阿拉丁·字幕工坊

Whisper 之后，字幕还要再做一层后处理

语音转写工具把音视频变成了带时间戳的文本，但这离能直接投放的字幕还有一段距离。时间轴重叠或负时长会让播放器渲染错乱；阅读速度忽快忽慢，单行字数偶尔爆表；双语字幕因为切分粒度不同而完全对不上；平台还常常要求不同的字幕格式。这些问题如果靠人工在剪辑软件里逐条调整，既重复又容易漏。

用确定性规则把脏活拆成几步

阿拉丁·字幕工坊把字幕后处理拆成几个可复算的环节，全部由纯 Python 标准库脚本完成。零 pip 依赖、零 API 调用，视频文稿全程本地处理，不联网、不上传。

• 解析与互转：自动识别 .srt / .vtt / .ass / .lrc 等格式与编码（含 gb18030、utf-16），剥离 VTT 内联标签和 ASS 特效标签，提取纯文本；支持六种格式双向输出，并内置 1080p 中文默认样式的 ASS，可直接拖入剪映或 PR。
• 质量体检：执行 20 项确定性 QC 规则，覆盖时间轴重叠、负时长、闪切间隙、阅读速度 CPS（中日韩 16 字/秒、拉丁 21 字符/秒）和版面检查；输出 100 分制 A-D 评分，每条问题精确到字幕序号与毫秒。阈值可按内容类型调整，影视、知识区、带货各取一套。
• 双语对齐：主副两轨按时间重叠自动配对，抗切分粒度差异；未配对项会明示 ID 供人工确认，主语言时间轴保持不动。
• 时间轴修正：支持整体平移（如修复片头 logo 延迟）与 fps 缩放（23.976↔25），按 t' = t × scale + offset 计算。
• 金句切片：用疑问钩子、数据锚点、转折信号、利益点等多信号打分，配合间隔窗防止扎堆，输出拆条时间点与高频词，辅助短视频二创。

输出与边界

产物包括结构化中间层 _ir.json、体检明细 qc.json、切片候选 highlights.json、六格式字幕文件，以及自包含 HTML 看板和可贴进协作文档的 Markdown 报告。报告可直接转发，方便团队核对每条问题。

这套工具有明确的边界：不做音视频到文字的转写，请先配合 Whisper 类技能生成 SRT；不做硬字幕的 OCR 提取；不保留 ASS 的卡拉 OK 或复杂特效标签，解析时统一取纯文本；不做语义级错别字纠正，只报告确定性模式；也不做视频压制烧录。最终交付的是可直接使用的软字幕文件与可核对的报告。