#WorkBuddy# 把口播逐字稿一键转成剪映字幕 SRT，90 秒视频省下 20 分钟手敲

目录

1. 为什么要把逐字稿转字幕
2. 整体工作流（一张表看懂）
3. 第一步：规范口播稿格式
4. 第二步：写 SRT 生成脚本（核心代码）
5. 第三步：运行并导入剪映
6. 踩坑记录 + 解决方案
7. 固化成每日自动化
8. 发布入口 & 操作清单

1. 为什么要把逐字稿转字幕

我每天用 WorkBuddy 产出十几条 60–90 秒口播脚本，每条都有现成的逐字稿。但到了剪映剪辑这一步，字幕还是得一句句手动敲——一条 90 秒视频，字幕大概 8–12 句，手敲 + 对齐时间轴，轻松耗掉 20 分钟。一天十几条就是好几个小时，纯机械劳动。

后来想通了：逐字稿里已经有全部文本，缺的只是时间轴。中文朗读语速相对稳定（约 4 字/秒），按字数估算每句时长，再叠加成时间轴，就能自动生成标准 SRT。剪映支持直接导入 SRT，导入后字幕块自动排好，我只需微调个别卡点。这一下把字幕环节从 20 分钟压到 1 分钟。

📸[截图位置：剪映里手动一句句敲字幕的时间轴界面，对比说明「为什么要用脚本」]

2. 整体工作流（一张表看懂）

核心思路：用「字数 × 语速」估时长，替代「人工逐句卡点」。估出来的时间是近似值，剪映里拖一下就能对齐，但骨架已经帮你搭好。

3. 第一步：规范口播稿格式

不需要复杂格式，只要保证每一句单独成行、用句末标点结尾即可。示例 脚本/今日口播.md：

脚本会跳过 # 开头的标题行和空行，只把正文句子抽出来做字幕。

📸[截图位置：WorkBuddy 文件区，展示口播稿 .md 与即将生成的 .srt 并列的界面]

4. 第二步：写 SRT 生成脚本（核心代码）

纯标准库（re / sys / os / datetime），复制即用。脚本做三件事：抽正文句子 → 按字数估算时长 → 叠加成 SRT 时间轴。

关键点：用 utf-8-sig 读稿（兼容 Windows 记事本 BOM），用 re.split 的「后顾断言」按句末标点断句，保证一句字幕就是一句完整话。

📸[截图位置：在 WorkBuddy 终端运行 python md2srt.py 脚本/今日口播.md 后的输出「已生成 脚本/今日口播.srt，共 N 条字幕」]

5. 第三步：运行并导入剪映

把脚本存成 md2srt.py，放好口播稿，运行：

生成的 今日口播.srt 用记事本打开，是标准的「序号 → 时间轴 → 文本」三段式：

剪映里点「文本 → 识别字幕 → 导入文件」，选中这个 .srt，字幕块就按时间轴排好了。我一般只花 1 分钟把某几句拖到口语停顿处对齐，比从头敲快了一个数量级。

📸[截图位置：.srt 文件用记事本打开，展示「序号/时间轴/文本」三段式结构] 📸[截图位置：剪映导入字幕后的时间轨预览，字幕块与口播对齐]

6. 踩坑记录 + 解决方案

坑 1：时间轴进位错乱。 一开始用字符串拼时分秒，累计超过 60 秒时分钟没进位，字幕时间全乱。 → 解法：放弃手算，统一用 timedelta 累加，最后用一个 fmt() 函数集中做「毫秒→时:分:秒,毫秒」格式化，进位交给标准库，零出错。

坑 2：标题行和空行混进字幕。 稿子里 # 书名 和换行被当成字幕，剪映里蹦出奇怪的「书名」字幕。 → 解法：读取时 startswith('#') 直接跳过，空行 if not line 跳过，再用 re.sub(r'[*>#]','',line)` 剥掉 markdown 符号，只留纯文本。

坑 3：一句太长卡满屏幕。 有的口播稿一行写了 40 字，生成一条超长字幕，手机上看要换行两行、阅读吃力。 → 解法：在 sentences_from_md 里按 。！？； 切分，让每句字幕天然短小；如果某句仍超 25 字，可在稿子里主动加标点断句，脚本会跟着切。

坑 4：估算时长不准。 4 字/秒是均值，激情口播会更快、慢述会更慢，导入后部分句对不齐。 → 解法：把 CPS 和 PAUSE 提成脚本顶部常量，按你自己的语速实测调（录一段数字数算真实语速）；且时间轴本就是「初版骨架」，剪映里拖拽微调 10 秒搞定，不影响省时大逻辑。

7. 固化成每日自动化

WorkBuddy 支持把任务设成定时自动化。我可以建一个「每日字幕生成」：每天脚本产出后自动跑 md2srt.py，把 .srt 推到对话里，我剪辑时直接拿去剪映导入。这样「脚本产出 → 字幕生成 → 剪辑微调」形成流水线，字幕环节彻底零手敲。