字幕

转录 → Agent校对 → 人工审核 → 烧录

核心流程

1. 提取音频 + 上传
    ↓
2. 火山引擎转录（带热词词典）
    ↓
3. Agent 自动校对（词典纠错 + 对照原稿）
    ↓
4. 启动审核服务器，人工最终确认
    ↓
5. 烧录字幕

---

Step 1: 提取音频并上传

# 提取音频
ffmpeg -i "video.mp4" -vn -acodec libmp3lame -y audio.mp3

# 上传到 uguu.se（临时文件托管）
curl -s -F "files[]=@audio.mp3" https://uguu.se/upload
# 返回 URL 如: https://o.uguu.se/xxxxx.mp3

---

Step 2: 火山引擎转录（带热词）

转录脚本会自动读取词典作为热词，提高识别准确率：

# 词典位置: /Users/chengfeng/Desktop/AIos/剪辑Agent/.claude/skills/字幕/词典.txt
# 脚本会自动加载

bash ../剪口播/scripts/volcengine_transcribe.sh "https://o.uguu.se/xxxxx.mp3"

词典格式（每行一个词）：

skills
Claude
Agent
成峰
剪辑skills
claude code

---

Step 3: Agent 自动校对

3.1 生成带时间戳的字幕

const result = JSON.parse(fs.readFileSync('volcengine_result.json'));
const subtitles = result.utterances.map((u, i) => ({
  id: i + 1,
  text: u.text,
  start: u.start_time / 1000,
  end: u.end_time / 1000
}));
fs.writeFileSync('subtitles_with_time.json', JSON.stringify(subtitles, null, 2));

3.2 Agent 手动校对（不用脚本）

转录后，Agent 必须逐条阅读全部字幕，手动校对以下问题：

常见误识别规则表

误识别	正确	类型
成风	成峰	同音字
正特/整特	Agent	误识别
IT就	Agent就	发音相似
edge的叉100	Agentx100	误识别
cloud code	Claude Code	发音相似
Schill/skill	skills	发音相似
剪口拨/剪口波	剪口播	同音字
自净化/资金化	自进化	同音字
减口播	剪口播	同音字
录剪	漏剪	同音字
作为这个	做这个	同音字
斜杠V1/斜杠v	/v	口语描述
斜杠v点口拨	/v.口播	口语+同音
a p i t/APIK	API Key	误识别
excuse	skills	误识别
移完了	剪完了	同音字

常见漏字问题

原文	修正	说明
步呢是配置	第二步呢是配置	漏"第二"
4步就是	第4步就是	漏"第"
别省时间	特别省时间	漏"特"
这个我们的	这个是我们的	漏"是"
在里面看到	可以在里面看到	漏"可以"
跟大家处理完	跟大家讲完	用词不当
剪辑了逻辑	剪辑的逻辑	语法错误

3.3 对照原稿校对（如有原稿）

如果有原稿/脚本，可以辅助校对，但不要用脚本自动匹配（文字差异会导致时间戳累积错误）。

Agent 应：

1. 读取原稿作为参考
2. 手动逐条对比，发现差异时修正
3. 不确定的地方标记，留给人工审核

---

Step 4: 启动审核服务器

cd 字幕目录/
node /path/to/skills/字幕/scripts/subtitle_server.js 8898 "video.mp4"

访问 http://localhost:8898

功能：

• 左侧视频播放，右侧字幕列表
• 播放时自动高亮当前字幕
• 双击字幕文字编辑（时间戳不变）
• 倍速播放（1x/1.5x/2x/3x）
• 保存字幕 / 导出 SRT / 烧录字幕
• 底部显示词典快捷插入

---

Step 5: 烧录字幕

默认样式：22号金黄粗体、黑色描边2px、底部居中

ffmpeg -i "video.mp4" \
  -vf "subtitles='video.srt':force_style='FontSize=22,FontName=PingFang SC,Bold=1,PrimaryColour=&H0000deff,OutlineColour=&H00000000,Outline=2,Alignment=2,MarginV=30'" \
  -c:a copy \
  -y "video_字幕.mp4"

参数	值	说明
FontSize	22	字体大小
FontName	PingFang SC	苹方字体
Bold	1	粗体
PrimaryColour	&H0000deff	金黄色 #ffde00
OutlineColour	&H00000000	黑色描边
Outline	2	描边宽度
Alignment	2	底部居中
MarginV	30	底部边距

---

目录结构

output/YYYY-MM-DD_视频名/字幕/
├── 1_转录/
│   ├── audio.mp3
│   └── volcengine_result.json
├── subtitles_with_time.json    # 核心文件
└── 3_输出/
    ├── video.srt
    └── video_字幕.mp4

---

字幕规范

规则	说明
一屏一行	不换行，不堆叠
句尾无标点	你好 不是 你好。
句中保留标点	先点这里，再点那里

---

反馈记录

2026-01-31

• 火山引擎支持热词，已集成到转录脚本
• Agent 转录后需要自动校对，不能直接交给用户
• 字幕样式：金黄粗体 #ffde00，描边 2px
• IT 常被误识别为 Agent，需加入纠错规则
• 重要：Agent 校对必须手动逐条阅读，不能用脚本自动匹配
• 新增 17 条常见误识别规则（详见 3.2 节）
• 漏字问题比误识别更难发现，需要特别注意