作者官方中文封面：深色背景铺满多语言字幕拼图，标题为“一段视频，拼成字幕长图”。
项目截图关于这个 Skill
向 Agent 提供本地视频或有权处理的视频链接，说明想分享的片段。Skill 指导它检查来源、选句、核对时间点、精确取帧、紧凑拼图并检查成品。原生模式只裁切视频中已经烧录的字幕，不重绘文字；脚本模式把已确认台词或翻译画到真实画面上，并明确属于后期字幕。输出包括 JPG、对应时间点数据，多图任务还可提供总览图。
为什么推荐
适合访谈摘录、台词截图和金句长图。两种模式明确区分原字幕像素与后期绘制台词，并保留时间点与逐张图片检查流程。
适合用来做什么
- 把带字幕的访谈、演讲或课程做成易读的摘录长图。
- 制作台词截图时，保留原视频烧录字幕的文字与像素。
- 把核对过的翻译或已确认台词绘制到真实视频帧上。
- 为文章或帖子准备能追溯时间点的配图。
选择字幕来源
原生字幕
裁切视频像素中已经存在的字幕，不通过 OCR 重绘、不翻译改写。主图和字幕条先拼接，再整体统一缩放。
脚本字幕
在真实视频帧上绘制已核对的台词或翻译，用 lines JSON 保存原文和时间点，并标明是后期绘制字幕。
从视频到检查后的拼图
检查源视频
检查真实画面、字幕类型、视频质量和目标输出，渲染前明确使用哪种模式。
选择稳定时间点
围绕每句台词抽取候选帧，保持观点连贯，检查说话人、文字完整性、转场和构图。
拼接图片
原生模式默认按内容自适应；脚本模式默认使用 3:4 画布。通常从一张主图加四条字幕开始，每张图最多七个时间点。
检查与交付
打开总览和每张原尺寸 JPG，检查文字、顺序、构图与字幕来源，再交付图片及时间点或 lines JSON。
安装与环境检查
官方 README 提供复制 Skill 目录和使用宿主安装器的方式，通用跨 Agent 安装器也能识别入口。保留配套脚本、参考资料和 requirements.txt。以下命令中的 <SKILL_DIR> 指安装后 SKILL.md 所在目录。
| 命令 | 用途与使用时机 |
|---|---|
npx skills add chengyi-ai/native-subtitle-quote-image --skill native-subtitle-quote-image | 使用通用跨 Agent 安装器安装 Skill。 |
python3 -m pip install -r "<SKILL_DIR>/requirements.txt" | 在所选 Python 环境中安装依赖。 |
python3 "<SKILL_DIR>/scripts/check_environment.py" | 只读检查本地视频模式依赖。 |
python3 "<SKILL_DIR>/scripts/check_environment.py" --script-mode | 额外检查脚本字幕所需字体。 |
版式与适用边界
脚本负责取帧与排版，正确说话人与合适构图仍需由 Agent 核对。多人对话需要明确台词归属；长台词应拆成多张图，避免压成过小字幕条。
原生模式可保留源宽度，并按内容确定高度，也可选择固定比例。把低清素材导出为大画布不会增加真实细节。独立的脚本模式支持自定义台词及部分强调选项。
封面使用作者提供的中文横幅，并按展示要求压缩。示例墙同时包含原生字幕与后期脚本字幕，不能把其中所有文字都当作画面人物的逐字原话。
使用前需要了解
- 需要支持 Skills、能够读写本地文件、执行命令并查看图片的 Agent；也可以直接运行 Python 渲染脚本。
- 需要 Python 3.10+、Pillow，以及 FFmpeg 或 imageio-ffmpeg。处理视频前先运行只读环境检查。
- 链接输入另需 yt-dlp；完整解析 YouTube 格式需要 Deno 或显式启用的 Node.js。中日韩脚本字幕需要合适字体。
- 原生模式要求解码后的视频画面里确实可见字幕；脚本模式需要核对过的带时间点台词。独立字幕轨不等于画面内烧录字幕。
- 代码和 Skill 采用 MIT 许可证，可免费安装。源视频和第三方素材保留各自权利；Agent 或模型使用按所选服务计费。
支持的 Agent
常见问题
原生模式会重绘字幕吗？
不会。它裁切源画面内已烧录的字幕像素，再对拼图统一缩放。需要添加已核对文字时应选择脚本模式。
处理本地视频一定需要下载工具吗？
本地视频需要 Python、Pillow，以及 FFmpeg 或 imageio-ffmpeg；yt-dlp 只用于链接获取。缺少时间索引时，可另行进行转写。
资料与来源
原始资料见下方链接；文中的上手建议由 SkillHey 编辑整理。
