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#

1. 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
2. 多语言支持 — 支持中文、英文、日文、韩文等 20+ 种语言
3. 字幕翻译 — 识别后可自动翻译成目标语言
4. 说话人分离 — 多人对话场景自动区分不同说话人
5. 字幕烧入 — 将生成的字幕直接烧入视频输出新文件
6. 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#

bash

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#

bash

# 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/--modelASR 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-keySenseAudio API 密钥环境变量

输出文件#

文件说明文件名.srtSRT 格式字幕文件名.vttVTT 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