ffsubsync 字幕同步工具

要解决的问题

字幕漂移是长期困扰人工媒体处理流程的老问题。翻译稿、压制稿或多来源合并的字幕文件，时间轴往往和实际语音存在渐进式偏移：开头还能对上，十几分钟后整体提前或滞后半秒，越往后越严重。传统修法要么进时间轴编辑器逐条拖动，要么对着波形图手工校正，处理一批文件时重复劳动量极大，也很难塞进自动化流水线。

工作原理

这个技能的核心思路是：不依赖人工判断，直接从参考音视频中提取语音时间信息，用算法自动重建字幕时间轴。

• 音频特征提取：通过 ffmpeg 从参考视频中抽取原始音频流，作为对齐的基准信号
• 自动对齐：分析语音的实际起止时间，把字幕条目逐一匹配到正确的说话位置
• 批量修复：对整份字幕文件做一次性重算，输出校正后的新时间轴，无需逐条编辑

典型的处理流程是：准备好参考视频（或纯音频）、待修复的字幕文件，工具提取音频后完成对齐计算，产出修正后的字幕。整个过程对原始字幕内容不做改动，只重排时间戳，因此可以用脚本串在批量处理链路里，适合无人值守的 agent 工作流。

适用边界与注意点

• 需要本机已安装 ffmpeg，且运行环境为 Python 3.6 及以上
• 参考音视频的语音质量直接影响对齐精度；背景噪音大、多人叠声或音乐占比高的片段，效果会打折扣
• 对齐依赖参考文件与字幕内容对应同一段语音；如果字幕对应的是另一份素材，结果不可用
• 它修的是时间轴，不改文字内容、不校对断句，也不处理翻译质量本身
• 属于离线处理，数据不出本机，但也意味着没有云端缓存可以加速重复任务