幕生成器 (Video Subtitle Generator) 基于 SenseAudio ASR API，为视频或音频文件自动生成字幕。 ## 核心功能 1. **语音识别** — 自动识别视频/音频中的语音内容，生成带时间戳的字幕 2. **多语言支持** — 支持中文、英文、日文、韩文等 20+ 种语言 3. **字幕翻译** — 识别后可自动翻译成目标语言 4. **说话人分离** — 多人对话场景自动区分不同说话人 5. **字幕烧入** — 将生成的字幕直接烧入视频输出新文件 6. **多格式输出** — 支持 SRT / VTT / TXT / JSON 格式 ## 使用方式 用户说出类似以下请求时触发此 Skill： - "帮我给这个视频加字幕" - "识别这个音频的内容并生成字幕" - "把这个英文视频翻译成中文字幕" - "帮我总结一下这个视频讲了什么" ## 执行步骤 ### 第一步：检查 API 密钥 ```bash echo "SENSEAUDIO_API_KEY=$SENSEAUDIO_API_KEY" ``` **如果 `SENSEAUDIO_API_KEY` 为空，必须先向用户询问，说明在 https://senseaudio.cn 注册获取。不要直接运行脚本让它报错。** ### 第二步：运行脚本生成字幕 ```bash # 基础用法 python scripts/video_subtitle.py "/path/to/video.mp4" --output outputs/ # 指定语言 + 翻译 python scripts/video_subtitle.py "/path/to/video.mp4" --language zh --translate en # 生成字幕并烧入视频 python scripts/video_subtitle.py "/path/to/video.mp4" --burn --font-size 28 # 说话人分离 python scripts/video_subtitle.py "/path/to/meeting.mp4" --model pro --speaker ``` 注意：如果环境变量 `SENSEAUDIO_API_KEY` 已设置，无需 `--senseaudio-api-key`。 ### 第三步：内容总结（如用户需要） 脚本会输出纯文本转写结果（`*.txt`）。如果用户需要视频内容总结，**你（Claude）直接读取这个 txt 文件并总结**，不需要调用外部 LLM。 ### 第四步：返回结果 将生成的字幕文件路径（和烧入后的视频路径）返回给用户。 ## ASR 模型选择 | 模型 | 参数值 | 特点 | 适用场景 | |------|--------|------|---------| | 极速版 | `lite` | 毫秒级响应、30+ 语言 | 低成本批量转写 | | 标准版 | `standard` | 功能全面、性价比高 | **通用转写、视频字幕（推荐）** | | 专业版 | `pro` | 高精度、说话人分离 | 会议记录、访谈、多人场景 | | 深度版 | `deepthink` | 智能纠错、方言增强 | 方言/术语较多的场景 | ## 环境要求 - Python 3.10+，依赖：`requests` - 系统依赖：`ffmpeg`（音频提取和字幕烧入）、`fonts-noto-cjk`（中日韩字幕烧入需要） - `SENSEAUDIO_API_KEY` — SenseAudio API 密钥（唯一需要的密钥） ## 参数说明 | 参数 | 说明 | 默认值 | |------|------|--------| | `input` | 输入视频/音频文件路径（必填） | - | | `--output` | 输出目录 | 输入文件同级 subtitle_output/ | | `--model` | ASR 模型 (lite/standard/pro/deepthink) | standard | | `--language` | 音频语言代码 (zh/en/ja 等) | 自动检测 | | `--translate` | 翻译目标语言代码 | 不翻译 | | `--speaker` | 启用说话人分离 | 否 | | `--sentiment` | 启用情感分析 | 否 | | `--burn` | 将字幕烧入视频 | 否 | | `--font-size` | 烧入字幕字体大小 | 24 | | `--format` | 字幕格式 (srt/vtt/both) | srt | | `--senseaudio-api-key` | SenseAudio API 密钥 | 环境变量 | ## 输出文件 | 文件 | 说明 | |------|------| | `文件名.srt` | SRT 格式字幕 | | `文件名.vtt` | VTT 格式字幕（需指定 --format vtt/both） | | `文件名.txt` | 纯文本转写结果 | | `文件名_detail.json` | 详细识别结果（含时间戳、说话人等） | | `文件名_subtitled.mp4` | 烧入字幕的视频（需指定 --burn） | ## 支持的语言代码 zh(中文) en(英文) ja(日文) ko(韩文) fr(法语) de(德语) es(西班牙语) pt(葡萄牙语) ru(俄语) it(意大利语) ar(阿拉伯语) yue(粤语) nl(荷兰语) id(印尼语) ms(马来语) th(泰语) tr(土耳其语) vi(越南语) 等