LaiCut 是 LattifAI 音频文本处理工具包,当前主要提供强制对齐能力,翻译与说话人分离功能标注为即将推出。
用途:在已有字幕或转写文本的前提下,将文本与音频/视频精确对齐,校正下载字幕的时间漂移,匹配人工转写与语音,改进自动生成字幕的时间轴。
主要能力:支持 SRT、VTT、ASS、LRC、TXT、MD 多格式;默认输出 JSON,保留词级时间信息;可用 --split-sentence 进行 AI 语义分句,适合 YouTube VTT 等词级或分段不佳的字幕。JSON 可再转换为 SRT、双语 ASS、卡拉OK ASS 等格式。
使用方式:先安装 pip install "omni-captions-skills[laicut]" --extra-index-url https://lattifai.github.io/pypi/simple/ 。API Key 读取优先级为 LATTIFAI_API_KEY 环境变量、.env 文件、~/.config/omnicaptions/config.json ;未设置时可用 -k <key> 传入并自动保存。基本命令:omnicaptions LaiCut audio.mp3 caption.srt ,默认生成 caption_LaiCut.json;随后用 omnicaptions convert caption_LaiCut.json -o caption_LaiCut.srt 转换。常用选项包括 -o 输出文件、-f 格式(默认 json)、-k API Key、--split-sentence、-v 显示进度。翻译前建议先转 SRT,因 JSON 过大不便处理;带颜色 ASS 可用 --line1-color 与 --line2-color。
适用场景:需要精确时间戳、修复字幕错位、对齐人工转写、转写后再对齐,以及输出双语或卡拉OK字幕。
限制:LaiCut 需要有效的 LattifAI API Key(非 Gemini API Key);无现有字幕或转写文本时无事可对齐;完整转写应使用 /omnicaptions:transcribe ;小于 5 秒的片段不适用;音频格式出错时需先转为 WAV/MP3/M4A;输出为空时应检查字幕是否含文本。API Key 无效或过期时应向用户索取新 Key,不应跳过对齐步骤。