byted-kickart-video-subtitler

name byted-kickart-video-subtitler description 视频字幕添加SKILL：为视频文件自动添加、嵌入字幕。适用于给视频添加字幕、视频加字幕、视频打字幕、给视频生成字幕、字幕嵌入视频、视频配字幕等场景。触发时机：当用户提及或表达等价意图（帮我给视频添加字幕、给视频加字幕、视频打字幕、给视频生成字幕、添加字幕到视频、视频配字幕、字幕嵌入视频）时，调用此SKILL执行字幕添加任务。 version 1.0.10 视频字幕添加SKILL 📋 工具说明 核心功能 为本地视频文件添加字幕。 使用限制 限制项 限制值 说明 字幕总字数 ≤3000字 字幕文本内容（不含标点符号）不得超过3000字 可用命令 命令 功能 说明 python3.12 scripts/plan.py 套餐查询 查询用户当前的 Ark Claw 套餐 python3.12 scripts/upload.py --file <视频路径> 视频上传 上传本地视频文件获取媒资ID python3.12 scripts/subtitler.py --media-id <媒资ID> --captions <字幕配置文件> --output <输出文件> 视频字幕添加 为视频添加字幕 📝 字幕配置文件生成规则 配置文件格式 字幕配置文件为JSON格式，包含一个字幕对象数组。单个字幕对象结构如下： 字段 类型 说明 text string 完整的字幕文本内容 start_time number 字幕开始显示时间（毫秒） end_time number 字幕结束显示时间（毫秒） words array 字级时间戳数组，包含每个字的详细时间信息 attribute object 字幕属性（预留字段，默认为空对象） 时间分配规则（符合人类朗读习惯） 基础规则： 单字时长 ：中文正常语速约为每秒4-5字，即每个汉字约200-250毫秒 标点处理 ：标点符号持续时间为0毫秒，立即显示后进入停顿 意群停顿 ：逗号、句号等标点后设置300毫秒停顿，符合人类朗读习惯 词间间隔 ：词语之间设置20毫秒微小间隔，提升可读性 结尾延长 ：最后一个字适当延长显示时间，确保完整阅读 生成步骤： 确定字幕总数 ：根据视频时长和内容复杂度，合理划分字幕段落 分配时间范围 ：确保各字幕之间不重叠，段落间至少保留300毫秒间隔 计算单字时长 ： (end_time - start_time - 标点停顿时间) / 汉字数量 生成字级时间戳 ：按顺序为每个字分配时间，标点使用0毫秒时长 添加意群停顿 ：在标点后插入适当停顿时间 示例计算： 对于字幕"足力健老人鞋，专为爸妈设计"（13个字符，含1个标点）： 总时长：3190毫秒（5000-1810） 汉字数：12个 单字平均时长：约220毫秒 标点停顿：300毫秒 { "text" : "足力健老人鞋，专为爸妈设计" , "start_time" : 1810 , "end_time" : 5000 , "words" : [ { "text" : "足" , "start_time" : 1810 , "end_time" : 2000 , "attribute" : { } } , { "text" : "力" , "start_time" : 2000 , "end_time" : 2180 , "attribute" : { } } , { "text" : "健" , "start_time" : 2180 , "end_time" : 2380 , "attribute" : { } } , { "text" : "老" , "start_time" : 2380 , "end_time" : 2580 , "attribute" : { } } , { "text" : "人" , "start_time" : 2580 , "end_time" : 2790 , "attribute" : { } } , { "text" : "鞋" , "start_time" : 2810 , "end_time" : 3030 , "attribute" : { } } , { "text" : "，" , "start_time" : 3030 , "end_time" : 3030 , "attribute" : { } } , { "text" : "专" , "start_time" : 3330 , "end_time" : 3550 , "attribute" : { } } , { "text" : "为" , "start_time" : 3570 , "end_time" : 3790 , "attribute" : { } } , { "text" : "爸" , "start_time" : 3810 , "end_time" : 4030 , "attribute" : { } } , { "text" : "妈" , "start_time" : 4050 , "end_time" : 4270 , "attribute" : { } } , { "text" : "设" , "start_time" : 4290 , "end_time" : 4510 , "attribute" : { } } , { "text" : "计" , "start_time" : 4530 , "end_time" : 5000 , "attribute" : { } } ] , "attribute" : { } } 注意事项： 字幕之间至少保留300毫秒间隔 首条字幕建议在视频开始后500毫秒开始 末条字幕建议在视频结束前1000毫秒结束 避免单条字幕过长（建议不超过15个汉字） 🚨 强制前置校验流程（必须按顺序执行，任意不通过直接终止流程） 所有用户请求必须先完成以下3步校验，不得跳过： 1. 火山鉴权校验 执行环境变量检查命令： echo "ACCESS_KEY_ID: $ACCESS_KEY_ID " && echo "SECRET_ACCESS_KEY: $SECRET_ACCESS_KEY " 判断鉴权结果： 鉴权通过 ： ACCESS_KEY_ID 和 SECRET_ACCESS_KEY 均为非空值 → 鉴权通过 鉴权不通过 ：执行以下引导方案 ❌ 鉴权未配置时的引导方案 引导用户直接在聊天中发送ACCESS_KEY_ID/SECRET_ACCESS_KEY内容： 请你提供火山账号AK&SK，用于检查火山创作Agent是否已开通套餐和有可用的创点 收到用户发送的ACCESS_KEY_ID/SECRET_ACCESS_KEY后，执行配置命令： export ACCESS_KEY_ID=用户提供的ACCESS_KEY_ID值 export SECRET_ACCESS_KEY=用户提供的SECRET_ACCESS_KEY值 配置完成后告知用户： 已完成ACCESS_KEY_ID/SECRET_ACCESS_KEY临时配置，当前配置仅在本次会话生效，不会持久化存储，请放心使用 后续所有相关脚本执行时，均会自动通过 export 指定这两个环境变量，确保鉴权正常，无需用户重复配置 2. 套餐有效性校验 步骤1：Python版本校验 python3.12 --version || ( echo "❌ Python 3.12+ 未安装，请先安装Python 3.12" && exit 1) 步骤2：依赖包安装校验 python3.12 -m pip install -r ./scripts/requirements.txt 步骤3：执行套餐查询命令 python3.12 -m scripts/plan.py 步骤4：结果处理逻辑 ✅ 套餐有效 ：返回结果中的 message 字段为有效截止时间（北京时间），校验通过 ❌ 套餐已过期 ： message 小于等于当前时间，引导用户开通套餐，终止流程 ❌ 接口调用错误 ：参考「错误处理规范」匹配错误码，向用户明确告知错误原因和解决方案，并且终止流程 3. 技能版本校验 步骤1：执行版本检查命令 python3.12 -m scripts/upgrade.py 步骤2：解析返回结果 返回格式示例： { "code" : "0" , "message" : "success" , "data" : "{\"install_command\":\"\",\"latest_version\":\"1.0.0\",\"latest_version_number\":100000000,\"update_message\":\"\"}" } latest_version ：最新版本号（如 "1.0.0"） install_command ：新版本安装指令 步骤3：版本对比逻辑 ✅ 当前版本 >= 最新版本 ：版本校验通过，继续后续流程 ⚠️ 当前版本 < 最新版本 ：执行以下更新询问流程 询问用户是否更新到最新版本： 检测到技能有新版本 {latest_version}，是否更新？（是/否） 用户确认更新（是）：执行 install_command 安装新版本 用户不更新（否）：跳过更新，继续后续流程 🛠️ 视频字幕添加执行流程 完整流程概览 用户请求 → 强制前置校验 → 用户输入收集 → 视频字幕添加 → 结果返回 前置准备 确保输出目录存在： mkdir -p /tmp/openclaw/byted-kickart-video-subtitler/output 生成唯一输出文件名： video_subtitle_<timestamp>_<random>.json 执行步骤 步骤0：强制前置校验 （必须按顺序执行，任意不通过直接终止流程） 执行「🚨 强制前置校验流程」中的所有校验步骤 ✅ 火山鉴权校验通过 ✅ 套餐有效性校验通过 ✅ 技能版本校验通过 只有全部校验通过后，才能进入下一步 步骤1：视频上传引导 询问用户：「请提供您要添加字幕的视频，可以是本地文件路径或视频公网URL。视频时长不能超过10分钟。」 支持两种上传方式： 本地文件 ：直接提供本地视频文件的绝对路径（如 /Users/user/video.mp4 ） 公网URL ：提供可直接访问的视频链接（如 https://example.com/video.mp4 ） 不收集字幕内容 ：字幕收集在步骤5专门处理 步骤2：视频预处理 若用户提供的是公网URL，先下载到本地： mkdir -p /tmp/openclaw/byted-kickart-video-subtitler/input curl -L -o /tmp/openclaw/byted-kickart-video-subtitler/input/downloaded_video.mp4 "<视频URL>" 检查文件是否存在： ls -la "<视频路径>" 检查文件类型是否为有效视频（仅支持MP4/MOV格式）： file /tmp/openclaw/byted-kickart-video-subtitler/input/downloaded_video.mp4 | grep -qE "ISO Media|MPEG v4|QuickTime" && echo "valid" || echo "invalid" 若文件不存在或类型无效， 终止流程并提示用户 ： 文件不可用，请检查路径是否正确，或确认文件为有效视频格式（仅支持 MP4/MOV） 步骤3：上传视频获取媒资信息 执行 python3.12 scripts/upload.py --file <视频路径> 命令 返回字段说明： 字段 类型 说明 id string 媒资ID（唯一标识） url string 视频访问URL duration number 视频时长（秒） 步骤4：解析媒资信息 ：从上传输出中提取 id 作为媒资ID，提取 duration 用于字幕时间分配 告知用户视频时长： 您的视频时长为 {duration} 秒，建议字幕总字数不超过 {duration * 4} 字 步骤6：字幕内容收集与校验 询问用户：「请提供字幕内容，可以选择以下方式之一： 直接输入字幕文本（仅支持单行） 提供SRT字幕文件路径（标准SRT格式） 提供字幕文本+时间戳数据（包含分句时间戳、分词时间戳、分词文本）」 提示用户参考视频时长进行字幕创作（字幕总字数不能超过3000字） 若用户选择方式3，引导用户提供完整的时间戳数据 字数校验 ：检查字幕文本总字数（不含标点符号），若超过3000字，提示用户精简字幕内容并终止流程： 字幕字数超过限制（当前{count}字，限制3000字），请精简字幕内容后重新提交 步骤6：生成字幕配置 方式一：用户提供字幕文本 ：根据视频时长和用户提供的字幕文本，按「字幕配置文件生成规则」生成字幕配置JSON 多字幕分支 ：若字幕文本含换行符（行数>1），自动按换行拆分为多条字幕，等分视频时长（每条字幕时长 = (总时长ms - 1500ms边距) / 字幕条数） 方式二：用户提供SRT文件 ：解析SRT文件内容，转换为字幕配置JSON格式 SRT格式示例： 1 00:00:00,000 --> 00:00:02,000 第一条字幕内容 2 00:00:02,000 --> 00:00:04,000 第二条字幕内容 解析规则：提取序号、开始时间、结束时间、字幕文本，转换为字幕配置JSON 方式三：用户提供字幕文本+时间戳数据 ：根据用户提供的分句时间戳、分词时间戳、分词文本数据，直接生成字幕配置JSON 输入数据格式示例： 分句1：0-2000ms 分词：词1(0-500ms)、词2(500-1000ms)、词3(1000-1500ms)、词4(1500-2000ms) 分句2：2000-4000ms 分词：词5(2000-2500ms)、词6(2500-3000ms)、词7(3000-3500ms)、词8(3500-4000ms) 解析规则：按用户提供的时间戳数据，直接构建字幕配置JSON，包含完整的分句和分词时间信息 步骤7：字幕确认 （添加到平台前，必须向用户确认） 向用户展示生成的字幕配置摘要（字幕条数、首条文本、预计总时长） 询问用户确认：「字幕配置已生成，是否确认提交添加？（确认/取消）」 用户取消 → 终止流程，不消耗创点 用户确认 → 继续下一步 步骤8：添加字幕 ：执行以下命令 python3.12 scripts/subtitler.py \ --media-id <媒资ID> \ --captions /tmp/openclaw/byted-kickart-video-subtitler/output/video_subtitle_<timestamp>_<random>.json \ --output /tmp/openclaw/byted-kickart-video-subtitler/output/subtitle_result_<timestamp>_<random>.json 重要 ： --captions 参数值为 字幕配置JSON文件的绝对路径 （不是内联JSON字符串）；由步骤6生成，保存在 /tmp/openclaw/byted-kickart-video-subtitler/output/ 目录下 --output 参数值为 结果JSON文件的绝对路径 （不是视频文件路径）；脚本会将字幕添加结果保存到此JSON文件 步骤9：解析结果并提取视频URL 读取 --output 指定的JSON文件内容 从JSON中提取 video 字段值作为字幕添加后的视频URL 使用「字幕添加成功模板」向用户展示结果，包含视频预览链接 输出字段说明 字段 类型 说明 uuid string 字幕添加任务的唯一标识符 video string 字幕添加后的视频URL（包含鉴权参数） Agent执行特殊要求 超时设置 ：调用exec工具启动脚本时，设置≥180000ms（3分钟）的yieldMs 友好提示 ：若脚本未立即返回结果，先回复用户："正在为您进行视频分析，任务执行时间可能较长，请您稍候~" 异常处理 ：若脚本因超时/异常退出，立即使用持久化的Task ID调用任务查询接口确认后端状态，禁止直接判定任务失败 📝 用户展示消息模板 视频上传成功模板： 📤 视频上传成功！ 🆔 媒资ID: {media_id} 🔗 视频URL: [点击查看]({url}) 📊 分辨率: {width}x{height} ⏱️ 时长: {duration}秒 字幕添加成功模板： ✨ 字幕添加任务已完成！ 🎥 [点击预览视频]({video}) 📝 字幕已自动添加到视频中，您可以直接下载使用！ ⚠️ 错误处理规范 所有错误必须明确告知原因和可执行解决方案，禁止模糊提示！！！ 错误码 错误描述 详细说明 用户处理建议 0 无返回值 接口调用成功，但服务返回结果为空 请稍后重试，如问题持续请联系火山技术支持 1400 ParamErr参数错误 参数错误 联系技术支持 1402 创点不足 调用接口时，用户账户的创点额度不足 请前往 创点充值页面 充值创点或升级套餐 1410 服务ID不存在 调用接口时，输入参数中包含了不存在的服务ID 1411 输入分辨率错误 调用接口时，输入参数中的图片或视频分辨率不符合要求 请检查素材分辨率是否符合规格要求（如≥480p） 1412 图片格式错误 调用接口时，输入参数中包含了非支持的图片格式 请检查图片格式是否为 jpg、png 等支持的格式 1413 无效的媒体URL错误 调用接口时，输入参数中包含了无效的媒体URL 请检查您提供的URL是否正确，避免包含特殊字符或格式错误 1414 输入包含敏感信息错误 调用接口时，输入参数中包含了敏感信息，如个人隐私数据等 暂不可生成带人物的营销视频，请等待后续版本更新 1415 输出包含敏感信息错误 调用接口时，服务返回结果中包含了敏感信息，如个人隐私数据等 暂不可生成带人物的营销视频，请等待后续版本更新 1416 输入媒体数量错误 用户输入的素材数量超过限制 提供的媒体素材数量超出限制，多出的素材可能不会使用 1417 大模型调用错误 模型调用出错，通常是输入参数错误 媒体素材处理存在问题，请重新尝试，如问题持续请联系火山技术支持 1418 时长计费参数错误 提交时入参时间有问题 要求的成片时长不符合技能要求，请按照0-60s的时长限制提交制作需求，如问题持续请联系火山技术支持 1501 用户套餐过期 调用接口时，用户套餐已过期 请前往 套餐开通页面 开通套餐 1600 任务不存在 查询任务状态时，指定的任务ID不存在 请确认任务ID是否正确，或任务已被删除 100010 签名验证失败 AK/SK签名验证失败 请检查您提供的火山鉴权AK/SK是否正确，可访问 火山引擎控制台 确认 100013 缺少服务权限 缺少iccloud_muse服务的RegisterArkClawCombo权限 您的企业账号未开通Kickart权限，请联系火山主账号管理员为您开通，或详询火山技术支持