space-video-subtitle

name	space-video-subtitle
description	视频字幕全流程——语音转写、口播式断句、AI 校对纠错（专有名词/同音字/标点）、生成 SRT/ASS，并可选烧录进视频。当用户说「上字幕」「转写这条视频」「生成 srt」「字幕校对」「断句」「烧录字幕」「硬字幕」「subtitle」时触发。输入是视频或音频，输出是校对过的字幕文件，可选带字幕的成片。

space-video-subtitle · 字幕

字幕不是「转写完就行」。口播字幕要断句舒服、专名正确、和画面对齐。分四步。

流程

视频/音频 → ① 转写(带时间) → ② 口播式断句 → ③ AI 校对 → ④ 输出 SRT/ASS →（可选）烧录

① 转写

• 抽 16k 单声道 wav → ASR（SenseVoice / whisper / Volc 任一可用后端）
• 产出带时间的词级或句级结果

② 口播式断句

字幕断句和标点不一样，按呼吸和语义断，不按书面标点：

• 一屏字幕 ≤ 一句能一眼读完（中文一般 ≤15 字/行，竖屏更短）
• 在自然停顿处断，不把一个词组切两屏
• 语气词/口头语可保留（更真实），也可按用户偏好清掉

③ AI 校对（最关键）

ASR 初稿必错，重点纠三类：

• 专有名词：人名、产品名、英文缩写（Qoder、HyperFrames、MCP…）——建一个术语表喂进去统一
• 同音字：中文 ASR 高发（「在/再」「的/得」「做/作」）
• 标点与数字：口播里的「百分之八十七」→「87%」按需规整

若有剪辑（space-video-edit），字幕基于剪后视频重新转写再校对，不能沿用原视频字幕。

④ 输出

• subtitles.srt：通用
• subtitles.ass：需要样式（字体、描边、位置、逐字卡拉OK）时用
• 命名和成片对应

烧录（可选）

# 软字幕(可关) —— 封装进容器
ffmpeg -i in.mp4 -i subtitles.srt -c copy -c:s mov_text out.mp4

# 硬字幕(烧进画面) —— 带样式
ffmpeg -i in.mp4 -vf "subtitles=subtitles.ass" -c:a copy out_hard.mp4

竖屏注意字幕安全区（别被平台 UI 挡住），一般压在画面下方 1/5 以上。

交接

• 上游：space-video-edit 的 source_cut.mp4，或任意成片/音频
• 下游：带字幕的成片 → space-video-cover 或直接发布

依赖

ffmpeg、一个 ASR 后端；烧录 ASS 需 ffmpeg 带 libass。

核心原则

• 断句按呼吸，不按标点
• 专名先建表：术语表统一，避免同一个词半集对半集错
• 剪后重转写：剪过的视频，字幕必须重新做