qwen-subtitle — 百炼字幕智能纠错 + 多语言出海配音

它解决什么问题

录屏 / 教程类视频的字幕,无论用哪家 ASR,专有名词永远会被听错:Claude 听成 cloud、Codex 听成 class q、html2pptx 听成 html to ppt、OOXML 听成 OOCML。靠一份手工维护的术语表去替换,既累又补不全。

本 skill 的核心洞察:录屏视频里,正确的词往往就明明白白写在屏幕上。所以——让视觉模型按时间戳去看那一帧,读屏幕上的真实文字来纠正。这是单通道(纯语音)工具做不到的事。

判断标准(避免按字面例子过拟合):凡是"屏幕上写着、却被听成同音词"的术语 / 产品名 / 代码 / 命令 / 文件名 / 路径,都属此类。

组合了千问的哪些能力

能力	模型	走的命令	角色
🎙️ 语音识别	FunAudio-ASR	`bl speech recognize`	出字幕,带句级+词级毫秒时间戳——后续抽帧、断句、对齐配音都靠它
🧠 标错	qwen3.7-max	`bl text chat`	高精度扫出"明显听错"的点,分 screen / semantic 两类
👁️ 看屏纠正	qwen3-vl-plus	`bl vision describe`	对 screen 类按时间戳抽帧、读屏上真实文字定夺,带画面证据
✨ 去水词	qwen-plus	`bl text chat`	删呃啊嗯、口吃重复,顺滑