0xpratzyy/subtle
多媒体与设计在本地为口播视频生成动画字幕和歌词视频,提供 35 种风格,可作为 Codex/Claude Code 技能或命令行使用。
这个项目自带 1 个 Agent 技能看技能清单和安装方法 →项目介绍
Subtle 在本地把口播视频处理成带动态字幕的视频。它先用 mlx-whisper 做逐词时间对齐的转写,把口语数字写成单独的词元($5,000、40%、₹1 lakh),再把文本分成短小的字幕页并挑出需要强调的词。随后按源视频的尺寸和帧率套用 35 种字幕风格之一渲染,并检查安全区、对比度和大字可见程度,生成一张缩略图拼版。输出包括 <name>.captioned.mp4、<name>.srt、可编辑的 <name>.captions.json 和 <name>.preview.jpg。
它既能作为 Codex / Claude Code 技能使用,也有独立的 Python 命令行。keyword、cover、outline、poster、rise、numeral 六种风格会把大字放到说话人身后,在 macOS 上借助 Apple Vision 抠出人物。
快速使用
环境要求:转写和「字在身后」效果需要 Apple Silicon 的 macOS;此外还需要 ffmpeg、Node 18 以上、Python 3.9 以上并安装 uv,Swift 部分需要 Xcode 命令行工具。先运行 bash scripts/doctor.sh 检查缺什么。
作为 Claude Code 技能安装,克隆到技能目录:
git clone https://github.com/0xpratzyy/subtle ~/.claude/skills/subtle
Codex 则克隆到 ~/.agents/skills/subtle,然后让 Agent 给视频加字幕。若只用命令行,把仓库克隆到任意位置,在该目录执行:
python3 scripts/subtle.py talk.mp4 --style glass
首次运行会下载语音模型(约 1.6 GB)并安装渲染依赖(约一分钟)。转写结果按文件哈希缓存,换风格不会重新转写。
命令行用法
不指定风格时使用默认的 glide。README 中的示例:
python3 scripts/subtle.py talk.mp4 --style keyword
python3 scripts/subtle.py talk.mp4 --style ticket:yellow
python3 scripts/subtle.py talk.mp4 --emphasis numbers
python3 scripts/subtle.py talk.mp4 --lang es --aspect 9:16
python3 scripts/subtle.py talk.mp4 --captions talk.captions.json
--captions 用于修改字幕 JSON 后重新渲染;--placement off、--cuts off 保持风格自身位置并忽略硬切;--behind off 让大字画在前面。python3 scripts/subtle.py --list-styles 列出全部风格和配色。想先看效果,可以在展示站点上用浏览器预览全部风格,站点源码位于 site/。
使用约束
- 完整转写和「字在身后」风格需要 Apple Silicon 的 macOS。Linux 或 Intel Mac 仍可用
--words从自备的词时间渲染;bash scripts/doctor.sh --from-timings检查这条路径。 - 「字在身后」最适合单人、机位稳定的画面;细发、快速手部和快速摇镜在抠像边缘会露馅,工具发现效果不好时会改为画在前面。
- 无底框的软阴影风格在明亮或杂乱画面上不易阅读,对比度检查会建议改用
glass、chip、block。 - Whisper 的词时间来自注意力而非强制对齐,语速很快时可能漂移;印地语拉丁转写拼写不稳定,需先检查转写并用
--replace heard=Shown修正。 - 代码采用 MIT,内置字体为 SIL OFL;默认渲染器用 Remotion,个人和不超过 3 人的公司免费,更大公司需购买 Remotion 授权。依赖详情见 THIRD_PARTY.md。
HotRepo 点评
该项目出现在 HotRepo 2026-11-21 的 TypeScript 新项目榜上:约四小时窗口内新增 9 个 Star,同时累计 27 个 Fork。这个组合更像一个早期、偏视觉设计的项目,产物是视频而不是库,README 中的完整风格图和浏览器展示也印证了这一点。它没有全语言日榜名次记录。更实际的信号是平台限制:macOS Apple Silicon 的要求决定了谁能用转写和「字在身后」风格,因此 Linux/Intel 的降级路径与风格数量同样重要。
本文由 AI 根据项目公开资料和 HotRepo 的记录撰写,更新于 ,以项目官方文档为准。
相关推荐
- owlinthebarnai/video-studio-kit在本机用一条提示词生成短动画视频的本地工作台,渲染依赖你自己的 Claude Code 订阅。
- andyhuo520/digital-human-koubo用一张照片和一段文稿,让 AI 代理自动做出口播数字人成片,省去手工剪辑。
- Moessif/code-video-showcase用纯代码逐帧绘制画面、合成配乐,帮编程 Agent 产出 30–90 秒卡点展示视频的制作配方。
- mromidev/claude-animated-shortsClaude 技能:在本机用 three.js 与 Remotion 渲染 55–70 秒竖屏动画故事短片。
- StewdioAI/blank-page一个 Claude Code 与 Codex 技能,把一句话动效需求扩展成带视觉参考、分镜节奏和素材的完整生成提示词。