- name
- video-subtitle-skill
- description
- 为视频/音频自动生成字幕，支持多语言识别、翻译、说话人分离、字幕烧入视频
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
- 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
- 多语言支持 — 支持中文、英文、日文、韩文等 20+ 种语言
- 字幕翻译 — 识别后可自动翻译成目标语言
- 说话人分离 — 多人对话场景自动区分不同说话人
- 字幕烧入 — 将生成的字幕直接烧入视频输出新文件
- 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
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
# 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