Byted Kickart Video Subtitler

设计多媒体需配置 API Key

视频字幕添加SKILL：为视频文件自动添加、嵌入字幕。适用于给视频添加字幕、视频加字幕、视频打字幕、给视频生成字幕、字幕嵌入视频、视频配字幕等场景。触发时机：当用户提及或表达等价意图（帮我给视频添加字幕、给视频加字幕、视频打字幕、给视频生成字幕、添加字幕到视频、视频配字幕、字幕嵌入视频）时，调用此SKILL执行字...

视频处理

151

下载量

安装量

收藏量

★ 5.0

综合评分ⓘ

概述

更多信息

视频字幕添加SKILL#

📋 工具说明#

核心功能#

为本地视频文件添加字幕。

使用限制#

限制项限制值说明字幕总字数≤3000字字幕文本内容（不含标点符号）不得超过3000字

可用命令#

命令功能说明python3.12 scripts/plan.py套餐查询查询用户当前的 Ark Claw 套餐python3.12 scripts/upload.py --file <视频路径>视频上传上传本地视频文件获取媒资IDpython3.12 scripts/subtitler.py --media-id <媒资ID> --captions <字幕配置文件> --output <输出文件>视频字幕添加为视频添加字幕

📝 字幕配置文件生成规则#

配置文件格式

字幕配置文件为JSON格式，包含一个字幕对象数组。单个字幕对象结构如下：

字段类型说明textstring完整的字幕文本内容start_timenumber字幕开始显示时间（毫秒）end_timenumber字幕结束显示时间（毫秒）wordsarray字级时间戳数组，包含每个字的详细时间信息attributeobject字幕属性（预留字段，默认为空对象）

时间分配规则（符合人类朗读习惯）

基础规则：

单字时长：中文正常语速约为每秒4-5字，即每个汉字约200-250毫秒
标点处理：标点符号持续时间为0毫秒，立即显示后进入停顿
意群停顿：逗号、句号等标点后设置300毫秒停顿，符合人类朗读习惯
词间间隔：词语之间设置20毫秒微小间隔，提升可读性
结尾延长：最后一个字适当延长显示时间，确保完整阅读

生成步骤：

确定字幕总数：根据视频时长和内容复杂度，合理划分字幕段落
分配时间范围：确保各字幕之间不重叠，段落间至少保留300毫秒间隔
计算单字时长： (end_time - start_time - 标点停顿时间) / 汉字数量
生成字级时间戳：按顺序为每个字分配时间，标点使用0毫秒时长
添加意群停顿：在标点后插入适当停顿时间

示例计算：

对于字幕"足力健老人鞋，专为爸妈设计"（13个字符，含1个标点）：

总时长：3190毫秒（5000-1810）
汉字数：12个
单字平均时长：约220毫秒
标点停顿：300毫秒

json

{
  "text": "足力健老人鞋，专为爸妈设计",
  "start_time": 1810,
  "end_time": 5000,
  "words": [
    {"text": "足", "start_time": 1810, "end_time": 2000, "attribute": {}},
    {"text": "力", "start_time": 2000, "end_time": 2180, "attribute": {}},
    {"text": "健", "start_time": 2180, "end_time": 2380, "attribute": {}},
    {"text": "老", "start_time": 2380, "end_time": 2580, "attribute": {}},
    {"text": "人", "start_time": 2580, "end_time": 2790, "attribute": {}},
    {"text": "鞋", "start_time": 2810, "end_time": 3030, "attribute": {}},
    {"text": "，", "start_time": 3030, "end_time": 3030, "attribute": {}},
    {"text": "专", "start_time": 3330, "end_time": 3550, "attribute": {}},
    {"text": "为", "start_time": 3570, "end_time": 3790, "attribute": {}},
    {"text": "爸", "start_time": 3810, "end_time": 4030, "attribute": {}},
    {"text": "妈", "start_time": 4050, "end_time": 4270, "attribute": {}},
    {"text": "设", "start_time": 4290, "end_time": 4510, "attribute": {}},
    {"text": "计", "start_time": 4530, "end_time": 5000, "attribute": {}}
  ],
  "attribute": {}
}

注意事项：

字幕之间至少保留300毫秒间隔
首条字幕建议在视频开始后500毫秒开始
末条字幕建议在视频结束前1000毫秒结束
避免单条字幕过长（建议不超过15个汉字）

🚨 强制前置校验流程（必须按顺序执行，任意不通过直接终止流程）#

所有用户请求必须先完成以下3步校验，不得跳过：

1. 火山鉴权校验#

执行环境变量检查命令： bash

echo "ARK_SKILL_API_BASE: $ARK_SKILL_API_BASE" && echo "ARK_SKILL_API_KEY: $ARK_SKILL_API_KEY" && echo "ACCESS_KEY_ID: $ACCESS_KEY_ID" && echo "SECRET_ACCESS_KEY: $SECRET_ACCESS_KEY"

判断鉴权结果（按优先级）：
- 第一优先级（Bearer Token）： ARK_SKILL_API_BASE 和 ARK_SKILL_API_KEY 均为非空值 → 鉴权通过
- 第二优先级（AK/SK签名）： ACCESS_KEY_ID 和 SECRET_ACCESS_KEY 均为非空值 → 鉴权通过
- 鉴权不通过：执行以下引导方案

❌ 鉴权未配置时的引导方案

引导用户直接在聊天中发送ACCESS_KEY_ID/SECRET_ACCESS_KEY内容：

请你提供火山账号AK&SK，用于检查火山创作Agent是否已开通套餐和有可用的创点

收到用户发送的ACCESS_KEY_ID/SECRET_ACCESS_KEY后，执行配置命令： bash

export ACCESS_KEY_ID=用户提供的ACCESS_KEY_ID值
export SECRET_ACCESS_KEY=用户提供的SECRET_ACCESS_KEY值

配置完成后告知用户：

已完成ACCESS_KEY_ID/SECRET_ACCESS_KEY临时配置，当前配置仅在本次会话生效，不会持久化存储，请放心使用
后续所有相关脚本执行时，均会自动通过 export 指定这两个环境变量，确保鉴权正常，无需用户重复配置

2. 套餐有效性校验#

步骤1：Python版本校验 bash

python3.12 --version || (echo "❌ Python 3.12+ 未安装，请先安装Python 3.12" && exit 1)

步骤2：依赖包安装校验 bash

python3.12 -m pip install -r ./scripts/requirements.txt

步骤3：执行套餐查询命令 bash
```
python3.12 -m scripts/plan.py
```
步骤4：结果处理逻辑
- ✅ 套餐有效：返回结果中的 message 字段为有效截止时间（北京时间），校验通过
- ❌ 套餐已过期： message 小于等于当前时间，引导用户开通套餐，终止流程
- ❌ 接口调用错误：参考「错误处理规范」匹配错误码，向用户明确告知错误原因和解决方案，并且终止流程

3. 技能版本校验#

步骤1：执行版本检查命令 bash
```
python3.12 -m scripts/upgrade.py
```

步骤2：解析返回结果 返回格式示例： json

{"code":"0","message":"success","data":"{\"install_command\":\"\",\"latest_version\":\"1.0.0\",\"latest_version_number\":100000000,\"update_message\":\"\"}"}

latest_version：最新版本号（如 "1.0.0"）
install_command：新版本安装指令

步骤3：版本对比逻辑
- ✅ 当前版本 >= 最新版本：版本校验通过，继续后续流程
- ⚠️ 当前版本 < 最新版本：执行以下更新询问流程
  1. 询问用户是否更新到最新版本：
    
    检测到技能有新版本 {latest_version}，是否更新？（是/否）
  2. 用户确认更新（是）：执行 install_command 安装新版本
  3. 用户不更新（否）：跳过更新，继续后续流程

🛠️ 视频字幕添加执行流程#

完整流程概览#

text

用户请求 → 强制前置校验 → 用户输入收集 → 视频字幕添加 → 结果返回

前置准备#

确保输出目录存在： mkdir -p /tmp/openclaw/byted-kickart-video-subtitler/output
生成唯一输出文件名： video_subtitle_<timestamp>_<random>.json

执行步骤#

步骤0：强制前置校验（必须按顺序执行，任意不通过直接终止流程）
- 执行「🚨 强制前置校验流程」中的所有校验步骤
- ✅ 火山鉴权校验通过
- ✅ 套餐有效性校验通过
- ✅ 技能版本校验通过
- 只有全部校验通过后，才能进入下一步
步骤1：视频上传引导
- 询问用户：「请提供您要添加字幕的视频，可以是本地文件路径或视频公网URL。视频时长不能超过10分钟。」
- 支持两种上传方式：
  - 本地文件：直接提供本地视频文件的绝对路径（如 /Users/user/video.mp4）
  - 公网URL：提供可直接访问的视频链接（如 https://example.com/video.mp4）
- 不收集字幕内容：字幕收集在步骤5专门处理
步骤2：视频预处理
- 若用户提供的是公网URL，先下载到本地： bash
```
mkdir -p /tmp/openclaw/byted-kickart-video-subtitler/input
curl -L -o /tmp/openclaw/byted-kickart-video-subtitler/input/downloaded_video.mp4 "<视频URL>"
```
- 检查文件是否存在： ls -la "<视频路径>"
- 检查文件类型是否为有效视频（仅支持MP4/MOV格式）： bash
```
file /tmp/openclaw/byted-kickart-video-subtitler/input/downloaded_video.mp4 | grep -qE "ISO Media|MPEG v4|QuickTime" && echo "valid" || echo "invalid"
```
- 若文件不存在或类型无效， 终止流程并提示用户：
  
  文件不可用，请检查路径是否正确，或确认文件为有效视频格式（仅支持 MP4/MOV）
步骤3：上传视频获取媒资信息
- 执行 python3.12 scripts/upload.py --file <视频路径> 命令
- 返回字段说明：
  
  字段类型说明idstring媒资ID（唯一标识）urlstring视频访问URLdurationnumber视频时长（秒）
步骤4：解析媒资信息：从上传输出中提取 id 作为媒资ID，提取 duration 用于字幕时间分配
- 告知用户视频时长： 您的视频时长为 {duration} 秒，建议字幕总字数不超过 {duration * 4} 字
步骤6：字幕内容收集与校验
- 询问用户：「请提供字幕内容，可以选择以下方式之一：
  1. 直接输入字幕文本（仅支持单行）
  2. 提供SRT字幕文件路径（标准SRT格式）
  3. 提供字幕文本+时间戳数据（包含分句时间戳、分词时间戳、分词文本）」
- 提示用户参考视频时长进行字幕创作（字幕总字数不能超过3000字）
- 若用户选择方式3，引导用户提供完整的时间戳数据
- 字数校验：检查字幕文本总字数（不含标点符号），若超过3000字，提示用户精简字幕内容并终止流程：
  
  字幕字数超过限制（当前{count}字，限制3000字），请精简字幕内容后重新提交
步骤6：生成字幕配置
- 方式一：用户提供字幕文本：根据视频时长和用户提供的字幕文本，按「字幕配置文件生成规则」生成字幕配置JSON
  - 多字幕分支：若字幕文本含换行符（行数>1），自动按换行拆分为多条字幕，等分视频时长（每条字幕时长 = (总时长ms - 1500ms边距) / 字幕条数）
- 方式二：用户提供SRT文件：解析SRT文件内容，转换为字幕配置JSON格式
  - SRT格式示例： text
```
1
00:00:00,000 --> 00:00:02,000
第一条字幕内容

2
00:00:02,000 --> 00:00:04,000
第二条字幕内容
```
  - 解析规则：提取序号、开始时间、结束时间、字幕文本，转换为字幕配置JSON
- 方式三：用户提供字幕文本+时间戳数据：根据用户提供的分句时间戳、分词时间戳、分词文本数据，直接生成字幕配置JSON
  - 输入数据格式示例： text
```
分句1：0-2000ms
分词：词1(0-500ms)、词2(500-1000ms)、词3(1000-1500ms)、词4(1500-2000ms)

分句2：2000-4000ms
分词：词5(2000-2500ms)、词6(2500-3000ms)、词7(3000-3500ms)、词8(3500-4000ms)
```
  - 解析规则：按用户提供的时间戳数据，直接构建字幕配置JSON，包含完整的分句和分词时间信息
步骤7：字幕确认（添加到平台前，必须向用户确认）
- 向用户展示生成的字幕配置摘要（字幕条数、首条文本、预计总时长）
- 询问用户确认：「字幕配置已生成，是否确认提交添加？（确认/取消）」
- 用户取消 → 终止流程，不消耗创点
- 用户确认 → 继续下一步
步骤8：添加字幕：执行以下命令 bash
```
python3.12 scripts/subtitler.py \
  --media-id <媒资ID> \
  --captions /tmp/openclaw/byted-kickart-video-subtitler/output/video_subtitle_<timestamp>_<random>.json \
  --output /tmp/openclaw/byted-kickart-video-subtitler/output/subtitle_result_<timestamp>_<random>.json
```
- 重要：
  - --captions 参数值为 字幕配置JSON文件的绝对路径（不是内联JSON字符串）；由步骤6生成，保存在 /tmp/openclaw/byted-kickart-video-subtitler/output/ 目录下
  - --output 参数值为 结果JSON文件的绝对路径（不是视频文件路径）；脚本会将字幕添加结果保存到此JSON文件
步骤9：解析结果并提取视频URL
- 读取 --output 指定的JSON文件内容
- 从JSON中提取 video 字段值作为字幕添加后的视频URL
- 使用「字幕添加成功模板」向用户展示结果，包含视频预览链接
- 输出字段说明
  
  字段类型说明uuidstring字幕添加任务的唯一标识符videostring字幕添加后的视频URL（包含鉴权参数）

Agent执行特殊要求#

超时设置：调用exec工具启动脚本时，设置≥180000ms（3分钟）的yieldMs
友好提示：若脚本未立即返回结果，先回复用户："正在为您进行视频分析，任务执行时间可能较长，请您稍候~"
异常处理：若脚本因超时/异常退出，立即使用持久化的Task ID调用任务查询接口确认后端状态，禁止直接判定任务失败

📝 用户展示消息模板#

视频上传成功模板：

text

📤 视频上传成功！

🆔 媒资ID: {media_id}
🔗 视频URL: [点击查看]({url})
📊 分辨率: {width}x{height}
⏱️ 时长: {duration}秒

字幕添加成功模板：

text

✨ 字幕添加任务已完成！

🎥 [点击预览视频]({video})

📝 字幕已自动添加到视频中，您可以直接下载使用！

⚠️ 错误处理规范#

所有错误必须明确告知原因和可执行解决方案，禁止模糊提示！！！

错误码错误描述详细说明用户处理建议0无返回值接口调用成功，但服务返回结果为空请稍后重试，如问题持续请联系火山技术支持1400ParamErr参数错误参数错误联系技术支持1402创点不足调用接口时，用户账户的创点额度不足请前往创点充值页面充值创点或升级套餐1410服务ID不存在调用接口时，输入参数中包含了不存在的服务ID1411输入分辨率错误调用接口时，输入参数中的图片或视频分辨率不符合要求请检查素材分辨率是否符合规格要求（如≥480p）1412图片格式错误调用接口时，输入参数中包含了非支持的图片格式请检查图片格式是否为 jpg、png 等支持的格式1413无效的媒体URL错误调用接口时，输入参数中包含了无效的媒体URL请检查您提供的URL是否正确，避免包含特殊字符或格式错误1414输入包含敏感信息错误调用接口时，输入参数中包含了敏感信息，如个人隐私数据等暂不可生成带人物的营销视频，请等待后续版本更新1415输出包含敏感信息错误调用接口时，服务返回结果中包含了敏感信息，如个人隐私数据等暂不可生成带人物的营销视频，请等待后续版本更新1416输入媒体数量错误用户输入的素材数量超过限制提供的媒体素材数量超出限制，多出的素材可能不会使用1417大模型调用错误模型调用出错，通常是输入参数错误媒体素材处理存在问题，请重新尝试，如问题持续请联系火山技术支持1418时长计费参数错误提交时入参时间有问题要求的成片时长不符合技能要求，请按照0-60s的时长限制提交制作需求，如问题持续请联系火山技术支持1501用户套餐过期调用接口时，用户套餐已过期请前往套餐开通页面开通套餐1600任务不存在查询任务状态时，指定的任务ID不存在请确认任务ID是否正确，或任务已被删除100010签名验证失败AK/SK签名验证失败请检查您提供的火山鉴权AK/SK是否正确，可访问火山引擎控制台确认100013缺少服务权限缺少iccloud_muse服务的RegisterArkClawCombo权限您的企业账号未开通Kickart权限，请联系火山主账号管理员为您开通，或详询火山技术支持x01001AK/SK未配置用户未配置AK/SK请输入火山鉴权的AK/SK，可访问火山引擎控制台获取x01010有效套餐缺失素材上传出现错误，通常是套餐原因请前往套餐开通页面开通套餐A0101Session元数据格式错误接口传入的Session元数据格式错误稍后重试，如问题持续请联系火山技术支持A0402文件校验不通过用户输入的文件不符合校验要求引导用户重新上传符合要求的文件其他-未明确列出的其他错误情况稍后重试，如问题持续请联系火山技术支持

使用 Nano Banana Pro (Gemini 3 Pro Image) 生成或编辑图像。支持文生图、图生图及 1K/2K/4K 分辨率，适用于图像创建、修改及编辑请求，使用 --input-image 指定输入图像。

设计多媒体需 API Key

★ 429↓ 11.7万3 个月前更新

使用 Whisper CLI 进行本地语音转文字（无需 API 密钥）

设计多媒体

★ 330↓ 9.4万3 个月前更新

使用 ffmpeg 从视频中提取帧或短片。

设计多媒体

★ 133↓ 5.3万3 个月前更新

提供 UI/UX 设计智能与实现指导，帮助打造精美界面。适用于 UI 设计、UX 流程、信息架构、视觉风格、设计系统/标记、组件规格、文案/微文案、无障碍及前端 UI（HTML/CSS/JS、React、Next.js、Vue、Svelte、Tailwind）生成/评审/改进。工作流包括：①新 UI 布局与样式生成；②现有 UI/UX 改进；③设计系统标记和组件规范产出；④ UX 建议转化为代码变更。

设计多媒体

★ 216↓ 4.7万3 个月前更新

Byted Kickart Video Subtitler

视频字幕添加SKILL#

📋 工具说明#

核心功能#

使用限制#

可用命令#

📝 字幕配置文件生成规则#

配置文件格式

时间分配规则（符合人类朗读习惯）

🚨 强制前置校验流程（必须按顺序执行，任意不通过直接终止流程）#

1. 火山鉴权校验#

❌ 鉴权未配置时的引导方案

2. 套餐有效性校验#

3. 技能版本校验#

🛠️ 视频字幕添加执行流程#

完整流程概览#

前置准备#

执行步骤#

Agent执行特殊要求#

📝 用户展示消息模板#

⚠️ 错误处理规范#

Nano Banana Pro

Openai Whisper

Video Frames

UI/UX Pro Max

SuperDesign

diagram-generator

Byted Kickart Video Subtitler

视频字幕添加SKILL#

📋 工具说明#

核心功能#

使用限制#

可用命令#

📝 字幕配置文件生成规则#

配置文件格式

时间分配规则（符合人类朗读习惯）

🚨 强制前置校验流程（必须按顺序执行，任意不通过直接终止流程）#

1. 火山鉴权校验#

❌ 鉴权未配置时的引导方案

2. 套餐有效性校验#

3. 技能版本校验#

🛠️ 视频字幕添加执行流程#

完整流程概览#

前置准备#

执行步骤#

Agent执行特殊要求#

📝 用户展示消息模板#

⚠️ 错误处理规范#

相关推荐

Nano Banana Pro

Openai Whisper

Video Frames

UI/UX Pro Max

SuperDesign

diagram-generator