字幕类 GitHub 项目详解:auto-captions-skill、bilingual-subtitles 等 9 个开源字幕工具

字幕类 GitHub 项目详解:auto-captions-skill、bilingual-subtitles 等 9 个开源字幕工具

1. auto-captions-skill(1 星)

简介:一个免费、开源的自动字幕技能,适用于 Claude Code 和其他 AI 代理。你的代理会在你自己的电脑上为视频添加字幕:它会逐字转录语音并标注每个词的时间、校对人名和数字、按照每款 App 需要的样式烧录创作者风格的字幕、生成 SRT 和 VTT 字幕文件、将字幕翻译成其他语言,还可以在你说”好”之后通过 WoopSocial 发布或安排已添加字幕的视频(可选)。

核心功能:
– 本地免费转录:使用 faster-whisper 或 Apple Silicon 上的 mlx-whisper,也可以使用你自己的 Groq 或 Deepgram 密钥处理长视频,或者直接用视频自带的字幕
– 代理逐行校对:在烧录任何内容之前,代理会使用你的人名和术语列表校对每一行
– 8 种字幕样式:当前词高亮、大粗体词、彩色胶囊、逐词显示、双行、干净字幕、极简、一次一词
– 多画幅比例:9:16、4:5、1:1 或 16:9,可裁剪或放在模糊背景上
– 审阅表:画出 TikTok、Reels 和 Shorts 的按钮,让字幕不遮挡它们
– 字幕文件与无障碍:每个视频都附带 SRT、VTT 和逐字稿
– 多语言字幕:相同的时序,包括从右到左的文字以及中文、日文和韩文
– 批量处理:一次处理整个文件夹,从中断处继续

安装:

npx skills add social-media-skills/auto-captions-skill -g -a claude-code -y

依赖:
– Python 3.9+ 及 Pillow(pip install pillow)
– ffmpeg(任何版本,字幕用 Pillow 绘制,ffmpeg 不需要字幕库)
– 一种转录方式:pip install faster-whisper(本地免费)、Apple Silicon 上 pip install mlx-whisper、GROQ_API_KEY 或 DEEPGRAM_API_KEY,或视频自带的 .srt/.vtt
– 能在你电脑上运行命令的代理(Claude Code、Codex、Cursor、OpenClaw 或类似工具)

使用示例:

给 clips/intro.mp4 和 clips/speed.mp4 加字幕,用于 TikTok、Reels 和 Shorts,再出一个 16:9 的 YouTube 版本、一个 4:5 的 LinkedIn 版本和一个西班牙语版本。她叫 Nichole Ayers。

8 种字幕样式:
| 样式 | 外观 | 适用场景 |
|—|—|—|
| pop | 1 到 3 个词,粗轮廓,当前词黄色,关键词绿色 | TikTok、Reels、Shorts |
| bold | 1 或 2 个大写词 | 高能口播 |
| highlight | 当前词放在彩色胶囊上(品牌色) | 品牌 |
| reveal | 词随说话显示,最多 2 行 | 讲解视频 |
| lines | 两行短行,当前词高亮 | 语速快者 |
| clean | 软背景上的句首大写,位于画面下方 | YouTube、LinkedIn、播客 |
| minimal | 小写词,柔和阴影 | 生活方式、旁白 |
| one-word | 一次一个巨大的词 | 钩子、超短视频 |

优势:九家唯一把全流程产物出齐的;低置信词主动标红出校对报告;中文字体缺失时自动回落不缺字。

GitHub:https://github.com/social-media-skills/auto-captions-skill


2. bilingual-subtitles(3 星)

简介:一个 Claude Code / Claude Agent 技能,给视频烧录漂亮的双语字幕:一种语言在上方(如中文)放在圆角框里,另一种在下方(如英文,粗体),白字居中,或移动以避开角落的网络摄像头。它原本是为中文配英文设计的,但适用于任何 CJK 配拉丁字母的组合。

为什么存在它:大多数字幕教程让你用 ffmpeg 的 subtitles= 或 ass= 滤镜,但这个滤镜需要 libass,而许多 ffmpeg 构建(包括 Homebrew 的精简版 ffmpeg)不带 libass,命令直接失败。这个技能完全绕开了这一点:用 Pillow 将每条字幕渲染成透明 PNG,再用每个构建都有的 ffmpeg overlay 滤镜合成到视频上。额外收获:你得到像素级完美的圆角框和 libass 难以产生的真正粗体 CJK。

无 libass、无云服务、无 API 密钥。

核心功能:
– 两个堆叠的字幕框,样式自动缩放到视频分辨率
– 智能换行:内嵌的拉丁单词(Claude、HTML、Figma、Lissajous)被视为原子,绝不跨行
– 中文行首禁则:标点绝不开始一行,它悬挂在上一行
– 自动拆分任何会孤立单词或超过 3 行的字幕,在子句边界拆成更短的带时序的字幕
– 为 CJK 行做假粗体,使其字重与粗体拉丁字体匹配

要求:
– python3 及 Pillow(pip install pillow)
– PATH 上的 ffmpeg 和 ffprobe
– 可选,仅当你从没有逐字稿的视频开始:faster-whisper(pip install faster-whisper)

安装:

git clone https://github.com/zarazhangrui/bilingual-subtitles.git \
  ~/.claude/skills/bilingual-video-subtitles

从纯视频开始(无逐字稿):

# 1) 转写 -> segments.json("bottom" 为逐字稿,时序准确)+ words.json
python3 scripts/transcribe_align.py transcribe --video talk.mp4 --out segments.json

# 2) 编辑 segments.json:修正听错的词,给每段 "top" 填上翻译。保持 start/end 和分段边界不变。

# 3) 烧录
python3 scripts/burn_bilingual_subs.py burn \
  --video talk.mp4 --subs segments.json --out "talk - subtitled.mp4"

优势:设计感全类最强;逐句渲染 PNG 再叠加的绕行方案在任何 ffmpeg 构建上都成立;成品圆角黑盒加中文描边是九个里最好看的;词级时间定段界,改词不改时间,同步不漂移。

短板:依赖不锁 PyAV 版本,新装兼容性差。

GitHub:https://github.com/zarazhangrui/bilingual-subtitles


3. video-subtitle-skill(5 星)

简介:视频字幕技能,流程清晰、前置检查都写成可执行步骤,是九个里最像说明书的一家。

核心功能:
– 双语字幕与烧录成片
– 缺 libass 时有软字幕降级路线
– 清理规则具体到代码
– 流程零废话

要求:需要字幕库支持,可按文档提供的软字幕降级路线执行。

GitHub:https://github.com/Tofuswang/video-subtitle-skill


4. video-subtitle-toolkit(19 星)

简介:双语字幕工具箱,提供双语字幕和烧录成片,抽帧双语可见。

核心功能:
– 双语字幕生成
– 烧录成片
– 双层排版样式

GitHub:https://github.com/binnu-dev/video-subtitle-toolkit


5. cc-skills(7 星)

简介:九个里最轻最诚实的一家,只测了它的 video-subtitler。

核心功能:
– 依赖只有 ffmpeg 加一个 8MB 转写器
– 分组规则按脚本真实执行
– 文档明示不翻译、只转写源语言
– 只产字幕文件不做烧录

GitHub:https://github.com/kkoppenhaver/cc-skills


6. Video-Wrapper-Skills(346 星)

简介:本类星数王,想法也是全类最好的一家:先分析字幕出特效建议、人工审核再渲染,花字必须是短语不是单词的规范很专业。

核心功能:
– 分析字幕出特效建议
– 人工审核再渲染
– 花字规范专业(短语而非单词)

GitHub:https://github.com/op7418/Video-Wrapper-Skills


7. oil-subtitle(128 星)

简介:工程严谨度九个里最高的一家,凭据走系统凭据库不落明文,脚本和 Agent 的改词权限划分清楚,烧录成片是实测里观感最精致的中文样式之一。

核心功能:
– 凭据走系统凭据库,不落明文
– 脚本和 Agent 的改词权限划分清楚
– 精致的中文烧录样式

GitHub:https://github.com/oil-oil/oil-subtitle


8. subtitle-translator-skill(36 星)

简介:翻译方法论是九个里最完整的一家,术语表、人工审校、块数和时间码校验都有。

核心功能:
– 术语表管理
– 人工审校流程
– 块数和时间码校验

GitHub:https://github.com/saidsurucu/subtitle-translator-skill


9. bilingual-subtitle-skill(2 星)

简介:翻译全靠 Gemini API 的双语字幕技能。

核心功能:
– 基于 Gemini API 的翻译
– 烧录脚本

GitHub:https://github.com/benyiyu/bilingual-subtitle-skill


总结:字幕类项目涵盖从转写、分组、翻译到烧录的全流程,每个项目都有独特的侧重点和适用场景。auto-captions-skill 全流程交付最完整,bilingual-subtitles 设计感最强,其他项目各有侧重。

Comments

No comments yet. Why don’t you start the discussion?

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注