漫剧全自动字幕首帧烧录 Skill：Codex 5.5/DeepSeek V4/Gemini 3 混战

2026-05-06 [2864] technology ai ai-skill ai-agent

文章目录

上一篇漫剧全自动字幕翻译 Skill：Codex 5.5/DeepSeek V4/Gemini 3 混战中，曾老师介绍了使用三个大模型工具进行字幕翻译和检验的流程。

本篇接着介绍利用大模型 + ffmpeg 进行多语言字幕和首帧烧录流程。

任务流程回顾

建议回顾一下上篇中的字幕与首帧烧录全流程。下面是流程图，文字版见上篇。

漫剧多语言版本制作流程.jpg

任务文件夹结构

无论是自动化程序还是 AI（或者正经人类程序员），都会先将过程结构化以方便推导。下面是整个执行过程中的文件夹结构：

 1└── C01
 2    ├── cache  //过程中使用的中间素材
 3    │   ├── covers  //多国语言封面首帧图片
 4    │   │   ├── en
 5    │   │   ├── id
 6    │   │   ├── ja
 7    │   │   └── pt-br
 8    │   ├── subtitles  //多国语言 SRT 字幕
 9    │   │   ├── en
10    │   │   ├── id
11    │   │   ├── ja
12    │   │   └── pt-br
13    │   └── videos  //无字幕原视频
14    ├── final  //最终生成的多国语言封面 + 视频
15    │   ├── en
16    │   ├── id
17    │   ├── ja
18    │   └── pt-br
19    └── work  //过程中生成的中间素材
20        └── ass  //将 SRT 转换成 ASS，以控制字体、字号、边框、位置
21            ├── en
22            ├── id
23            ├── ja
24            └── pt-br

由于完成后的文件数量众多（数百个文件）无法一一展示，我提供一下简化的文件夹结构截图。从图中可以看出，工作完成后，只需要将 final 文件夹打包就可以得到四国语言的最终视频了。

简化后的文件夹结构

烧录首帧的必要性

下图是在剪映软件中为视频加入首帧的操作流程。

大多数视频平台在没有提供明确的封面图的前提下，都会自动将视频的首帧作为封面图截取。如果我们将视频中的精彩部分，或者使用统一的封面作为视频的首帧呈现，当视频发布到视频平台的时候，就更容易吸引用户点击。

从下面的截图可以看出，在拥有几十上百个视频的前提下，手动操作插入首帧的流程比较繁琐。将其自动化可以节省大量的人力，避免出错的可能。

在剪映中为视频加入首帧

那么，为什么要将首帧插入和漫剧字幕烧录做成一个 Skill，而不是分开呢？

主要有两个原因：

重新烧录视频，是一个全新的转码过程，对视频质量有一定的影响，应该避免对原始视频进行多次转码。
转码对计算机性能是较大的考验，需要消耗较长的时间，一次性转码能节省时间，降低能源消耗（保护环境😄）。

漫剧字幕 + 首帧烧录 manju-burn

这个 Skill 使用 ffmpeg 烧录字幕和首帧进入最终视频：

将封面加入到视频首帧。
获取无字幕的原始视频。
使用和原始视频完全相同的码率、帧率、分辨率，加入人声和字幕，重新生成目标视频文件。

开发过程中，有两个问题值得拿出来说道说道。

对不同语言提供不同的字体

完全使用系统字体也不是不能用，但在字幕的表现力上会略有逊色。以下是曾老师的建议：

对于日文字体，建议采用 Hiragino Sans W6。
印尼语、巴西葡萄牙语、英语同属拉丁语系，但前两者需要重音符号支持，选择一个对重音符号支持较好的拉丁语系字体即可，这里选择的是： Arial Unicode MS。

并行烧录的选择

保守起见，在我的设备上采用的是 2 进程同时烧录。如果设备配置更高，可以酌情开启多进程。

只需要对大模型提出：

开启 2 个 subagent，调用 manju-burn 进行字幕烧录。

（核心的经验积累，见文章末尾）

SKILL.md

  1---
  2name: manju-burn
  3description: |
  4  漫剧多语言字幕烧录与首帧封面合成工具。通过 FileBrowser 读取剧集目录中的无字幕视频、多语言 SRT 字幕和海报封面，调用 ffmpeg/libass 按固定 ASS 样式烧录字幕，并将对应语言封面替换为输出视频首帧。
  5  当用户提到"烧录字幕"、"字幕压制"、"字幕硬字幕"、"manju-burn"、"漫剧烧录"、"封面首帧"、"多语言成片"、"ffmpeg字幕"时使用此技能。
  6---
  7
  8# Manju Burn - 多语言字幕烧录与首帧封面合成
  9
 10你是一个专业的视频后期自动化工程师。使用本 Skill 时，优先调用随 Skill 提供的脚本完成确定性工作，不要手写临时 ffmpeg 命令。
 11
 12## 核心能力
 13
 14- 从 FileBrowser 读取剧集目录中的无字幕视频、SRT 字幕和海报封面
 15- 默认处理英语、巴西葡萄牙语、日语、印尼语四种语言
 16- 如果用户指定语言，只处理指定语言
 17- 使用 ffmpeg/libass 将 SRT 转为 ASS 并烧录为硬字幕
 18- 将对应语言封面缩放裁切到视频尺寸后替换为输出视频首帧
 19- 将成片输出到 FileBrowser 的 `成片/<语言名>有封面/`
 20- 本地目录分为 `cache/`、`work/`、`final/`：输入素材缓存、中间 ASS、最终成片分开管理。
 21- 本地最终成片按语言平铺：`outputs/manju-burn/<剧集名>/final/<语言代码>/<集数>.mp4`
 22- 远端目录创建和成片上传统一调用 `filebrowser-quantum` 的共享客户端方法；不要在 manju-burn 中手写 FileBrowser 上传请求。
 23
 24## 目录约定
 25
 26剧集根目录由 `agent_config.toml` 的 `[manju-burn].series_root` 决定。单个剧集路径为：
 27
 28{series_root}/{剧集名称}/
 29
 30默认目录：
 31
 32{剧集}/成片/无字幕/                 # 输入视频
 33{剧集}/字幕/英文SRT/                # 英语字幕
 34{剧集}/字幕/巴西葡萄牙语SRT/        # 巴西葡萄牙语字幕
 35{剧集}/字幕/日语SRT/                # 日语字幕
 36{剧集}/字幕/印尼语SRT/              # 印尼语字幕
 37{剧集}/海报封面/英语/               # 英语封面
 38{剧集}/海报封面/巴西葡萄牙语/       # 巴西葡萄牙语封面
 39{剧集}/海报封面/日语/               # 日语封面
 40{剧集}/海报封面/印尼语/             # 印尼语封面
 41{剧集}/成片/<语言名>有封面/          # 输出视频
 42
 43## 语言映射
 44
 45| 参数 | 字幕目录 | 封面目录 | 输出目录 |
 46|---|---|---|---|
 47| `en` | `英文SRT` | `英语` | `英语有封面` |
 48| `pt-br` | `巴西葡萄牙语SRT` | `巴西葡萄牙语` | `巴西葡萄牙语有封面` |
 49| `ja` | `日语SRT` | `日语` | `日语有封面` |
 50| `id` | `印尼语SRT` | `印尼语` | `印尼语有封面` |
 51
 52支持常见别名：`english`、`英语`、`pt`、`葡萄牙语`、`jp`、`日本语`、`indonesian`、`印尼语`。
 53
 54## 文件匹配规则
 55
 56- 以 `成片/无字幕/*.mp4` 为主文件列表。
 57- 字幕按同名匹配，例如 `C01-10_1.mp4` 匹配 `C01-10_1.srt`。
 58- 封面按视频文件名里的首个集数匹配 `ep{n}.png`，例如：
 59  - `C01-01_1.mp4` -> `ep1.png`
 60  - `C01-10_1.mp4` -> `ep10.png`
 61  - `C01-10_2.mp4` -> `ep10.png`
 62- 如果同名字幕或对应封面不存在，跳过该视频并在报告中列出缺失项。
 63
 64## 字幕样式
 65
 66脚本会将 SRT 转换为 ASS，并使用以下样式。字体按语言选择，默认从 `manju-burn/fonts/` 读取：
 67
 68- 英语、巴西葡萄牙语、印尼语：`Arial Unicode MS`
 69- 日语：`Hiragino Sans W6`
 70
 71SUBTITLE_STYLE = {
 72    "PlayResY": 1920,
 73    "FontName": "<按语言选择>",
 74    "FontSize": 90,
 75    "PrimaryColour": "&H00FFFFFF",
 76    "OutlineColour": "&H00000000",
 77    "Outline": 3,
 78    "Shadow": 0,
 79    "Alignment": 2,
 80    "MarginV": 580,
 81}
 82
 83如果当前机器的 ffmpeg/libass 无法解析指定字体，默认只警告并继续执行。
 84
 85## 标准命令
 86
 87始终从项目根目录运行：
 88
 89uv run --project manju-burn/scripts manju-burn/scripts/burn_subtitles.py \
 90  --series "C01" \
 91  --non-interactive
 92
 93只处理指定语言：
 94
 95uv run --project manju-burn/scripts manju-burn/scripts/burn_subtitles.py \
 96  --series "C01" \
 97  --languages ja,id \
 98  --non-interactive
 99
100只处理指定集数或分段：
101
102uv run --project manju-burn/scripts manju-burn/scripts/burn_subtitles.py \
103  --series "C01" \
104  --episodes 10
105
106预检远程匹配关系，不下载、不烧录、不上传：
107
108uv run --project manju-burn/scripts manju-burn/scripts/burn_subtitles.py \
109  --series "C01" \
110  --dry-run \
111  --non-interactive
112
113只生成本地文件，不上传：
114
115uv run --project manju-burn/scripts manju-burn/scripts/burn_subtitles.py \
116  --series "C01" \
117  --local-only \
118  --non-interactive
119
120## 工作流
121
1221. 确认用户提供了剧集名称。未提供时要求补充。
1232. 读取 `agent_config.toml`，连接字段优先使用 `[manju-burn]`，否则回退到 `[filebrowser-quantum]`。
1243. 读取剧集的输入视频、字幕目录和封面目录。
1254. 按语言和集数参数生成任务清单。
1265. 非 dry-run 时下载素材到 `outputs/manju-burn/<剧集>/cache/`：无字幕视频放 `cache/videos/`，SRT 放 `cache/subtitles/<语言代码>/`，封面放 `cache/covers/<语言代码>/`。
1276. 将 SRT 转 ASS，ASS 中间文件放 `work/ass/<语言代码>/`。
1287. 调用 ffmpeg 烧录字幕并替换首帧封面，输出直接写入 `final/<语言代码>/<集数>.mp4`，例如 `final/en/01.mp4`、`final/ja/02.mp4`。
1298. **上传安全规范**：
130   - 必须先确认远程输出目录存在。
131   - 上传必须使用 `filebrowser-quantum` 的共享客户端 `upload_file_to_dir()`。
132   - 上传目标必须是远端目录路径，客户端会规范为 `/` 结尾；远端文件名通过 `remote_name` 指定，例如本地 `final/en/01.mp4` 上传为远端 `C01-01.mp4`。
133   - 严禁在 manju-burn 内自行构造 multipart/form-data 或直接 POST 完整 `.mp4` 文件路径。
1349. 汇报成功、跳过和缺失文件清单。
135
136## 质量检查
137
138完成后必须确认：
139
140- 输出 MP4 能被 `ffprobe` 读取
141- 输出视频首帧来自对应语言封面
142- 字幕已作为硬字幕烧录，不再依赖外部字幕文件
143- 未指定 `--overwrite` 时不覆盖已有远程输出
144- dry-run 不修改远程文件
145
146## 配置
147
148在项目根目录的 `agent_config.toml` 中添加：
149
150```toml
151[manju-burn]
152series_root = "/虎澈漫剧"
153subtitle_folder = "字幕"
154input_video_folder = "成片/无字幕"
155cover_folder = "海报封面"
156output_parent_folder = "成片"
157output_suffix = "有封面"
158fonts_dir = "manju-burn/fonts"
159font_name = "Arial Unicode MS"
160font_warning_policy = "warn"
161video_codec = "libx264"
162crf = 18
163preset = "medium"
164
165[manju-burn.language_fonts]
166en = "Arial Unicode MS"
167pt-br = "Arial Unicode MS"
168ja = "Hiragino Sans W6"
169id = "Arial Unicode MS"
170
171`base_url`、`token`、`default_source` 可不写；未设置时自动使用 `[filebrowser-quantum]` 的连接配置。
172```

（scripts 内容略过……）需要详细内容可进入胡扯漫剧/胡扯 AI 群获取。

开始烧录

这是在我的电脑 MacBook Pro M4 上开启 2 个 subagent 烧录时的系统负载。此时系统已经跑满，不建议同时做其他工作了。

如果有 64 GB 以上内存，以及 16 核以上 CPU 或独立显卡，可以考虑开启 FFmpeg 的硬件编码支持，将烧录提升到 4-8 并行。

CPU 负载

经验积累和 Codex 5.5/DeepSeek V4/Gemini 3 大模型对比

在字幕翻译以及字幕烧录这两个 Skill 的开发过程中，曾老师一直在深度使用上面三个大模型和工具，下面是我的体验（一家之言，仅供参考）。

Codex 5.5 是真的强。相同的提示词，它都能一次完整搞定，极少出错，还能经常给出让人很惊喜的专业建议。
DeepSeek V4 和 Gemini 3 我认为在使用过程中的表现都差不多。属于小错不断，大错也犯的状态。但我认为，在边界清晰明确的前提下，已经能作为一个基础的实习生来使用了。哦不，比基础的实习生还要靠谱一些。
一定要在提示词中做好边界的控制。作为 Skill 编写者，尽量在 skill/scripts 级别加入严格控制，要求大模型严格遵循 skill/scripts 中的工具说明，不允许自编 script 绕过 skill/scripts 调用。
设计 Skill 的时候也要遵循 KISS 原则，让一个 Skill 做好一件事。在本例中，所有的大模型都试图自己写代码去调用 FileBrowser（见上篇）的 API，但均被我严格禁止。因为有一个大模型（就不说是谁了）甚至直接用 API 覆盖了 FileBrowser 上的一个文件夹（导致无法恢复）。如果严格遵循 KISS 原则，只需要在 FileBrowser 的 skill/scripts 中进行严格限制，就能永久避免这种情况。

上篇：漫剧全自动字幕翻译 Skill：Codex 5.5/DeepSeek V4/Gemini 3 混战

（打赏本文进入胡扯 VIP-AI 群，获取完整 Skill/scripts）

文章ID：2864
原文作者：zrong(Jacky)
原文链接：https://blog.zengrong.net/post/manju-subtitle-first-frame-burn-skill/
版权声明：本作品采用署名-非商业性使用-相同方式共享 4.0 国际 (CC BY-NC-SA 4.0) 进行许可，非商业转载请注明出处（原文作者，原文链接），商业转载请联系作者获得授权。