wjs-translating-subtitles

wjs-translating-subtitles

输入源语言 SRT → 输出目标语言（或双语）SRT。**此技能仅处理文本。**字幕烧录由 /wjs-burning-subtitles 处理；配音由 /wjs-dubbing-video 处理。

适用场景

• 用户有一份语言 A 的 SRT，想翻译成语言 B。
• 用户粘贴了转录文本（有或没有时间戳），想将其翻译并生成 SRT。
• 用户有一份 SRT，但字幕条目在句子中途结束——此技能的重新分段步骤可以修复此问题。

不适用场景

• 还没有源语言 SRT → 先运行 /wjs-transcribing-audio。
• 用户想要烧录字幕 → 先在这里完成翻译，再运行 /wjs-burning-subtitles。
• 用户想要配音 → 先在这里完成翻译，再运行 /wjs-dubbing-video。

选择目标语言

根据用户的表述确定目标语言，不要再次询问：

• “翻成中文 / 中文字幕 / 中文配音” → zh-CN。
• “translate to English / English subs / English dub” → en。
• “bilingual” / “双语” → 生成 .<source>.srt 和 .<target>.srt（也可选择生成合并版 .<source>-<target>.srt）。
• 表述不明确 → 默认选择用户在该项目中以往使用的语言。

简体中文和英语已通过完整验证。其他目标语言（日语、韩语、法语等）也遵循相同规则；如果后续要配音，瓶颈在于 TTS 语音是否可用——承诺前请参阅 /wjs-dubbing-video。

通用翻译原则

• 优先传达含义，而非逐字翻译。
• 使用简洁的字幕语言——观众阅读速度约为中文每秒 3 个词、英语每秒 3–4 个词；超出此速度的字幕会在读完前消失。
• 保留说话者的语气。源文随意，译文也随意；源文正式，译文也正式。
• 不要过度翻译人名、品牌、文化典故或技术术语。
• 准确保留数字、日期、人名和地名。
• 短语没有精确对应表达时，自然传达其含义。不要逐字硬译。
• 避免生硬、机器翻译腔的表达。

翻译为简体中文（zh-CN）

• 随意表达使用自然口语，正式表达使用正式中文。
• 仅使用简体字（除非用户明确要求，否则不要使用繁体字）。
• 每行字幕建议不超过 15 个汉字，每条字幕最多 2 行（超长字幕实在无法避免时可用 3 行）。
• 使用中文标点：“，”“。”“；”“：”“、”“——”。中文字幕中不要混用英文逗号或句号。
• 尽量少用指示词“这”“那”“这个”“那个”“那份”“那种”“那里”“那样”。 西班牙语到中文（以及英语到中文）的机器翻译常会因为源文中出现显式指示词而加入这些词，但中文通常会省略。示例：
  • “这把我们带入二元世界的载体” → “把我们带入二元的载体”
  • “运用那份能量” → 如有需要，可译为“运用这股能量”，也可直接译为“运用能量”
  • “正是在这合一里” → “正是在合一中”
  • “像罪人那样翻滚” → “像罪人翻滚” / “像罪人般翻滚”
  • “那份精微的觉知” → “精微的觉知” 仅在确实表达含义时保留它们（指示、对比或“我就是那” / “tat tvam asi”等固定表达）。默认删去；只有在句意会因此变得含糊时才加回。

示例（西班牙语 → 中文）：

Spanish: No pasa nada.            → Chinese: 没关系。
Spanish: Vamos a ver qué pasa.    → Chinese: 我们看看会发生什么。
Spanish: Me parece una locura.    → Chinese: 我觉得这太疯狂了。
Spanish: ¿Qué quieres decir?      → Chinese: 你是什么意思？
Spanish: La verdad es que no lo esperaba.
                                  → Chinese: 说实话，我没想到会这样。

翻译为英语（en）

• 使用自然的英语口语表达。避免翻译腔（“It is precisely through entering the body…” → “It's by entering the body…”）。
• 每行建议不超过 40–42 个字符（约 7–9 个词），每条字幕最多 2 行。每行硬性上限为 50 个字符。
• 使用 ASCII 标点：, . ; : —（长破折号）。避免使用 Unicode 弯引号，以确保 .srt 格式通用。
• 对于沉思或灵性内容，优先使用简单词汇，而非源自拉丁语的术语：“presence” 优于 “manifestation”，“wholeness” 优于 “totality”，“wake up” 优于 “awaken to consciousness”。

示例（西班牙语 → 英语）：

Spanish: No pasa nada.            → English: It's nothing.
Spanish: Vamos a ver qué pasa.    → English: Let's see what happens.
Spanish: Me parece una locura.    → English: This feels crazy to me.
Spanish: ¿Qué quieres decir?      → English: What do you mean?
Spanish: La verdad es que no lo esperaba.
                                  → English: Honestly, I wasn't expecting this.

在标点处重新分段（必须）

Whisper 会按静音或换气分段，而不是按语法分段。结果几乎总会出现在句中结束的字幕（例如，“...es una forma de aterrizar,” 下一条字幕以 “el espíritu en el cuerpo...” 开头）。任何一次只处理一条字幕的 TTS 都会在原说话者并未停顿的位置插入不自然的停顿。配音前必须先修正这一点，同时也能改善屏幕上的阅读体验。

不同语言的标点集合有所不同：

• 中文字幕必须以 ， 。 ； ： —— 或 、 结尾。
• 英文字幕必须以 , . ; : —（长破折号）结尾；实际制作字幕时，偶尔也可以用单个破折号结尾。英文字幕绝不能在没有逗号的分句断点处结束，也绝不能在 “kind of” 或 “in order to” 这样的短语中间拆分。

规则：

• 每条字幕都必须以真正的标点符号结尾。 绝不能让字幕以名词、动词、连词或冠词结尾，导致语意延续到下一条字幕。
• 可以（而且通常有必要）将一条源字幕拆分成 2–4 条较短字幕，并根据原字幕时长内的字符位置插算时间戳。
• 如果前后两条字幕的尾部和开头构成一个分句，可以将它们合并；合并后的字幕沿用前一条字幕的开始时间和后一条字幕的结束时间。
• 每条字幕以 3–8 秒为目标。短于约 1.5 秒的字幕在屏幕上会显得过于零碎；长于约 10 秒的字幕通常意味着漏掉了标点断点。

一段典型的 2–3 分钟演讲，通常会从 12–18 条原始字幕整理成约 25–40 条以标点为界的字幕。不要试图保留原始字幕数量。

后续进行 TTS 配音时，以标点为界的结构能确保每段 TTS 音频都是完整的话语，带有恰当的句末语调；由于每段音频都在真正的停顿处衔接，拼接后的听感也会很自然。

SRT 输出规则

1
00:00:01,200 --> 00:00:04,800
中文字幕内容

2
00:00:04,800 --> 00:00:08,500
中文字幕内容

• 从 1 开始按顺序为字幕编号。
• 时间戳格式：HH:MM:SS,mmm。毫秒使用逗号，绝不能使用句点。
• 时间戳不得重叠。
• 保留原始时间，除非确有必要调整。
• 每条字幕通常应为 1–2 行。
• 如果某条字幕过长，且时间允许，应将其拆分成较短的字幕。
• 不要在字幕文件中添加说明文字。

双语输出

用户要求双语时：第一行放源文，第二行放译文：

1
00:00:01,200 --> 00:00:04,800
No pasa nada.
没关系。

规则：

• 源文在前，译文在后。
• 保留时间。
• 除非用户要求，否则避免添加额外说明。
• 两行都应足够简短，便于阅读。

输出格式

根据用户的要求，提供以下一种或多种格式：

1. 仅含目标语言的 .srt
2. 双语 .srt（源文行 + 译文行）
3. 不带时间戳的目标语言文稿
4. 源文与目标语言并排对照表

未作其他说明时，对“翻译这份 SRT”的默认输出为：仅含目标语言的 .srt + 必要时附上一条简短的不确定性说明。

文件命名

input.srt                          # source (e.g., from /wjs-transcribing-audio)

translated outputs:
  input.zh-CN.srt                  # Simplified Chinese only
  input.en.srt                     # English only
  input.es-zh.srt                  # Spanish + Chinese bilingual
  input.es-en.srt                  # Spanish + English bilingual
  input.es-zh-en.srt               # three-language

采用 BCP-47 风格的后缀，可以让人一眼看出目标语言，并便于将多种目标语言的输出并排存放。

处理音频不清标记

如果源 SRT 中包含 [inaudible] 或 [unclear]：

• 自然地翻译前后文。
• 在目标 SRT 中保留方括号内的标记（不要编造内容）。
• 如果 [unclear] 片段导致目标语言中的字幕语法不通顺，应保留该标记，并在回复中添加说明（不要写入 SRT 文件）。

交付前质量检查

• 字幕编号连续
• 时间戳有效（HH:MM:SS,mmm，无重叠）
• 毫秒使用逗号
• 译文自然；保留说话者的语气
• 行长符合平台或单条字幕的限制
• 专有名词准确
• 没有字幕在分句或短语中间结束
• 没有编造内容

下游处理

• /wjs-burning-subtitles — 将此 SRT 烧录到视频中，或软复用为可切换的字幕轨道。
• /wjs-dubbing-video — 根据此 SRT 生成 TTS 配音，并与原始时间点对齐。
• 双语播放：大多数平台都支持软复用多个字幕轨道；但如果需要同时显示两种语言，请通过 /wjs-burning-subtitles 直接烧录 *.source-target.srt。

常见问题

• 翻译后字幕条目在句子中间结束。 原文按静音划分的字幕条目边界并不安全；务必按标点重新分段。
• 中文译文中出现多余的指示词。 机器翻译会因为原文中有 eso/that 而插入「这」/「那」。请果断删掉。
• 句号毫秒数。 Whisper 本地生成的时间戳使用 .mmm；SRT 规范要求使用 ,mmm。务必统一格式。
• 翻译专有名词。 品牌名、地名、技术术语应保持原样，或使用目标语言中的惯用译法（例如，“OpenAI”保持不变，“New York”译为“纽约”）。
• 为了符合字幕条目长度上限而过度缩短。 如果一行确实超过上限，就将其拆分成两个字幕条目，并插入内插时间戳；不要为了符合上限而丢失含义。
• 未请求配音时忘记重新分段。 按标点划分的 SRT 也更便于阅读——在自然停顿处分行，符合观众的阅读习惯。即使只需烧录字幕，也要重新分段。