视频转 SRT

工作流

1. 在 workspace 中为该请求新建一个顶层任务文件夹。
2. 定位用户本地的媒体文件；仅当语言不明确时，才需确认用户选择的语言。
3. 从此技能文件夹中运行 scripts/run_local_subtitles.sh。
4. 默认使用 --language zh 和 --model small。若音频为混合语言，则改用 --language auto；仅当用户明确要求更高准确率并接受更长运行时间时，才改用 --model medium。
5. 交付前，检查生成的 .srt 文件开头和结尾若干条字幕条目（cues），确保内容合理。
6. 返回字幕文件路径，并说明支持 SRT 格式的编辑器（包括剪映桌面版 Jianying desktop）均可直接导入该文件。

稳定默认配置

• 依赖项安装始终限定在 scripts/run_local_subtitles.sh 创建的本地虚拟环境内。
• 缓存目录始终保留在本技能文件夹内，以避免 macOS 上常见的缓存权限问题。
• 保持启用 HF_HUB_DISABLE_XET=1，以规避 Hugging Face Xet 下载失败这一常见问题。
• 优先选用 SRT 格式——它是兼容性最广、结构最简单的字幕格式。
• 仅在复用现有环境或模型缓存确实有益时，才覆盖 VENV_DIR、HF_HOME 或 XDG_CACHE_HOME 环境变量。

命令

常规流程请使用封装脚本：

scripts/run_local_subtitles.sh "/absolute/path/to/video.mp4" --output-dir "/absolute/path/to/task/output" --copy-next-to-input

以下为常用变体：

scripts/run_local_subtitles.sh "/absolute/path/to/video.mp4" --language auto --output-dir "/absolute/path/to/task/output" --copy-next-to-input
scripts/run_local_subtitles.sh "/absolute/path/to/video.mp4" --model medium --output-dir "/absolute/path/to/task/output" --copy-next-to-input

校验

• 若封装脚本需安装包或下载模型，须在环境要求时主动请求用户授权。
• 确认最终生成的 .srt 文件存在。
• 使用 sed -n '1,24p' 和 tail -n 24 分别预览字幕文件开头与结尾共 24 行内容（即前/后若干条 cue）。
• 若用户希望加快后续导入流程，可通过 --copy-next-to-input 将字幕文件复制到源媒体文件同级目录下。

相关资源

• scripts/run_local_subtitles.sh：创建或复用本地虚拟环境、安装依赖、配置稳定的缓存路径，并执行语音转录。
• scripts/transcribe_to_srt.py：对媒体文件进行语音识别，并输出带时间码的 SRT 字幕文件。
• scripts/requirements.txt：本工作流所需的最小依赖列表。