Jeffrey Emanuel 新技能：音频自动生成频谱图卡拉OK字幕视频
doodlestein · x · 2026-10-17
Jeffrey Emanuel（doodlestein）发布新 AI agent skill「spectrogram-videos-with-karaoke-style-subtitles」，可将任意含人声的音视频文件转成带滚动频谱图和逐词卡拉OK字幕的 MP4。
- 用 FrankenWhisper 做语音识别与说话人区分，按基音判断每句话归属（两声道基音差 35% 以上即区分）
- 用 numpy + Pillow 绘帧直通 ffmpeg，卡拉OK填充无需 drawtext 或字幕滤镜；参考视频 857 帧、14 行、66 词
- 一次转写即可在长录音中检索短语：30 分钟录音中找出某短语全部 4 次出现，可 --supercut 拼接、--batch 批量剪出片段
- revoice 按测得音高为每位说话人配一个 TTS 音色重新配音，并回转写校验；--bleep 可将人名替换为提示音并自动质检
- 支持 --translation 添加翻译行、--pitch 按说话人颜色绘制 70–1000Hz 音高曲线、多种画幅/字幕样式预设
- 每次运行输出 SRT、WebVTT（含词级时间戳）、ASS 卡拉OK、增强 LRC 与 Markdown
「编程与Agent」频道最新
- Spring AI 示例仓库更新至最新版，覆盖 MCP 与 OpenAI 兼容等模块 — blaizedsouza · 2026-10-17
- Spring Boot 版 Claude Code 技能模板升级，Junie 与 Claude 同台竞技 — blaizedsouza · 2026-10-17
- Latent Space 召集六位重度用户实测:谁在编程与助手赛道真正胜出 — altryne · 2026-10-17
- AI agent 被安全功能拦住，让用户手动粘贴邮件验证码引吐槽 — carlosdponx · 2026-10-17
- Opus 5.5 用 JS 实现 27.7 万逻辑门造出真电脑 — FinanceYF5 · 2026-10-17
- Grep 发布新版 MCP：一句话造 Agent，Claude 与 Codex 均可调用 — garrytan · 2026-10-17