YouTube 视频字幕烧录器

要解决什么问题

把 YouTube 英文视频做成带中文硬字幕的成片时，常见坑有三类：用 -f best 只下到 360p；用 VTT 解析字幕会因 rolling cues 丢掉段首，画面字幕整体晚 2 秒以上；用 ffmpeg subtitles/ass 在部分环境（如 macOS + ffmpeg 8.x）不渲染，或 PIL 直绘出现锯齿、逐帧写 raw 临时文件把磁盘撑爆。

技能如何工作

整条链路是：下载 → 时间轴 → 翻译 → 烧录。

1. 下载：用 bestvideo+bestaudio 分流合并，避免误选低清单流。
2. 时间轴（关键）：字幕必须用 --sub-format json3，从 word-level 的 tOffsetMs 聚合成句段 JSON（start/end/text_zh_src）；按句号/问号/感叹号或约 5 秒间隔分组，首段从 0 秒起算。
3. 翻译：批量调用 LLM（如每批 20 条），译文短、适合字幕（约 ≤20 字/段），去掉 [music] 等标签，专有名词保留英文。
4. 烧录：不用 ffmpeg 字幕滤镜，而用 PIL 逐帧绘制黄底黑字条；2× 超采样（大图渲染 + LANCZOS 缩回）减轻锯齿；流式管道（decode → PIL → encode）避免 1080p 长片产生数十 GB 临时 raw 文件。横竖屏字号、边距等参数在 SKILL 中有对照表；烧录前可先做 10～15 秒预览。

适用边界与注意点

• 大陆网络需为 yt-dlp 配置可用代理（如 Clash Verge fake-ip 场景要显式 --proxy）。
• 字体依赖 macOS 路径 STHeiti Medium.ttc（PIL 下 PingFang 不可用时的替代方案）。
• 同步问题几乎都可追溯到 VTT 误用；磁盘问题来自 非流式 的逐帧落盘方案。