codex可通过cli skills批处理自动生成带时间轴字幕：①解复用mkv提取指定音轨；②whisper-large-v3转写；③vad切除静音；④按tasks.yaml配置导出srt/txt/json至./output/。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
你需要把几十条播客音频或视频文件统一转成带时间轴的字幕，避免一条条手动上传、等待、复制粘贴——Codex 可以通过 CLI Skills 批处理链路自动完成音轨识别、静音切除、SRT 生成与格式导出。
准备多音轨 MKV 文件与任务配置
先确认你的 MKV 文件里包含目标人声音轨（比如音轨 2 是主讲人，音轨 0 是背景音乐），用 ffprobe 命令快速查看：ffprobe -v quiet -show_entries stream=index,codec_type,tags=title -of csv input.mkv。
新建一个 【tasks.yaml】 配置文件，放在和 MKV 同级目录下。内容必须包含 input_path、audio_track_index（如 2）、output_format（srt/txt/json 三选一）三项，缺一不可，否则 CLI Skills 会跳过该任务。
这一步不能省：Codex 的 CLI Skills 不读取文件名或自动猜音轨，所有参数必须显式声明。
启用并调用 CLI Skills 批处理脚本
在 Codex 对话框中输入：启用 CLI Skills 插件 → 运行 batch_subtitle.yml 脚本 → 指向当前目录下的 tasks.yaml。
通过本地 Codex 或 OpenClaw OAuth 凭证直接调用 ChatGPT/Codex Responses 的 image_generation 工具来生成或编辑光栅图像，然后保存
脚本启动后，Codex 会自动执行四步：① 解复用 MKV 提取指定音轨为 WAV；② 调用 Whisper-large-v3 模型转写；③ 用 VAD 模块切除静音气口；④ 按配置项输出 SRT 或其他格式到 ./output/ 子目录。
注意：如果某条 MKV 提取失败，脚本默认跳过并记录 error.log，不会中断整个批次。你只需检查日志末尾的报错行，修正音轨索引或路径后重跑即可。
验证字幕对齐精度与导出使用
打开生成的 SRT 文件，用 VLC 拖动播放，核对第 3～5 条字幕的时间戳是否与人声开口严格同步。
若发现普遍偏移 >0.3 秒，说明原始音轨含编码延迟，需在 tasks.yaml 中追加 vad_shift_ms: -280 参数重新运行。
导出后的 SRT 可直接拖入剪映、Premiere 或 CapCut，时间轴自动匹配；txt 版本适合导入 Obsidian 做知识整理；json 版本含 confidence 分数，方便后续用 Python 过滤低置信片段。
