技能介绍

要解决什么问题

课程、训练营或知识付费的直播回放往往是一两个小时的长片，直接发抖音、B站、视频号既难完播，也难用单条内容引流。更麻烦的是：切片若不靠字幕时间戳，而是重新跑识别或凭感觉下刀，很容易出现「标题讲 A、画面还在讲 B」或边界切在半句话上——烧进画面的硬字幕一旦来自未校对的转写，错别字会长期留在成片里。

本技能是「源码 · 视界」字幕驱动剪辑工作流的第③步：在你已具备校对后的 SRT 与 知识点方案 kp_plan.json（ ideally 来自同系列第①、②步）时，把原视频按方案里的 start/end 严格参照字幕节点切成多条短视频，并完成可发平台的包装。

它如何工作

流水线核心是「方案时间戳 → 画面」，不重新分析视频语义来决定切点：

入库：支持 URL（yt-dlp 可解析源）或本地路径，得到工作目录内的原视频。
读方案 / 兜底：优先使用步骤②的 kp_plan.json（含爆点 title/hook 与边界）；若无方案，可用内置 auto_segment.py 按 --segment-minutes 从 SRT 生成草稿（标题与边界质量通常弱于完整三步）。
边界复验：切片前用 verify_kp.py 对照区间内字幕原文，核对开头是否点题、结尾是否收束，降低张冠李戴。
成片包装：package.py 对每条知识点做精确切片 → 裁出对应 SRT 段 → 硬字幕烧录 → 片头爆点标题卡（主标/副标来自方案）→ 可选片尾 → 输出 output/NN_标题.mp4 与 manifest.csv。

可调旋钮包括单条 --max-duration（默认 240 秒）、是否开标题卡/硬字幕/片尾等；有校对 SRT 时应跳过兜底转录，避免新错别字。

适用边界与注意点

输入契约：原视频必填；强烈建议提供步骤①的校对 SRT 与步骤②的方案，只装本步能跑，但标题吸睛度与边界准确度往往不如「①→②→③」全套。
环境：依赖 ffmpeg（含 libass 烧字幕）与 Python 脚本；文档强调在 PowerShell 下执行（Git Bash 下 faster-whisper 可能段错误）。Windows 下字幕滤镜对含冒号的绝对路径敏感，package.py 已用临时目录+相对文件名规避。
交付后：应抽查 1～2 条，确认标题与内容对齐；若未走步骤①，需在画面上核实字幕错别字。校验结论里若有 pass_with_caveat，建议人工抽看对应条目。