SRT分词工具 (srtseg)

一个基于Node.js的命令行工具，用于将SRT字幕文件从句子级别拆分为词语级别，提高字幕的精细化显示效果。

功能特性

• 🔤 中文分词: 使用NodeJieba进行精准的中文分词处理
• ⏱️ 智能时间分配: 根据词语字数比例分配时间，确保总时长一致
• 📁 批量处理: 支持处理包含多个字幕条目的SRT文件
• 🎯 精确控制: 可设置最小/最大词语显示时间
• 📊 统计信息: 提供详细的处理统计和文件分析
• 🛠️ 易于使用: 简洁的命令行界面，支持多种参数配置

安装

全局安装

npm install -g srtseg

本地安装

npm install srtseg

使用方法

基本用法

# 处理SRT文件，自动生成输出文件
srtseg input.srt

# 指定输出文件
srtseg input.srt output.srt

# 使用-o参数指定输出文件
srtseg -i input.srt -o output.srt

高级选项

# 设置最小和最大词语显示时间
srtseg input.srt --min-duration 300 --max-duration 2000

# 显示详细处理信息
srtseg input.srt --verbose

# 显示文件统计信息
srtseg input.srt --stats

其他命令

# 验证SRT文件格式
srtseg validate input.srt

# 显示文件统计信息
srtseg stats input.srt

# 显示帮助信息
srtseg --help

# 显示版本信息
srtseg --version

命令行参数

| 参数 | 描述 | 默认值 | |------|------|--------| | <input> | 输入的SRT文件路径 | 必需 | | [output] | 输出的SRT文件路径 | {输入文件名}_segmented.srt | | -o, --output <file> | 指定输出文件路径 | - | | --min-duration <ms> | 最小词语显示时间（毫秒） | 200 | | --max-duration <ms> | 最大词语显示时间（毫秒） | 3000 | | --verbose | 显示详细处理信息 | false | | --stats | 显示文件统计信息 | false | | -h, --help | 显示帮助信息 | - | | -v, --version | 显示版本信息 | - |

处理示例

输入文件 (input.srt)

1
00:00:01,000 --> 00:00:04,000
今天天气真不错，我们去公园散步吧。

2
00:00:05,000 --> 00:00:08,000
好的，我们一起去看看花开了没有。

输出文件 (input_segmented.srt)

1
00:00:01,000 --> 00:00:01,400
今天

2
00:00:01,400 --> 00:00:01,800
天气

3
00:00:01,800 --> 00:00:02,000
真

4
00:00:02,000 --> 00:00:02,400
不错

5
00:00:02,400 --> 00:00:02,600
，

6
00:00:02,600 --> 00:00:03,000
我们

7
00:00:03,000 --> 00:00:03,200
去

8
00:00:03,200 --> 00:00:03,600
公园

9
00:00:03,600 --> 00:00:04,000
散步

10
00:00:04,000 --> 00:00:04,000
吧

编程接口

除了命令行工具，srtseg也提供了编程接口：

import { processSRTFile, SRTProcessor } from 'srtseg';

// 使用便捷函数
const result = await processSRTFile({
  inputFile: 'input.srt',
  outputFile: 'output.srt',
  minWordDuration: 200,
  maxWordDuration: 3000,
  verbose: true,
});

// 使用处理器类
const processor = new SRTProcessor({
  inputFile: 'input.srt',
  outputFile: 'output.srt',
});

const result = await processor.process();
console.log(result);

技术架构

• Node.js: 运行环境
• TypeScript: 开发语言
• NodeJieba: 中文分词引擎
• Commander.js: 命令行参数解析
• ESLint + Prettier: 代码规范
• Jest: 单元测试

算法原理

1. SRT解析: 读取SRT文件，提取字幕序号、时间戳和文本内容
2. 中文分词: 使用NodeJieba对每句字幕文本进行分词
3. 时间分配: 根据词语字数比例从原句总时长中分配时间
4. 时间优化: 对分配结果进行微调，确保时间分配合理
5. SRT生成: 将分词后的词语按新的时间分配生成SRT文件

开发

环境要求

• Node.js >= 18.0.0
• pnpm (推荐) 或 npm

开发命令

# 安装依赖
pnpm install

# 开发模式运行
pnpm dev input.srt

# 构建项目
pnpm build

# 运行测试
pnpm test

# 代码检查
pnpm lint

# 代码格式化
pnpm format

发布

# 更新版本
pnpm version:patch  # 补丁版本
pnpm version:minor  # 次要版本
pnpm version:major  # 主要版本

# 发布到npm
pnpm publish:npm

许可证

MIT License

贡献

欢迎提交Issue和Pull Request！

更新日志

v1.0.0

• 🎉 初始版本发布
• ✨ 支持中文分词处理
• ✨ 智能时间分配算法
• ✨ 命令行工具
• ✨ 编程接口
• ✨ 完整的文档和示例