内容感知字幕ASS 格式短视频文案本地 ffmpeg

内容感知字幕创作(Video Subtitle Author)

先看懂每一镜画面,再写出贴合视觉的中文 / 祝福字幕并精确烧录,适合生日、旅行、产品展示类短视频。

一、这个 skill 是做什么的

这个 skill 不是简单粗暴地「把一段话铺到视频上」,而是先看懂每一镜拍了什么,再写出与画面情绪契合的逐镜字幕。比如生日视频里,祝福语会随着画面从「期待」走到「庆祝」「祝福」,而不是全程一句干巴巴的「生日快乐」。

它用 ASS 字幕格式来精确控制颜色、位置、字号、淡入淡出,最后用 ffmpeg 把字幕「烧」进视频(变成画面的一部分,任何播放器都能看到)。全部在本地完成,不联网、不消耗额度。

它的核心能力是「内容感知」+「样式精确控制」+「逐帧验证」,专门解决「字幕和画面对不上、位置丑、时间戳写错导致字幕卡住不消失」这类问题。

二、什么时候用它

三、前置条件 / 准备

四、具体用法(步骤)

  1. 探测视频参数:用 ffprobe 取出时长、宽高、帧率、音轨,记下宽高(决定字幕坐标系)和总时长。
  2. 看懂内容:抽出每镜代表帧,AI大模型或AI智能体 用看图能力逐张理解「这一镜拍了什么、什么情绪」。这是「内容感知」的核心。
  3. 设计逐镜字幕:用「情感递进法」把字幕串成一条情感弧线(如:期待 → 点题 → 生长 → 陪伴 → 庆祝 → 自由 → 祝福)。每条短(≤12 字)、口语、与画面强相关。
  4. 编写 ASS 文件:严格按格式写,注意颜色是 BGR 反转、对齐码用九宫格、时间戳必须是 HH:MM:SS.cc。
  5. 烧录:用 ffmpeg 把 ASS 烧进视频,音频原样保留。
  6. 逐帧验证:抽出字幕各时间点的帧查看,确认位置、字号、切换都正确,再交付。

对应命令(进阶 / 可选)

下面是每个步骤在本地终端里实际跑的命令,普通用户让 AI大模型或AI智能体 代跑即可。重点是理解「先抽帧看图、再写 ASS、最后烧录验证」的顺序。

# 第1步:探测参数 ffprobe -v quiet -print_format json -show_format -show_streams input.mp4 # 第2步:抽帧(自动场景切分) python scripts/extract_frames.py input.mp4 --out frames --scene 0.3 # 第5步:烧录字幕(音频原样保留 -c:a copy) ffmpeg -y -hide_banner -i input.mp4 -vf "ass=subtitle.ass" \ -c:v libx264 -preset fast -crf 18 -c:a copy output.mp4 # 若 ffmpeg 没有 ass 滤镜,改用 -vf "subtitles=subtitle.ass"

写 ASS 的 3 个致命坑(用本 skill 时 AI大模型或AI智能体 会自动规避,但你改文件时要知道):

五、可直接照用的示例

你直接对 AI大模型或AI智能体 说:「这是给妈妈的生日视频 birthday.mp4,帮我加一段贴画面、有递进感的祝福字幕,最后烧进视频里。」

AI大模型或AI智能体 会:先抽帧看懂每一镜(烛光、笑脸、蛋糕……),设计「愿你的光永远明亮 → 如花般向阳而生 → 岁岁平安」这类逐镜文案,写成 ASS 烧录,再逐帧验证位置字号后交给你。

你直接对 AI大模型或AI智能体 说:「给旅行 vlog trip.mp4 配字幕,要顶部居中、暖金色描边、有淡入淡出,原视频结尾已经有『岁岁无忧』四个字了,别在同样位置叠。」

AI大模型或AI智能体 会:把新增字幕放到空白处(原文字居中就放顶部),用暖金描边和 {\fad(400,400)} 淡入淡出,避开已有屏幕文字,烧录并验证。

六、常见注意 / 避坑

七、相关 skill / 延伸

← 返回 SKILL 库