SRT 视频剪辑 Skill（SRT + LCS 匹配版）

概述

核心思路：用户已有 SRT 字幕文件（与视频同目录、同前缀名），直接解析 SRT 获取时间戳，用 LCS 算法将口播稿每个段落匹配到 SRT 字幕条目，生成剪映草稿。

严禁修改或删除任何源素材文件（视频、SRT、JSON 等），所有操作只读取、只生成新文件。

整体流程：
1. 接收用户输入：口播稿 + 视频目录路径
2. 自动发现目录下的 SRT 文件 → 映射到同名视频文件
3. 解析口播稿为段落列表（以空行分段）
4. 解析所有 SRT 文件，按视频分组
5. LCS 匹配：每个段落对每个视频的字幕条目做单条目 + 多条目合并窗口匹配
6. 输出匹配报告 → 用户确认
7. 生成 generate_draft.py → 运行 → 剪映草稿

Step 1：接收输入并发现 SRT 文件

用户输入格式

用户需要提供两样东西：

1. 口播稿：纯文本，段落之间以空行（\n\n）分隔。例如：
   ```
   改为早上。我有一个好玩的事儿，特别好玩儿。

特别的毒的眼泪，就是毒誓，你能感到打车的时候，
```

2. 视频目录路径：包含 .MP4/.mp4 视频文件和对应的 _原文.srt 字幕文件。命名规则：
   - 视频：20260515_js-qj-1-声好.MP4
   - 字幕：20260515_js-qj-1-声好_原文.srt

自动发现 SRT → 视频映射

import os, glob

def discover_srt_video_pairs(video_dir: str) -> dict:
    """
    扫描目录，找出所有 SRT 文件并映射到同名视频。
    返回: {video_basename: {"srt": full_srt_path, "video": full_video_path}}
    """
    pairs = {}

    # 查找所有 SRT 文件
    srt_files = glob.glob(os.path.join(video_dir, "*_原文.srt"))

    for srt_path in srt_files:
        srt_basename = os.path.basename(srt_path)
        # 去掉 "_原文.srt" 后缀，得到视频基础名
        video_basename = srt_basename.replace("_原文.srt", "")

        # 尝试多种扩展名匹配视频
        for ext in [".MP4", ".mp4", ".MOV", ".mov", ".mkv", ".avi"]:
            video_path = os.path.join(video_dir, video_basename + ext)
            if os.path.exists(video_path):
                pairs[video_basename] = {"srt": srt_path, "video": video_path}
                break

    return pairs

如果不满足上述命名规则，直接询问用户具体的 SRT 文件名和对应视频文件名。

Step 2：解析口播稿为段落

def parse_script(script_text: str) -> list[str]:
    """
    以空行分段。每段去除首尾空白。
    返回原始文本段落（不去标点，保留原文以用于匹配显示）。
    """
    paragraphs = []
    for block in script_text.strip().split("\n\n"):
        block = block.strip()
        if block:
            paragraphs.append(block)
    return paragraphs

用于匹配的"干净文本"（去标点、去空格）仅在 LCS 计算时使用，原始文本保留用于显示和注释。

Step 3：解析 SRT 字幕文件

import re

def parse_srt(filepath: str, video_name: str) -> list[tuple]:
    """
    解析单个 SRT 文件。
    返回: [(start_seconds, end_seconds, text, video_name), ...]
    """
    with open(filepath, "r", encoding="utf-8") as f:
        content = f.read()

    entries = []
    blocks = re.split(r"\n\s*\n", content.strip())

    for block in blocks:
        lines = block.strip().split("\n")
        if len(lines) < 3:
            continue

        # 解析时间戳行：00:01:58,260 --> 00:02:04,653
        tm = re.match(
            r"(\d{2}):(\d{2}):(\d{2}),(\d{3})\s*-->\s*(\d{2}):(\d{2}):(\d{2}),(\d{3})",
            lines[1]
        )
        if not tm:
            continue

        g = list(map(int, tm.groups()))
        start = g[0] * 3600 + g[1] * 60 + g[2] + g[3] / 1000
        end   = g[4] * 3600 + g[5] * 60 + g[6] + g[7] / 1000

        # 合并字幕文本行
        text = "".join(lines[2:]).replace("\n", "")
        entries.append((start, end, text, video_name))

    return entries

Step 4：SequenceMatcher 全文匹配（核心算法）

> 性能对比：暴力 LCS 窗口 ~3 分钟/6 段 → SequenceMatcher <5 秒/8 段。
> 原理：difflib.SequenceMatcher 是 C 实现，将每视频所有 SRT 结巴拼接为全文后一次匹配找到最佳块，避免 O(nmwin) 的 brute-force。

建立字符→时间索引

from difflib import SequenceMatcher

def parse_srt_indexed(filepath: str, video_name: str) -> dict:
    """
    解析 SRT 并建立字符到时间的映射。
    返回: {
        "full_text":   拼接后的无标点全文,
        "char_times":  [(time, entry_idx), ...]  每个字符位置 -> 时间戳,
        "entries":     [(start, end, raw_text), ...]
    }
    """
    # ... 先按 Step 3 的 parse_srt 得到 entries ...

    chars = []
    char_times = []
    for idx, (start, end, text) in enumerate(entries):
        cl = clean_text(text)
        for ch in cl:
            chars.append(ch)
            char_times.append((start, idx))
        if cl:
            char_times[-1] = (end, idx)  # 最后一个字符用 end 时间

    return {
        "full_text": "".join(chars),
        "char_times": char_times,
        "entries": entries,
    }

匹配段落

def match_paragraph(para_clean: str, video_data: dict) -> dict:
    """
    对所有视频做 SequenceMatcher 匹配，取最佳块。
    video_data: {video_name: {"full_text": str, "char_times": list, "entries": list}}
    """
    best = {"video": None, "start": 0.0, "end": 0.0, "score": 0.0}

    for vname, data in video_data.items():
        ft = data["full_text"]
        ct = data["char_times"]
        sm = SequenceMatcher(None, ft, para_clean)

        for block in sm.get_matching_blocks():
            if block.size == 0:
                continue
            b_start = block.a
            b_size  = block.size
            if b_start >= len(ct) or b_start + b_size > len(ct):
                continue

            t_start = ct[b_start][0]
            t_end   = ct[min(b_start + b_size - 1, len(ct) - 1)][0]
            score = b_size / max(len(para_clean), 1)

            if score > best["score"]:
                best = {"video": vname, "start": t_start, "end": t_end, "score": score}

    return best

匹配阈值与处理

核心原则：口播稿必须完整匹配。低置信度段落仍然放入 CLIPS，但标注警告让用户审查。绝不能静默丢弃任何段落。

Step 5：输出匹配报告

在执行草稿生成前，先输出清晰的匹配报告供用户审查：

================================================================================
匹配结果
================================================================================

段落1 ✅ → 20260515_js-qj-3-声好.MP4 [00:00:51~00:00:58]
  相似度: 0.86  方式: 合并窗口 3条 (#17-#19)
  口播: 改为早上。我有一个好玩的事儿，特别好玩儿。

段落2 ✅ → 20260515_js-qj-3-声好.MP4 [00:01:58~00:02:05]
  相似度: 0.87  方式: 合并窗口 3条 (#51-#53)
  口播: 特别的毒的眼泪，就是毒誓，你能感到打车的时候，

...

段落4 ⚠️ 低 → 20260515_js-qj-3-声好.MP4 [00:01:53~00:02:37]
  相似度: 0.47  方式: 合并窗口 8条 (#49-#67)
  口播: 一种方式就是晚上翻来覆去的...
  ⚠️ 低置信度 — 口播稿可能为浓缩版，实际口播内容跨度更长

================================================================================
CLIPS 列表
================================================================================
    (r"Z:\...\20260515_js-qj-3-声好.MP4", 51.590, 58.225),  # P1 sim:0.86
    ...
    (⚠️ r"Z:\...\20260515_js-qj-3-声好.MP4", 112.700, 157.380),  # P4 sim:0.47

Step 6：生成 pyJianYingDraft 脚本

基于匹配结果生成可直接运行的 Python 脚本。

关键点

1. 直接用真实视频路径创建 VideoMaterial，不要用假视频骨架。
2. 网络路径（如 \\192.168.x.x\...）可以直接使用，pyjianyingdraft 支持。
3. 素材缓存：同一视频只创建一次 VideoMaterial。
4. 时间轴累加：每个 segment 的 target_timerange 接在上一个之后。
5. allow_replace=True：每次覆盖同名草稿。

import os
import pyJianYingDraft as draft
from pyJianYingDraft import Timerange, SEC

# ============================================================
# 配置（根据实际路径修改）
# ============================================================
DRAFT_FOLDER = r"C:\Users\Administrator\AppData\Local\JianyingPro\User Data\Projects\com.lveditor.draft"
DRAFT_NAME   = "你的草稿名称"
WIDTH, HEIGHT = 1920, 1080

# ============================================================
# CLIPS：口播稿段落 → (视频完整路径, 开始秒, 结束秒)
# ============================================================
CLIPS = [
    # ⚠️ 由匹配结果填充，格式：(视频路径, start_sec, end_sec)
]

# ============================================================
# 生成草稿
# ============================================================
draft_folder = draft.DraftFolder(DRAFT_FOLDER)
script = draft_folder.create_draft(DRAFT_NAME, WIDTH, HEIGHT, allow_replace=True)
script.add_track(draft.TrackType.video)

timeline_cursor = 0
material_cache = {}

for video_path, src_start, src_end in CLIPS:
    # 获取或创建素材
    if video_path not in material_cache:
        print(f"加载素材: {os.path.basename(video_path)}")
        material_cache[video_path] = draft.VideoMaterial(video_path)
    material = material_cache[video_path]

    src_start_us = int(src_start * SEC)
    src_end_us   = int(src_end   * SEC)
    duration_us  = src_end_us - src_start_us

    segment = draft.VideoSegment(
        material,
        target_timerange=Timerange(timeline_cursor, duration_us),
        source_timerange=Timerange(src_start_us, duration_us),
    )
    script.add_segment(segment)

    print(f"  片段 [{src_start:.2f}s → {src_end:.2f}s] 时长 {duration_us/SEC:.2f}s")
    timeline_cursor += duration_us

script.save()
print(f"\n✅ 草稿已保存：{DRAFT_NAME}")
print(f"📊 总时长：{timeline_cursor / SEC:.2f} 秒，共 {len(CLIPS)} 个片段")

输出规范

1. 先运行匹配：输出详细的匹配报告，向用户展示每个段落的匹配质量
2. 用户确认后再写入脚本：等用户确认 CLIPS 列表没问题，再生成 generate_draft.py
3. 脚本放在工作区：{workspace}/generate_draft.py，用户可直接 python generate_draft.py
4. 未匹配段落处理：在 CLIPS 中以注释形式标注跳过，明确提示用户需手动补充
5. 高亮低置信度：sim < 0.6 的条目在 CLIPS 注释中用 ⚠️ 标注

核心约束（必读）

常见问题