Qwen Subtitle — Development skill for Claude Code

qwen-subtitle

用阿里云百炼(千问)系列模型,给视频做**字幕智能纠错**,并可进一步**翻译成多语言 + 用克隆原声配音**做视频出海。全程百炼 `bl` 命令行驱动。

它解决什么

录屏 / 教程 / 讲解类视频的字幕,无论哪家 ASR,**专有名词永远会被听错**(`Claude`→`cloud`、`Codex`→`class q`、`html2pptx`→`html to ppt`)。核心做法:**让视觉模型按时间戳去看那一帧,读屏幕上真实写着的字来纠正**——这是纯语音工具做不到的。

流程(5 步,全程 `bl`)

步骤	能力	模型	bl 命令
1 听写	语音识别	fun-asr	bl speech recognize
2 看屏纠错 ★	标错 + 看帧	qwen3.7-max + qwen3-vl-plus	bl text chat / bl vision describe
3 顺滑	断句(算法) + 去水词	qwen-plus	bl text chat
4 翻译	字幕 / 配音稿	qwen-mt-turbo / qwen-plus	bl text chat
5 克隆配音	声音克隆 + 合成	cosyvoice-v2	bl file upload / bl speech synthesize

例外:声音复刻 `create_voice` 百炼 CLI 暂无对应命令,走原始 DashScope API(同平台同认证)。

安装 / 依赖

• `bl`(百炼 CLI,已登录即可,脚本不需手动设密钥)
• ffmpeg、python3
• flask(仅预览页需要:pip install flask)

用法

# 1) 中文纠错(整片)
python3 scripts/subfix.py 

# 2) 多语言出海:克隆原声 + 翻译 + 配音(配音=中/英/日/韩,其余出字幕)
python3 scripts/dub_multi.py  --transcript <上一步>/transcript.json --langs en,ja,ko,es,th,vi

# 3) 多语言预览(tab 切字幕 + 切音轨;需 flask)
python3 scripts/preview_editor.py /manifest.json

设计原则:零误改优先

错误的"纠正"比不纠正更糟。每一步都"宁可漏改,不可改错":只标明显听错的;VL 只认画面上能逐字读到的文字(禁图标幻觉);最小替换、发音一致;取不到画面证据就保留原文 + 标记待确认。细节见 [`references/design-gates.md`](references/design-gates.md)。

配音铁律:**有配音的语言,字幕 = 配音同一份文案,一字不差**;按整句念(不按字幕碎段);atempo 只压缩不拉慢。

---

`SKILL.md` 是给 AI Agent(Claude Code / Codex)读的完整说明。