用途
screenkite-audio-dub 用于把 ScreenKite 录屏中的口播音频替换为另一种语言的时间匹配配音。原始停顿会被保留，对齐按每个 cue 单独处理，而不是把整段音频拉伸成一个文件。
主要能力
- 词级转写：优先使用 ScreenKite 的 export-words（沿用 GUI 的 ElevenLabs Scribe 配置，返回剪切后的时间线秒数），失败时回退到 screenkite-transcription-cut 的 transcribe_mic.py。
- 打包 cue：pack_cues.py 将词级 JSON 转为 cues.json 与 source.srt，--silence-threshold 默认 0.45，可调高合并更多语音、调低实现近乎逐句配音。
- 翻译填写：复制 cues.json 并为每个 dub_text 填入目标语言文本，保持每个原始窗口一个 cue，不合并或拆分。
- 时间匹配混音：gen_dub.py 对每个 cue 以 speed 1.0 生成 TTS；若时长偏差超过 8%，用 prosody.speed（Fish 0.5–2.0）或 ElevenLabs voice_settings.speed 重新生成；仍过长则用 ffmpeg atempo；再长则硬裁剪（报告为 clipped）；过短则在窗口内补静音。最终混到与时间线等长的静音底上。
- 应用配音：apply_dub.py 将原麦克风轨设为 mute: true，并新增 type=audio 且带 createTrack: {name, language} 的音轨，使 ScreenKite 的语言分组音频导出把配音视为独立语言。
- 可选字幕：可从配音 SRT 通过 fx captions import 导入字幕。
使用方式
前置条件：screenkite CLI（/usr/local/bin/screenkite），每次调用尽量带 --project；PATH 中有 ffmpeg 与 ffprobe；Python 3.10+ 与 requests（建议 uv run --with requests）。默认 TTS 为 Fish Audio，需要 FISH_API_KEY（可在 bundle 向上查找的 .env、~/.config/env/*.env 或环境变量中），语音 id 通过 --voice 或 FISH_VOICE_ID 指定，密钥获取地址为 https://fish.audio/app/api-keys。ElevenLabs 回退需要 ELEVEN_LABS_API_KEY（带下划线），可选 ELEVEN_VOICE_ID（默认 George JBFqnCBsd6RMkjVDRZzb）。若缺少 Fish 密钥，应先向用户索取；仅在用户同意或 Fish 不可用时切换到 ElevenLabs。
流程分七个阶段：
- 盘点：用 stat（scope summary）、ls-assets、transcribe-ready 获取 project.duration、麦克风 trackId（通常含 mic）与 projectRevision。
- 转写：export-words 输出 transcript.json；失败则回退。转写可能短、嘈杂或错误，翻译前应向用户展示源文本。
- 打包 cue：运行 pack_cues.py 生成 cues.json 与 source.srt，展示 cue 表，未填 dub_text 前不生成音频。
- 翻译（必须复核）：填写 dub_text，匹配含义而非词数，保留产品名与代码标识符，不改 start/end，展示前后对照表并等待用户确认。
- 生成时间匹配混音：gen_dub.py 支持 --provider fish 或 elevenlabs，--list-voices 可列出 Fish 语音，--dry-run 只打印计划不调用 TTS。真实运行后检查 report.json 中的 clipped_cue_ids 与 max_abs_drift_s，若有裁剪需改写并重新生成。
- dry-run 应用（必须）：确认静音目标是麦克风而非系统音频，用户确认前不应用。
- 应用：执行 apply_dub.py。撤销可用 edit-timeline action=undo（每次变更一次，先 mute 后 add），也可将麦克风轨 props mute 设为 false 或静音新配音轨来恢复原声。
适用场景
需要为 ScreenKite 录屏制作多语言配音、且希望保留原始停顿与逐句时间对齐的场景。4 秒测试录音也可作为冒烟测试：打包 → 一两个 cue → 生成 → 应用。
限制与注意事项
- 不要把整段脚本作为单个文件做 TTS，否则停顿塌陷、cue 漂移。
- 不要跳过翻译复核，错误 ASR 会进入配音。
- 除非用户要求，不要静音系统音频，只静音麦克风轨。
- 不要跳过 dry-run 直接应用。
- 不要依赖过期的默认项目，每次调用都传 --project。
- 不要忽略被裁剪的 cue，硬裁剪会吃掉句尾，应缩短 dub_text 并重新生成该 cue。
- 多语言配音不要用 fx voiceover/replace，那会替换主口播音频且没有语言标签；优先用 add + createTrack。仅当用户想要原地替换且不新增音轨时才用 voiceover/replace。
- 若 export-words 返回几乎没有语音，应停止并询问是否强制重新转写或换项目。
- 官方文档未提供收费、价格、平台支持范围等信息。