Token导航 LogoToken导航

Agent Skill · 效率

subtitle-refiner(字幕精炼器)

subtitle-refiner 用于补充效率相关能力,适合在 OpenClaw 中需要让 Agent 承接效率相关任务时使用。可结合来源仓库、安装命令和原始 README 继续核验具体用法。安装前建议确认权限范围、维护状态,以及是否会触发联网、命令执行或文件读写。

subtitle-refiner 是效率类 Agent Skill,可用宿主为 OpenClaw,通过ClawHub获取,权限为接触敏感数据;许可证为 MIT-0,第三方扫描有提醒项,按安装量在效率类的 21,003 个 Skill 里排第 5,837。

总安装 10,257周安装 419GitHub Stars 公开资料未说明下载 3,318核验 2026-05-01

安装说明

本站只整理中文说明,不托管安装包,也不代用户安装。
GitHub
许可证
MIT-0
版本
1.0.0

安装方式

通过对话安装

复制提示词发给支持本地命令或 Skills 的 AI 助手,先确认命令和权限,再让它执行。

请帮我安装这个 Agent Skill:subtitle-refiner(字幕精炼器)
来源仓库:https://github.com/truetechlabs/subtitle-refiner
安装命令:
openclaw skills install subtitle-refiner
安装前请先检查当前环境是否支持对应 CLI,并向我确认将要执行的命令、安装目录、联网范围和文件读写权限;确认后再执行。

命令行安装

复制命令到本机终端执行。该命令会通过 OpenClaw 从第三方来源获取 Skill;本站只展示命令,不托管安装包,也不自动执行。

ClawHubOpenClaw
openclaw skills install subtitle-refiner

这个 Skill 是做什么的

效率类 Skill 把重复的整理、汇总、转换工作交给助手完成,减少手工复制粘贴。

智能优化SRT字幕,去除语气词并修改ASR错误,保持时间不变,输出优化文件并发送飞书通知及令牌报告。

上手步骤

4 步
  1. 1

    确认自己的宿主工具

    公开资料标注支持 OpenClaw;先确认自己用的是其中之一,再按对应工具的 Skills 目录放置。

  2. 2

    拿到安装命令

    可以直接复制的命令是 openclaw skills install subtitle-refiner;命令里的占位符换成自己的路径或密钥再执行。

  3. 3

    安装后重启宿主

    命令执行完要完全退出宿主工具再打开,让新装的 Skill 被重新扫描到,否则列表里可能看不到。

  4. 4

    按最小权限试用

    它需要接触敏感数据,先在测试目录或测试账号里跑,确认没问题再放到正式项目。

常见问题

6 条

subtitle-refiner 怎么安装?

在终端执行 openclaw skills install subtitle-refiner。装完完全退出宿主工具再打开,让它重新扫描本地 Skill。

subtitle-refiner 支持哪些 AI 工具?

公开资料标注支持 OpenClaw。其他工具只要能读取本地 Skill 目录,一般也能手动放进去,但要自己确认触发方式是否一致。

subtitle-refiner 需要什么权限?

权限级别是接触敏感数据。该 Skill 可能接触密钥、Token、环境变量或敏感配置,应进入高风险复核队列,默认不自动发布。

subtitle-refiner 是免费的吗?

来源标注的许可证是 MIT-0。本站不代收任何费用,也不托管安装包;能否商用、要不要署名,以许可证原文为准。

subtitle-refiner 用的人多吗?

公开数据是累计安装 10,257 次,近一周安装 419 次,下载 3,318 次。这些数字来自第三方目录统计,只能当作热度参考,不代表质量或安全性。

subtitle-refiner 安全吗?

第三方扫描有提醒项,说明存在需要人工确认的行为。安装前请打开源码看清它读了什么、联网到哪里。

值得选的地方和要先想清楚的地方

值得选的地方

  • 专注 OpenClaw 一种宿主,触发方式和使用习惯不用来回切换。
  • 许可证明确为 MIT-0,商用和分发边界好判断。

先想清楚的地方

  • 需要接触敏感数据,装到常用环境前要先评估影响面。
  • 第三方扫描存在提醒项或未通过项,需要人工逐条确认。
  • 第三方目录整理,版本更新和行为细节以来源仓库为准。

适不适合你

更适合

  • 已经在用 OpenClaw,想直接扩展它能力的人。
  • 需要处理效率类任务、又不想每次都手写提示词的人。

不太适合

  • 环境里有大量密钥、凭证,不方便给第三方 Skill 读取的人。
  • 需要厂商级技术支持和 SLA 的生产系统。

效率类 Skill 对比

6 个同类
Skill总安装GitHub 星权限许可证扫描
github

GitHub 代码协作 · OpenClaw

7,632,918545需要联网MIT-0通过
nano-pdf

Nano PDF 文档 · OpenClaw

4,249,476231需要联网MIT-0通过
auto-updater

自动更新程序 · OpenClaw

2,964,063386操作浏览器MIT-0通过
video-frames

视频帧 · OpenClaw

2,621,304112需要联网MIT-0通过
gemini

Gemini 助手 · OpenClaw

2,547,39648需要联网MIT-0有提醒
subtitle-refiner

字幕精炼器 · 本页

10,257—接触敏感数据MIT-0有提醒

按安装量取同分类前几名;数字来自第三方目录统计,只作热度参考,不代表质量结论。

SKILL.md 原文

name
subtitle-refiner
description
优化 SRT 字幕文件。去除填充词(嗯、啊等),修正 ASR 识别错误(如 XGBT→ChatGPT、RG→RAG),保持时间戳完全不变,通过 Feishu 发送优化结果和 token 消耗报告。
user-invocable
true
metadata

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
  2. 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:

python3 {baseDir}/scripts/refine.py <srt_file> <chat_id> <workspace>

参数说明:

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

示例:

python3 /path/to/skill/scripts/refine.py \
    /workspace/subtitle/demo.srt \
    "oc_xxxxxxxxx" \
    /workspace

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
  2. ✅ 保持顺序:永远不改变字幕顺序
  3. ✅ 保持索引:永远不修改字幕序号
  4. ✅ 只修改文本:只修改字幕的文本内容
  5. ✅ 调用 Python 模块:使用上述代码导入并调用 refine_and_send()
  6. ✅ 传递正确参数:确保传递文件路径、chat_id 和 workspace_dir

输出格式

优化后的文件

  • 命名格式:{原文件名}_优化{时间戳}.srt
  • 存储位置:{workspace}/subtitle_refine/

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: https://api.siliconflow.cn/v1/chat/completions
  • 主模型: Pro/zai-org/GLM-4.7
  • 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SILICONFLOW_API_KEY: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
  2. 🔑 API Key 验证:验证 API Key 是否有效
  3. ⚠️ 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 SILICONFLOW_API_KEY
💰 余额不足 (402)API 余额不足充值
🚫 权限不足 (403)API 权限问题检查账户状态和 API 权限
⏳ 请求频繁 (429)请求过于频繁稍后重试
⏱️ 请求超时API 请求超时检查网络连接或稍后重试
🔌 网络失败无法连接到 API检查网络设置和代理配置

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
  2. 逐行优化:基于主题和规则,逐行校对每条字幕
  3. 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

平台分布

OpenClaw

79.97%
按下载量换算2,653

安全审计

VirusTotal

可疑

ClawScan

可疑

Static analysis

通过

权限和风险

接触敏感数据

该 Skill 可能接触密钥、Token、环境变量或敏感配置,应进入高风险复核队列,默认不自动发布。

安装前确认

本站仅展示第三方公开信息,不托管安装包,不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。来源安全扫描存在提醒或未通过项,安装前请自行复核。目前只有一个公开来源,建议同时核对源仓库。

继续浏览同类 Skills