Analyze BaZi compatibility for romantic relationships (合婚). Examines elemental harmony, Day Master interaction, and long-term compatibility potential.

2026-02-1124

name	audio-subtitle-manager
description	管理视频项目的音频层 (配音/TTS、BGM、音效) 和字幕层 (SRT/ASS 格式生成)。从场景剧本中提取对白，生成配音指导、字幕文件和音频混合方案。

Audio & Subtitle Manager — 音频字幕管理器

管理视频的声音维度：将场景剧本中的对白转换为可用的配音指导和字幕文件，规划 BGM 和音效的时间轴，确保声画同步。

When to Use This Skill

从场景剧本提取对白，生成字幕文件 (SRT/ASS)
规划 TTS/真人配音的方案和参数
设计 BGM 编排和音效时间轴
生成音频混合 (Audio Mix) 指导文件
为不同语言生成多语字幕

What This Skill Does

对白提取: 自动从场景剧本中提取所有对白/旁白
字幕生成: 输出 SRT 或 ASS 格式的字幕文件
配音规划: 生成详细的配音指导 (语气、语速、情绪)
TTS 参数: 为 AI 语音合成准备参数和文本
BGM 编排: 规划背景音乐的时间轴和淡入淡出
音效列表: 汇总所有音效需求及其时间点
音频时间轴: 生成完整的声音层时间轴

How to Use

从场景剧本导出

从场景剧本生成字幕和配音方案

指定配音方案

为这些场景规划 TTS 配音:
- 角色 A: 男声，成熟专业
- 角色 B: 女声，活力年轻

仅生成字幕

提取场景剧本的对白，生成 SRT 字幕文件

Instructions

When user requests audio/subtitle management:

提取对白

从 ./output/scripts/scenes/ 中扫描所有场景文件，提取对白：

## 对白提取报告

**来源**: ./output/scripts/scenes/ (N 个场景文件)
**总字数**: [XXX] 字
**预估配音时长**: [X:XX]
**角色**: [列表]

| 场景 | 时间段 | 说话人 | 对白内容 | 语气 | 预估时长 |
|------|--------|--------|---------|------|---------|
| S01 | 0:00 | 角色 A | "大家好..." | 自信 | 0:03 |
| S01 | 0:03 | [旁白] | "今天我们..." | 沉稳 | 0:05 |
| S02 | 0:08 | 角色 A | "你有没有..." | 好奇 | 0:04 |
| ... | ... | ... | ... | ... | ... |

**各角色对白量**:
- 角色 A: [XXX] 字 / [X:XX] 时长
- 角色 B: [XXX] 字 / [X:XX] 时长
- 旁白: [XXX] 字 / [X:XX] 时长

生成 SRT 字幕文件

1
00:00:00,500 --> 00:00:03,200
大家好，欢迎来到xxx。

2
00:00:03,500 --> 00:00:07,800
今天我要跟你聊一个
99%的人都不知道的秘密。

3
00:00:08,200 --> 00:00:12,000
你有没有想过为什么
有些人做视频就是能火？

4
00:00:12,500 --> 00:00:15,800
答案其实很简单——

SRT 规范:

每条字幕不超过 2 行
每行不超过 18 个中文字 / 42 个英文字符
最短显示时间: 1 秒
最长显示时间: 7 秒
字幕间间隔: 至少 200ms
阅读速度: ~15 字/秒 (中文) / ~21 字符/秒 (英文)

生成 ASS 字幕文件 (带样式)

[Script Info]
Title: [视频标题]
ScriptType: v4.00+
WrapStyle: 0
PlayResX: 1920
PlayResY: 1080
ScaledBorderAndShadow: yes

[V4+ Styles]
Format: Name, Fontname, Fontsize, PrimaryColour, SecondaryColour, OutlineColour, BackColour, Bold, Italic, Underline, StrikeOut, ScaleX, ScaleY, Spacing, Angle, BorderStyle, Outline, Shadow, Alignment, MarginL, MarginR, MarginV, Encoding
Style: Default,Noto Sans SC,60,&H00FFFFFF,&H000000FF,&H00000000,&H80000000,0,0,0,0,100,100,0,0,1,3,1,2,30,30,50,1
Style: Speaker_A,Noto Sans SC,60,&H00FFFFFF,&H000000FF,&H00FF6600,&H80000000,-1,0,0,0,100,100,0,0,1,3,1,2,30,30,50,1
Style: Speaker_B,Noto Sans SC,58,&H00F0F0F0,&H000000FF,&H003366CC,&H80000000,0,0,0,0,100,100,0,0,1,3,1,2,30,30,50,1
Style: Emphasis,Noto Sans SC,72,&H0000FFFF,&H000000FF,&H00000000,&H80000000,-1,0,0,0,100,100,0,0,1,4,2,2,30,30,50,1

[Events]
Format: Layer, Start, End, Style, Name, MarginL, MarginR, MarginV, Effect, Text
Dialogue: 0,0:00:00.50,0:00:03.20,Speaker_A,,0,0,0,,大家好，欢迎来到xxx。
Dialogue: 0,0:00:03.50,0:00:07.80,Default,,0,0,0,,今天我要跟你聊一个\N99%的人都不知道的秘密。
Dialogue: 0,0:00:08.20,0:00:12.00,Speaker_A,,0,0,0,,你有没有想过为什么\N有些人做视频就是能火？

ASS 样式说明:

为不同角色定义不同样式 (字色、描边色)
强调文字用特殊样式
可添加 {\fad(300,200)} 淡入淡出效果
支持 \N 手动换行
支持动画效果: {\move}, {\t}, {\clip}

配音指导文档

## 配音指导 (Voiceover Guide)

### 全局设定

| 参数 | 值 |
|------|-----|
| 语言 | 中文普通话 |
| 采样率 | 48 kHz |
| 位深 | 24-bit |
| 格式 | WAV (原始) / MP3 (成品) |
| 码率 | 320 kbps (MP3) |

---

### 角色 A: [角色名]

**声音特征**:
- 性别:音色: [男声 / 女声 / 中性]
- 音高: [低沉 / 中等 / 清亮]
- 语速: [正常 ~200 字/分 / 偏快 ~250 / 偏慢 ~160]
- 风格: [专业播报 / 亲切聊天 / 活力年轻 / 权威严肃]
- 参考: [知名配音员 / 播客主持人 / 相似风格]

**TTS 推荐** (AI 语音):
- 平台: [Azure TTS / ElevenLabs / 讯飞 / MiniMax]
- Voice ID: [推荐的声音 ID]
- 参数: speed=1.0, pitch=0, emotion=friendly

**逐段配音指导**:

| SegID | 时间 | 对白 | 语气 | 语速 | 特殊指示 |
|-------|------|------|------|------|---------|
| A-01 | 0:00 | "大家好..." | 自信,微笑 | 正常 | 开场感，稍微提高音量 |
| A-02 | 0:08 | "你有没有..." | 好奇,期待 | 稍慢 | 设问句，尾音上扬 |
| A-03 | 0:15 | "答案其实..." | 揭秘,得意 | 先停顿再说 | [停顿 0.5s] 后开始 |

---

### 旁白 (Narrator)

**声音特征**:
- [与角色声音保持一致 / 用不同声音]
- 距离感: [贴近耳边 / 中等距离 / 有回声感]
- 语速: [偏慢 — 留给画面]

BGM 编排

## BGM 编排方案

### 音乐风格定义

**全局风格**: [电子/钢琴/吉他/管弦乐/Lo-Fi/...]
**情绪关键词**: [轻快, 温暖, 科技感, 励志, 神秘]
**参考曲目**: [列出类似风格的参考曲]
**音量基准**: -20dB (对白时) / -12dB (纯音乐段)

### 时间轴

| 时间段 | BGM 描述 | 音量 | 过渡 | 对应场景 |
|--------|---------|------|------|---------|
| 0:00-0:05 | 开场 Intro — 短促有力的节拍 | -15dB → -20dB | Fade In 1s | S1: Hook |
| 0:05-0:25 | 轻快节奏 — 持续铺底 | -20dB | — | S2: 介绍 |
| 0:25-0:55 | 推进感加强 — 节奏略快 | -20dB | Crossfade 2s | S3: 要点 |
| 0:55-1:00 | 小高潮 — 鼓点加强 | -15dB | — | S4: 案例 |
| 1:00-1:30 | 沉稳深入 — 钢琴为主 | -22dB | Crossfade 2s | S5: 分析 |
| 1:30-1:45 | 结尾升华 — 略带感动 | -18dB → Fade Out | — | S6: 总结 |

音效列表

## 音效清单 (SFX List)

| # | 时间点 | 音效描述 | 类型 | 时长 | 音量 | 来源 |
|---|--------|---------|------|------|------|------|
| 1 | 0:02 | 文字飞入 Whoosh | 转场 | 0.5s | -10dB | 素材库 |
| 2 | 0:08 | 设问"叮"提示音 | 强调 | 0.3s | -15dB | 素材库 |
| 3 | 0:15 | 翻页音效 | 转场 | 0.4s | -18dB | 素材库 |
| 4 | 0:30 | 数据弹出 Pop | UI | 0.2s | -12dB | 合成 |
| ... | ... | ... | ... | ... | ... | ... |

**音效分类**:
- 🔊 **转场** (Transition): whoosh, swipe, snap
- 🔔 **强调** (Emphasis): ding, chime, impact
- 🖱️ **UI** (Interface): click, pop, slide
- 🌍 **环境** (Ambience): 办公室白噪, 城市, 自然
- 🎉 **情绪** (Emotion): 成功音, 惊喜, 紧张感

音频时间轴汇总
```
## 音频时间轴 (Audio Timeline)
```
0:00 0:10 0:20 0:30 0:40 0:50 1:00 |--------|--------|--------|--------|--------|--------|

配音 (VO): |==A-01==| |==A-02==| |====A-03====| |==A-04..

BGM: |▓▓▓ Intro ▓▓|░░░░ Light ░░░░░░░░░░|▓▓ Build ▓▓▓▓|

音效 (SFX): ↑ ↑ ↑ ↑ ↑ whoosh ding pop pop whoosh

字幕: |Sub1| |Sub2| |--Sub3---| |Sub4| |--Sub5---|

保存文件

保存到 ./output/ 的以下位置：

./output/
├── subtitles/
│   ├── [video-name].srt          # SRT 字幕
│   ├── [video-name].ass          # ASS 样式字幕
│   └── subtitle-style-guide.md   # 字幕样式说明
├── audio/
│   ├── voiceover-guide.md        # 配音指导文档
│   ├── bgm-timeline.md           # BGM 编排方案
│   ├── sfx-list.md               # 音效清单
│   └── audio-timeline.md         # 音频时间轴汇总
└── scripts/
    └── dialogue-extract.md       # 对白提取表

输出总结

✅ 音频字幕方案完成！

**字幕**:
- SRT: `./output/subtitles/[name].srt` ([N] 条字幕)
- ASS: `./output/subtitles/[name].ass` (含样式)

**配音**:
- 指导文档: `./output/audio/voiceover-guide.md`
- 角色数: [N] 个
- 总配音时长: [X:XX]

**BGM**: `./output/audio/bgm-timeline.md`
**音效**: `./output/audio/sfx-list.md` ([N] 个音效)

**Next Steps**:
1. 生成 TTS: `用 TTS 合成角色 A 的配音`
2. 修改字幕: `修改第 [N] 条字幕的时间`
3. 多语字幕: `生成英文版字幕`
4. 查看时间轴: `显示完整音频时间轴`

Tips

字幕跟着声音走: 先确定配音时长，再调整字幕时间
BGM 不要盖住人声: 对白时 BGM 音量 -20dB 以下
SRT vs ASS: 简单字幕用 SRT，需要样式效果用 ASS
字幕断行: 在语义自然停顿处断行，不要把一个词拆开
配音前先通读: 全文通读一遍，确保语气连贯

Related Skills

scene-scriptwriter — 上游：提供对白内容
prompt-generator — 在剧照中嵌入字幕参考位置
digital-human-integrator — 数字人口型同步需配合配音
broll-generator — B-Roll 段落通常没有对白，只有旁白/BGM