一个基于 ElevenLabs Speech-to-Text API 的音视频转字幕工具，支持多语言转录和专业字幕制作标准。
- 句子预分割：基于标点符号优先级的语义分割
- 智能合并：基于CPS、CPL、显示时间等规则的优化合并
- 语义完整性：避免破坏句子结构，提升可读性
| 指标 | v0.2.x | v0.3.x | 改善幅度 |
|---|---|---|---|
| 标点问题率 | 7.72% | 2.81% | +4.91% ✅ |
| 时长过短率 | 5.30% | 0.64% | +4.66% ✅ |
| CPS过高率 | 10.13% | 7.02% | +3.11% ✅ |
| 整体合规率 | 75.41% | 79.11% | +3.71% ✅ |
| 标点结尾率 | - | 97.7% | 显著提升 ✅ |
- 🎯 高质量转录：基于 ElevenLabs 先进的语音识别技术
- 🌍 多语言支持：支持中文、英文、日文等多种语言
- 📝 专业字幕标准：遵循 Netflix 等行业标准的字幕制作规范
- ⚡ 智能分割：基于标点符号优先级的语义分割算法
- 🔄 智能重试机制：失败时自动保留临时文件，重试时快速恢复
- 🎨 用户友好界面：简洁直观的图形用户界面，统一的视觉设计
- 📊 实时进度反馈：清晰的进度显示和状态提示
- 🛠️ 质量分析：内置字幕质量检测和优化建议
- Python 3.8+
- PySide6 (Qt界面库)
- requests (网络请求)
- requests-toolbelt (文件上传)
- FFmpeg (推荐安装，用于视频文件处理)
-
克隆项目
git clone https://github.com/your-username/scribe2srt.git cd scribe2srt -
安装依赖
pip install -r requirements.txt
-
运行程序
python app.py
- 选择文件：拖拽或点击选择音视频文件
- 设置选项：选择源语言和其他处理选项
- 开始转录：点击"生成字幕"按钮
- 获取结果：程序会自动生成 SRT 字幕文件
- MP3, WAV, FLAC, M4A, AAC, OGG
- MP4, MOV, MKV, AVI, FLV, WEBM
- JSON (ElevenLabs 格式)
本工具遵循以下专业字幕制作标准：
- 时长控制：最短 0.83 秒，最长 7.0 秒
- 字符密度：CJK 语言每秒最多 15 字符，拉丁语言每秒最多 15 字符
- 行长限制：CJK 语言每行最多 25 字符，拉丁语言每行最多 42 字符
- 语义完整性：优先保持句子完整，基于标点符号优先级分割
- 自定义时长和间隔参数
- 调整字符密度限制
- 设置每行字符数限制
- 支持大文件分段并发处理
- 可配置并发数和重试策略
- API 速率限制控制
- 失败时自动保留临时文件
- 重试时避免重复音频提取
- 完整的状态恢复和进度显示
- 智能错误处理和异常恢复
- 自动检测字幕质量问题
- 提供详细的合规性报告
- 生成改进建议
scribe2srt/
├── app.py # 主应用入口
├── requirements.txt # 依赖文件
├── README.md # 项目文档
├── settings.json # 配置文件
├── core/ # 核心功能模块
│ ├── __init__.py # 包初始化
│ ├── config.py # 配置管理
│ ├── srt_processor.py # 字幕处理器
│ ├── sentence_splitter.py # 句子分割器
│ ├── intelligent_merger.py # 智能合并器
│ ├── ffmpeg_utils.py # FFmpeg工具
│ ├── async_chunk_processor.py # 异步处理
│ └── worker.py # 工作线程
├── ui/ # 用户界面模块
│ ├── __init__.py # 包初始化
│ ├── main_window.py # 主窗口
│ ├── settings_dialog.py # 设置对话框
│ ├── async_settings_dialog.py # 异步设置对话框
│ ├── widgets.py # 自定义组件
│ └── segmented_progress_bar.py # 进度条
├── api/ # API客户端模块
│ ├── __init__.py # 包初始化
│ └── client.py # API客户端
├── tests/ # 测试模块
│ ├── __init__.py # 包初始化
│ ├── test_subtitle_rules.py
│ └── optimize_based_on_analysis.py
├── sample/ # 示例文件
└── docs/ # 文档
└── 字幕制作的通用原则.md
- 两阶段处理：句子预分割 + 智能合并
- 标点符号优先：基于语言学规律的分割策略
- 语义完整性：避免破坏句子结构
- 多语言优化：针对 CJK 和拉丁语言的差异化处理
- 实时质量检测：处理过程中自动检测质量问题
- 合规性验证：确保符合行业标准
- 智能优化：自动调整参数以提高质量
- 移除长停顿检测：用基于标点符号的语义分割替代时间间隔检测
- 智能合并策略：基于CPS、CPL、显示时间等多规则约束
- 语义完整性：显著减少句子中断，提升可读性
- 模块化架构：重新组织代码结构，提高可维护性
- 标点符号优先级：高优先级（。！？）、中优先级（；：）、低优先级（，、）
- 动态CPS调整：根据文本长度智能调整字符密度限制
- 智能收益计算：指导合并决策的收益评估算法
- 智能重试机制：失败时保留状态，重试时快速恢复
- 实时进度反馈：统一的进度显示和状态管理
本项目采用 MIT 许可证。详见 LICENSE 文件。
欢迎提交 Issue 和 Pull Request！
- 🔄 重试机制全面优化：修复临时文件管理，重试时不再重复提取音频
- 📊 进度显示全面改进：修复重试进度显示，优化信息展示层次
- 🎨 界面优化：简化进度条颜色方案，统一视觉风格
- 🛠️ 错误处理增强：修复多个稳定性问题，提升程序健壮性
- 🚀 全新的两阶段字幕分割算法
- 📊 显著提升标点符号分割准确率（从 7.72% 降至 2.81%）
- 🏗️ 重构代码架构，模块化设计
- 📈 整体合规率从 75.41% 提升至 79.11%
- 基础转录功能
- 简单的字幕分割算法
- 基本的用户界面
