video-subtitle-skill — 视频字幕技能

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