视频双语字幕提取

要解决的问题

拿到一个视频后想加字幕，第一步卡在转写上：在线工具要么要上传文件、要么按分钟计费，公司内网视频和未公开素材根本没法丢给第三方。这个技能把整条链路搬到本地——下载、抽音轨、语音识别、翻译、出字幕，不需要 API Key，音频不出机器。

它是怎么工作的

整个流程被拆成明确步骤，按顺序执行：

1. 下载视频：如果给的是可直链的 URL，用 curl / Invoke-WebRequest 拉到 %TEMP%
2. 提取音频：ffmpeg 固定参数转成 16kHz 单声道 WAV：-vn -acodec pcm_s16le -ar 16000 -ac 1
3. 语音识别：faster-whisper 本地识别并自动判断语种
4. 翻译（可选）：非中文内容翻成中文，最终输出双语字幕
5. 生成字幕：统一用 utf-8-sig 编码写盘，避免中文在剪辑软件里乱码

输出四种文件，按需取用：subtitles_en.srt（纯英文）、subtitles_cn.srt（纯中文）、subtitles_bilingual.srt（上英下中）、subtitles.json（结构化数据，方便二次处理）。

适用边界与注意点

模型规格按内容长度取舍：短视频可以上 tiny，常规内容用 base，精度要求高的换 small。base 模型首次运行要下约 145MB，之后走缓存；国内网络记得设置环境变量 HF_ENDPOINT=https://hf-mirror.com 走镜像，不然拉模型容易超时。

安全上它只做三件事：只从你给的 URL 下载、识别全程本地、临时文件用完即删。也就是说，它不处理需要联网识别或依赖云端大模型的场景，也别指望它能搞定加密或带DRM 的视频——那些本来就不是 ffmpeg 该碰的。