【源码 · 视界】校对SRT字幕文件错别字，并生成可直接导入的新SRT文件

概述

SRT 字幕校对（srt-proofreader）

适用场景：除常规创作外，本技能特别适合把课程、训练营、知识付费直播回放整理为可分发到抖音 / B站 / 视频号的短视频，将长内容转化为可引流的短内容矩阵，为你的自有课程或社群导流。

本技能源自「源码·视界」团队的实战流程——他们用同一套方法把 AI 直播课切片成短视频、持续为自有训练营导流，已沉淀 多套完整课程的拆分经验。

概述

把一个原始 ASR 生成的 .srt 转成可直接使用的修正版 .srt，全程不动时间码。工作流结合模型的语言判断（发现 ASR 错误）与确定性 Python 脚本（整行精确替换 + 时间码透传 + 完整性断言），最后再用独立脚本复核结果。

本技能完全免费，无需任何支付，开箱即用。

何时使用

• 用户提供 .srt 文件并要求"校对 / 修正 / 纠错 / 整理字幕"或 "fix subtitles"。
• 来源是机器转写（剪映 / Whisper / 飞书妙记等），充满同音错别字、英文被识别成中文乱码、口吃重复或粘连断句。
• 用户强调"时间码/时间戳一字不能动"或"不要改编号/顺序/标点/语气词"。

不要用于：翻译字幕、改时间码、合并/拆分条目、重新标点——这些违反下方红线。

红线（始终遵守）

1. 时间码不变——每条 --> 时间戳行原样复制。
2. 条目编号与顺序不变——不重排、不增删、不改号。
3. 标点不变——不增删改逗号/句号/问号。
4. 语气词保留——保留 语气词/口头禅（是吧、对不对、好吧、呃、这个、然后等）。只去重真正的口吃（如 我我→我、交交互→交互），绝不删除说过一次的语气词。
5. 只改文本——修正只动文本行，其余一律不动。
6. 输出 UTF-8。
7. 低置信猜测：应用推断出的修正，但显式标注"待确认"（如模糊的品牌/模型名）。无法可靠识别的词保持原样，列在"待确认"下。

工作流

第 1 步 — 通读全文

编辑前先读完整文件。SRT 是三段式块：序号、起始 --> 结束、文本（文本可能跨多行；空行分隔条目）。不要凭局部视图假设错误。

第 2 步 — 逐条识别错误

扫描每条文本行。常见剪映 ASR 错误类型（详见 references/asr_error_patterns.md）：

• 同音错别字：算例→算力、白条流→白嫖流、战旗→战棋。
• 英文/专名误识别：CAD GPT/洽的GPT→ChatGPT、close code/cloud code→Claude Code、沃克巴蒂/tree→Trae、Kimi三/k米3→Kimi 3、Deepsix/deep sleep→DeepSeek V4 Pro、a减的/a键/a建/a技能/a型/a检查/a景/a级→a剪的（老师的口语"AI工具"）、c盘→C盘、Wechat→微信。
• 口吃/重复去重：我的我的→我的、去去→去、我他→他、一个一个→一个、越越强→越强。
• 断句粘连/合并：如 对不对于是的话（若重构需改标点则保留，否则最小去 artifacts）。
• 专名误读：人名误识（如 杰克老师/剑客老师/健康老师/建哥老师/建科老师→Jack老师）。

第 3 步 — 构建整行修正对

每条修正表示为完整原文本行 → 修正后文本行（整行精确匹配）。不要用条目号作键——带不规则的文件里条目号映射会偏移。每条 old 行保持唯一；同一字符串出现两次时，用相邻上下文区分或分别处理。

第 4 步 — 用脚本套用

把修正写到 JSON 文件 {"corrections": {"<原整行>": "<新整行>", ...}}，然后运行：

python scripts/apply_proofread.py --src <输入.srt> --out <输出.srt> --corrections <修正.json>

脚本会：

• 整行精确替换；
• 断言每条 old 行恰好出现一次（手误/键重复/不存在的行会直接报错退出）；
• 透传所有时间码头和序号行；
• 把完整修改清单打印到 stdout。

若断言失败，用 Grep 在源文件里定位真实字符串并修正 JSON 键，再重跑。

第 5 步 — 独立复核

python scripts/verify_srt.py --src <输入.srt> --out <输出.srt>

预期：时间戳行完全一致（diff=0）、文本行差异数等于修正条数、残留可疑词扫描无结果（有意保留的词由脚本列出，可用白名单 --whitelist 跳过）。

第 6 步 — 交付

呈现修正后的 .srt 与修改清单，按错误类型分组；低置信/待确认项单独标出，便于用户确认或覆盖。

资源

• scripts/apply_proofread.py — 确定性套用器（精确匹配 + 唯一性断言 + 时间码透传 + 修改清单打印）。
• scripts/verify_srt.py — 独立复核器（时间戳 diff、差异计数、残留词扫描）。
• references/asr_error_patterns.md — 真实剪映 ASR 错误模式库，按类型分组含前后对照，帮助识别。