用途：从用户指定的视频或现有音频生成时间戳准确、按语义自然断句的中文 SRT 字幕。视频真实语音是内容唯一依据；用户提供的逐字稿只用于纠正错别字、人名、产品名、英文拼写和技术术语，不能替代音频转写结果。
运行要求：需要本地视频和一份口播参考稿（可直接写在对话中，或为 UTF-8 的 .txt/.md 文件）；需 ffmpeg、ffprobe、uv、网络连接和 ElevenLabs API Key。V0.1 仅支持 ElevenLabs Scribe v2 与 Forced Alignment。凭证先从环境变量 ELEVENLABS_API_KEY 读取，macOS 下再读 service 为 yh-tools-video2srt.elevenlabs-api-key 的通用密码项，并允许只读回退到旧名称。不打印或写入 API Key，除非用户明确要求持久保存。
主要流程：用 scripts/video2srt.py 完成音频提取、转写、校正保护、语义切分、时间对齐和验证。prepare 检测旋转方向并将首个音频流提取为单声道 16 kHz MP3，获取字符级时间戳；可复用已有音频（--audio-in，不与 --audio-out 同用）。校正仅限参考稿能支持的术语，保留观点、分句、重复、语气词与顺序，并受长度比 0.90–1.10、相似度 0.88、改动字符数上限等校验。切分只插入换行、不改字符，按真实停顿与语义落点断句；竖版默认每行≤10 可见字符，横版≤20，不可拆完整语义短语需显式批准，上限为普通限制 1.5 倍。先 validate-plan 确认无自动硬切，再 finalize 对齐生成 SRT，最后 validate 独立校验序号、时间戳、行数、字数与标点。字幕不以边界标点开头，移除独立句末与分句标点，不拆 ASCII 单词、产品 token、URL、邮箱或连续数字。
输出：默认在视频旁生成 <stem>.audio.mp3 与 <stem>.optimized.srt，输出已存在时停止，不覆盖；成功只清理带有效所有权 token 的工作目录，失败时保留并报告路径。未通过验证不交付文件。
限制：需联网与 ElevenLabs API Key；仅支持指定转写与对齐方案；部分参数、价格与平台支持资料暂未提供。