faster-whisper-transcribe

基于 faster-whisper（CTranslate2 优化的 Whisper）的转写与字幕翻译工具。

给 AI 看的执行细节在 SKILL.md；本文件是给人看的概览。

能力

• 转写：视频/音频直接输入 → TXT + JSON + SRT，内置词级时间戳与 Silero VAD
• 字幕：AI 语义断句 → 翻译润色 → 硬字幕烧录，支持单语/双语
• 校验：机器校验字幕硬规则与时间轴一致性
• 99 种语言自动检测，GPU（CUDA）/ CPU 双模式

目录结构

faster-whisper-transcribe/
├── SKILL.md                 # 流程总线：意图路由与强制规则（AI 入口）
├── init.md                  # 环境初始化与排错
├── subtitle.md              # 断句 / 翻译 / 校验 / 烧录全流程
├── polish-rules.md          # 翻译润色标准
├── scripts/
│   ├── transcribe.py        # 转写：提音轨 → 转录 → TXT/JSON/SRT
│   ├── validate_srt.py      # 字幕硬规则与时间轴校验
│   └── burn_subtitles.py    # 硬字幕烧录
└── README.md

三个脚本

脚本	作用	关键说明
transcribe.py	转写	视频自动提音轨（流式写盘）；CUDA 不可用自动回退 CPU；本地模型自动发现
validate_srt.py	校验	检查序号/时长/行宽/重叠/间隔/标点；--reference 比对译文与原文时间轴
burn_subtitles.py	烧录	用 imageio-ffmpeg 的完整版 ffmpeg；不要手搓 ffmpeg 命令

⚠️ 烧录有坑：ffmpeg 的 subtitles= 滤镜用 filename:options 语法，Windows 盘符冒号会被当分隔符。脚本通过「cwd 切到 SRT 目录 + 只传文件名」规避，实测这是唯一兼容中文/空格/单引号路径的写法。详见脚本头注释。

输出产物

落在与输入文件同名的同级子目录（可用 --output_dir 改）：

文件	说明
transcription.txt	纯文本，含元信息头
transcription.json	含词级时间戳，断句与翻译的时间源
transcription.srt	原始字幕（断句前）
transcription.raw.srt	原始字幕备份（断句前自动备份）
transcription-<lang>.srt	译文字幕
transcription-bilingual.srt	双语字幕（译文在上、原文在下）
<视频名>-字幕.mp4	烧录成片

参考

faster-whisper · CTranslate2 · large-v3-turbo（Mobius Labs）