ai-subtitle-generatorlisted
Install: claude install-skill yanghhu/miragea-voiceover-skills
# 字幕生成
「字幕生成」是一个把本地视频或音频自动识别成带时间轴 SRT 字幕(也可导出 TXT 文字稿或 JSON)的 Agent 技能,用于视频自动加字幕、音频转字幕和音频转文字;给文字稿配音时也能同步出字幕,本地无需显卡。
## 一句话定义
字幕生成 = 本地视频 / 音频文件 → `recognize` → 带时间轴的 `.srt`(或 `.txt` 文字稿、`.json` 分段);给文字稿配音时用 `voiceover.py script`,同时得到 `voiceover.srt`。识别由 Miragea 开放 API 完成,本地无需显卡。
## 两种出字幕的方式
| 你手上有 | 用什么 | 得到 |
|---|---|---|
| 已经录好的视频 / 音频 | `miragea_audio.py recognize --file 文件 --wait --output 字幕.srt` | SRT;`--subtitle-format txt` 得到纯文字稿,`json` 得到文本、语言和时间分段 |
| 还没配音的文字稿 | `voiceover.py script 稿件.md -o out` | 配音 `voiceover.wav` + 按真实音频时长对齐的 `voiceover.srt` + `manifest.json` |
## 适用人群与场景
| 谁在用 | 典型场景 |
|---|---|
| 短视频博主 | 口播、Vlog 视频自动加字幕,再导入剪映微调 |
| 课程 / 讲座 | 录播课生成字幕和讲稿文字 |
| 访谈、播客 | 音频转字幕、音频转文字,整理成文稿 |
| 会议录音 | 导出 TXT 文字稿做纪要底稿 |
| 解说号 | 先把片段识别成文字,作为写稿参考 |
| 开发者 / Agent 工作流 | JSON 分段(start / end / text)接入后续处理 |
## 核心能力参数
| 项目 | 说明 |
|---|---|
| 输出文件 | `voiceover.wav`(整段配音)、`voiceover.srt`(带时间轴字幕)、`manifest.json`(每句说话人、文本、起止秒数)、`lines/`(每句音频,改稿时复用) |
| 音色来源 | 账号里的角色:`voice=角色名称` 或 `actor_id=角色ID`(用 `actors` 查询);还没有角色时,用本人或已获授权的录音 `create-actor` 创建私有角色(声音克隆),之后每次都用这个角色配音 |
| 生成模式 | `expressive`(客户端「默认」)/ `standard`(客户端「更像」);省略时用服务端默认,以 `capabilities` 实时返回为准 |
| 语气标签 | `tags=标签名`,取 `capabilities` 里所选模式的 `tags[].label` |
| 语速 | `speed=` 0.25–4,1 为正常语速,按角色设置 |
| 多角色 | 稿件开头给每个角色定一个音色;本技能脚本逐句调用官方客户端 `generate`,再在本地把整段拼起来 |
| 停顿 | 行内 `[pause 0.6]` / `[停顿 0.6]`(秒);`--gap` 设句间默认停顿 |
| 字幕 | 配音时按每句实际音频时长生成 SRT(`--max-chars`、`--speaker-labels`);已有音频 / 视频用 `recognize` 识别为 SRT / TXT