技能介绍

要解决的问题

拿到一批 .mp4、.mov、.wav、.m4a 素材后，工程师通常只想拿到一份能直接拖进播放器、Premiere 或达芬奇的时间轴字幕（.srt）。手工听写效率极低；而在命令行里现拼一段 FFmpeg 抽取 + 云服务上传 + 结果格式化的脚本，又要自己处理 SRT 排版、时长分配和断行规则，坑不少。

这个 Skill 把「音频提取 → 上传转写 → SRT 生成」串成一条命令：

python scripts/transcribe.py ...

它复刻了 D:\tools\video-srt-lite 工程的转写行为，用于命令行批处理和自动化集成，不依赖整个 Electron 应用。

工作流程

FFmpeg 抽取音频：参数与原工程一一对应；如果 FFmpeg 不在 PATH，可以用 --ffmpeg-path 指定绝对路径。
DashScope Paraformer 识别：走阿里云录音文件识别接口，API Key 由用户通过 DASHSCOPE_API_KEY 环境变量或脚本交互输入提供，脚本不会硬编码。
SRT 排版与时长分配：按句意和文本宽度自动断行，最多两行；按文本宽度比例分配显示时长，单条最短 500ms。
输出约定：默认写到源文件同目录，编码为 UTF-8 + CRLF；文件名冲突时自动追加 .1、.2，避免覆盖已有字幕。

典型触发场景包括「帮我转成字幕 / 提取字幕 / 生成 SRT / 语音转文字」，以及给一批媒体文件批量产出 .srt 并接入 CI。

适用边界与注意点

环境依赖：需要 Python 3.9+、requests、可用的 FFmpeg，以及用户主动提供的 DashScope API Key。
API Key 处理：不要写入文件、日志、commit message 或聊天记录；示例里用 sk-xxxx 占位即可。
上传限制：阿里云临时上传默认上限 512MB，单文件过大时先用 FFmpeg 切分再分批处理。
转写结果：队列拥堵可能导致等待超时；中文识别出现乱码时，可加 --language-hints zh 调整提示。
定位边界：本脚本只负责「媒体 → SRT」。如果还需要边播边校对、AI 校对、字幕硬烧录，应改用桌面工作台 Video SRT Lite；两者 SRT 排版规则一致，脚本产出的字幕可直接导入继续加工。