cli-anything-videocaptioner 是一个 AI 驱动的视频字幕命令行工具，基于稳定的 VideoCaptioner 后端，覆盖“语音转写 → 字幕优化 → 翻译 → 压制进视频”的完整链路。
用途
该工具面向需要批量或自动化处理视频字幕的场景，把转写、字幕整理、翻译和最终合成整合为一组可脚本化的命令，并支持 JSON 输出以便智能体或程序消费。
主要能力
- transcribe：语音转字幕。支持多种 ASR 后端，包括 bijian（默认，免费，支持中文和英文，无需额外配置）、jianying、whisper-api（支持所有语言，需要 --whisper-api-key）和 whisper-cpp。可指定语言、输出格式（srt、ass、txt、json）和输出路径。
- subtitle：优化与翻译字幕。流程为“拆分 → 优化 → 翻译”三步。翻译器可选 llm、bing、google，其中 Bing/Google 免费。支持 38 种目标语言（BCP 47 代码，如 zh-Hans、zh-Hant、en、ja、ko、fr、de、es、ru、pt、it、ar、th、vi、id 等）。可通过 --layout 控制双语布局（target-above、source-above、target-only、source-only），也可用 --no-optimize、--no-translate 跳过相应步骤。
- synthesize：将字幕压制进视频。支持软字幕（soft）和硬字幕（hard）两种模式，画质可选 ultra、high、medium、low。字幕外观由字幕资源/后端版本控制，而非额外的工具参数。可用 --review-script 在最终导出前检查字幕与脚本的漂移，--max-script-diff-ratio 控制允许的差异比例，当文案准确性比容错更重要时应调低该值。
- process：完整流水线，一次执行转写、翻译与合成，并可分别用 --no-optimize、--no-translate、--no-synthesize 关闭对应环节。
- review：一致性检查与预览。检测字幕与脚本的漂移，可只渲染单帧预览图（--preview-video、--preview-at、--preview-output），而不必生成完整视频。
- styles：列出样式预设，并报告已安装后端是否暴露预设样式支持。
- config：管理设置，支持 config show 和 config set <key> <value>。
- download：下载在线视频，download <URL> [-o DIR]。
使用方式
安装：pip install cli-anything-videocaptioner。前置条件：Python 3.10-3.12（videocaptioner 1.4.1 要求 >=3.10,<3.13），需安装 videocaptioner（pip install videocaptioner），视频合成需要 FFmpeg。
常用命令示例：
- 查看帮助：cli-anything-videocaptioner --help
- 进入交互式 REPL：cli-anything-videocaptioner（无子命令时进入，支持 Tab 补全和历史记录）
- 转写视频：cli-anything-videocaptioner transcribe video.mp4 --asr bijian
- 翻译字幕：cli-anything-videocaptioner subtitle input.srt --translator bing --target-language en
- 完整流程：cli-anything-videocaptioner process video.mp4 --asr bijian --translator bing --target-language en --subtitle-mode hard
- 硬字幕导出前审查：cli-anything-videocaptioner synthesize video.mp4 -s subtitles.srt --subtitle-mode hard --review-script approved_script.txt
- 单帧预览：cli-anything-videocaptioner review subtitles.srt --script approved_script.txt --preview-video video.mp4 --preview-output review_5s.png
- JSON 输出：cli-anything-videocaptioner --json transcribe video.mp4 --asr bijian，返回形如 {"output_path": "/path/to/output.srt"} 的结果。
适用场景
适合需要自动化生成视频字幕、翻译多语言字幕、批量压制硬字幕或软字幕的工作流，也适合作为智能体可调用的字幕处理组件（借助 --json 输出）。
限制与注意事项
- 上游后端当前要求 Python >=3.10,<3.13，矩阵测试建议使用 Python 3.12。
- 合成阶段的高级样式参数依赖后端版本，应先用 styles 检查已安装后端是否支持。
- layout、render_mode、style、style_override、font_file 等兼容性参数在 styles 与已安装后端确认支持之前，应视为非稳定。
- 字幕外观由字幕资源/后端版本决定，不能通过额外工具参数控制。
- whisper-api 需要提供 --whisper-api-key。
- 视频合成依赖 FFmpeg。
- 关于收费、价格、平台覆盖或效果指标，资料中暂未提供更多信息。