用途:从视频或音频文件生成电影风格字幕,支持转录、翻译,以及把字幕直接烧录进视频。
主要能力:希伯来语使用 ivrit.ai 微调模型,英语使用 OpenAI Whisper large-v3;可自动检测语言并选择最佳模型;支持希伯来语到英语翻译;支持硬烧录字幕(在包括 WhatsApp 在内的各处可见);字幕按电影风格断行,每行最多 42 字符,时长 1-7 秒。
使用方式:默认输出纯文本转录到标准输出。生成 SRT 文件:./scripts/generate_srt.py video.mp4 --srt。烧录字幕:./scripts/generate_srt.py video.mp4 --srt --burn。翻译为英语并烧录:./scripts/generate_srt.py video.mp4 --srt --burn --translate en。强制语言:./scripts/generate_srt.py video.mp4 --lang he 或 --lang en。
选项:--srt 生成 SRT 字幕文件;--burn 硬烧录字幕;--embed 嵌入软字幕(播放器中可切换);--translate en 翻译为英语;--lang he/en 强制输入语言;-o FILE 自定义输出路径。
输出:默认输出纯文本转录;使用 --srt 在输入文件旁生成 video.srt;使用 --burn 生成带硬字幕的 video_subtitled.mp4。
要求:需要 uv(Python 包管理器,自动安装依赖);烧录字幕需要 ffmpeg-full(brew install ffmpeg-full);模型各约 3GB,首次使用时自动下载。
字幕样式:字号 12,白色文字带黑色描边,底部对齐,电影风格定位,每行最多 42 字符、最多 2 行,在标点和停顿处自然断行。
限制:资料未提供收费、价格、平台支持范围及性能指标等信息。