AI 转写字幕（B 站 CC 字幕、TTS 语音转写）满屏同音错字——对照成稿逐处修正、按原文重建分块、导出播放器直接能挂的 SRT。 四条路线都自带脚本，纯标准库、不联网、不需要 cookie（
fetch那一层除外，见下）。
字幕校对的坑不在「改错字」，在改完之后不能把结构弄坏：
- 块长：太碎读不过来，太长一刀切在半句上。实测三轮定版值：8–26 字，平均 ~14（v9 试过贪心合并到平均 23.8 字，被否决——过长 + 切出半句难看）
- 定位：以原文行（原文段落）为基础分块，不是按字幕块顺序改；章节标题独立成块
- 验证：交付前跑匹配度（规范化后全文 diff）——目标 100%，不是「看着差不多」
- 交付：产出
原名-校对版.md/srt，原文件一个字不动；格式校验通过才算交付
一条最贵的教训：list 级校验会假绿。替换行重建时丢行尾 \n → 写盘相邻行粘连，元素数、时间戳数都不变，校验全过。校验必须内容级（''.join(...).splitlines() 数行 + 比时间轴），替换时保留行尾换行。
| 手上是什么 | 走哪个 |
|---|---|
.srt ＋ 原文/成稿 |
对照校对 → references/srt-workflow-and-rebuild.md |
| 只有 AI 字幕、没有原稿（口播/解说） | 无基准校对 → references/no-baseline-proofreading.md |
| 要按原稿重做字幕（块太碎／断章） | 重建模式 → references/srt-workflow-and-rebuild.md §重建模式 |
多人语音 ASR 导出稿（发言人N＋时间戳） |
先量化再决定修不修 → references/multi-speaker-asr.md |
| 要出外挂 SRT | scripts/subtitle.py to-srt |
多人语音那一路的判据最反直觉：拿不准数 ≥ 实锤数、要动手的条数过半 → 直接跟委托人摊牌别硬修。硬改＝创作，不是校对；这类稿的结论常常是「不做稿，只做索引」。
python3 scripts/subtitle.py proofread <md|目录> --fixes fixes.json [--force] [-v]
# fixes.json: {"global": {"乌蠢":"污纯"}, "files": {"文件子串": {"无视角":"无视掉"}}}
# global 跨期统一 + files 定向防误伤；出 <part>_字幕校对版.md，标题行自动改「校对版」
python3 scripts/subtitle.py to-srt <md> [--video <视频目录>] [--dur 秒]
# md → srt；--video 时输出与 mp4 同名（ffprobe 拿时长，播放器同目录自动挂载）
python3 scripts/subtitle.py fetch <bvid> --dir <视频目录> # ⚠️ 需要外部拉取脚本，见下fetch那一层不自包含：它调用一个外部的 B 站字幕拉取脚本（作者环境用环境变量BILI_SUBTITLE_SCRIPT指定路径），并需要 B 站 cookie。其余三段纯本地。- fixes.json 生成法：先 diff 原文/校对版拿真实改动对，能自动复现的才是安全表（实测手工 20 处 → CLI 5/5 逐字一致）
- 替换值里不能含被替换词本身（工具会拦下自循环替换：替换后仍有残留 = 报错，不是静默通过）
| 脚本 | 干什么 |
|---|---|
subtitle.py |
三段全链 CLI（proofread / to-srt / fetch），见上 |
proofread_diff.py |
第一步就用它：解析 SRT + 完整性检查 + 规范化全文 diff + 匹配度 + 差异块输出 |
rebuild_srt.py |
重建模式 v10：以原文行为基础分块 + 章节标题独立 + 块长 8–26 + 时间轴插值 + 自动验证 |
md_cues_to_srt.py |
时间轴 md → SRT（同秒多条合并成双行块；to-srt 的底层） |
asr_export_parse.py |
多人语音 ASR 导出件（发言人N + 时间戳 + 文本）→ 逐条 JSON + 原文 md；按形态扫时间戳（MM:SS 与 HH:MM:SS 混排）并打印三条自检 |
asr_export_parse.py，别现场手写解析器。
| 路径 | 内容 |
|---|---|
SKILL.md |
入口：分流表 · CLI 用法 · 脚本表 |
references/srt-workflow-and-rebuild.md |
七步流程（解析／完整性／规范化 diff／定位错词／按块修正／验证／交付纪律）+ 重建模式 + 错误分类原则 |
references/no-baseline-proofreading.md |
无基准校对模式 |
references/multi-speaker-asr.md |
多人语音 ASR：小样量化口径、说话人聚簇 ≠ 真人、家族频扫 |
references/pitfalls.md |
通用坑（双坐标系／插值／硬切／碎尾） |
文中出现的 bin/subtitle、bin/asr、bin/bili-cookie-path、bilibili-api-ops、wufan-forum 都是作者环境的工具与 skill（不在本仓、也不影响判据）——照自己的项目替换即可。实测数字里的课程名／实录名读作「某场三小时录音样本」。
- liya-prose-quality-metrics —— 稿子质量的量化体检（同一条「先量再改」的线，动手改稿前先量）
- liya-subtraction-skill —— 技能库做减法：减法优先、去重、归档、拆薄
- liya-persona-authoring —— 给 AI agent 写它自己的身份文件（SOUL.md）
- liya-sillytavern-cards · liya-tavern-card-refinement · liya-sillytavern-worldbook —— 酒馆角色卡三件（写卡 / 精修 / 世界书）
- liya-vision-recognition-traps —— 视觉模型识图陷阱：实测陷阱 + 真 OCR 通道 + 两图差分
- liya-chat-game-referee · liya-spy-game · liya-sea-turtle-soup —— 聊天里能玩的三件（回合制裁判引擎 / 谁是卧底 / 海龟汤）
- liya-delegation-and-verification —— 委派与验收：给子代理写任务书、并行隔离、把「自报」验成事实
- liya-ruozhiba-wordbank —— 弱智吧题防御手册：中文互联网逻辑陷阱题 160 道逐题拆解 + 三连防御法
- liya-corpus-line-mining —— 从本地语料／会话库挖可复用原句：候选池筛选 + 人审落库（纯标准库，零依赖）
- liya-story-revision-plan —— 小说全稿修订方案：评估／缺口清单／逐章大纲／信息融合／优先级（含标准模板）
- liya-dev-workflow —— 开发全流程方法论：环境侦查／计划／spike／TDD／迭代脚本／调试／预提交审查／推送排障／同步验收
- liya-news-verification —— 验证伞：轻量核查／交付前多源验证／链接危险识别／厂商官宣核实／链接考古（含 link_check 工具族）
- liya-knowledge-persistence —— 知识持久化：信息该放记忆层／文件／技能库的分层规范（附记录完整性、语料减法、归档模式）
- liya-incident-review —— 社群事件复盘：素材收集 → 时间线重构 → 交叉验证 → 矛盾管理（输出理解不输出建议）
- liya-document-translation —— 论文与长文档翻译：提取全文 → 术语表 → 并行分章 → 质量抽查 → 归档
- liya-source-code-investigation —— 外部项目调查：源码审计 / 拆包分层 / 数据实测 / 身份链（结论导向，非取用）
- liya-character-voice-simulation —— 角色声线推演：锚点表双向用——分队推演（隔离上下文）＋ 反查认说话人
- liya-dialogue-system-builder —— 台词系统脚手架：触发维度画格子 / 模板+变量兜底 / 覆盖率验证（含 17 子命令工作台与示例角色）
- 你那边遇到的字幕形态、新的错词家族、块长基线 → 开 Issue，把「什么形态、错在哪、你怎么修的」写清
- 想直接改 → Fork + PR
双许可——文档与代码分开：
- 代码（
scripts/下的文件）：MIT —— 拿去用、改、再发，保留版权声明即可。 - 文档（
SKILL.md、references/、本 README 的正文）：CC BY 4.0 —— 可以自由使用、改编、连商用都行，但要署名（莉娅 / @feverZHONG）并注明来源。
两份全文：LICENSE（MIT）／LICENSE-DOCS（CC BY 4.0）。
莉娅（@feverZHONG）· 宇宙美好记录官