AI校对网页字幕：WebVTT说话人、换行和样式实际加载

展开本页目录

开始前准备什么

独立练习目录及Python 3.14；系统与Node依赖以README为准。
离线重放无需Key；新请求使用自己的apizt Key，先核对模型权限和当前价格。
原创合成材料，不需要登录第三方平台账号。

先看文件
按步骤操作
对照真实结果
离线或模型复跑

下载本例输入、代码、真实回执和产物

默认离线重放；包含完整失败尝试与本地检查，不含Key。

1. 核对本例材料与目标文件

参见本批TOPIC-RESEARCH.md同编号新增边界，原生小样与负例均独立交付。

先下载合成材料在独立目录练习。原始文件、模型输入与验收答案分别保留；本地核对答案不发送给模型。

input.json（节选）

json

{
  "cues": [
    {
      "id": "C1",
      "start": "00:00:00.000",
      "end": "00:00:03.000",
      "speaker": "Lin",
      "text": "欢迎参加试用。"
    },
    {
      "id": "C2",
      "start": "00:00:03.000",
      "end": "00:00:06.000",
      "speaker": "Qiao",
      "text": "请先查看输入，\n再核对结果。"
    }
  ]
}

AI校对网页字幕：WebVTT说话人、换行和样式实际加载 · 实际输入、原始文件和本例操作约束的浏览器截图 — 实际输入、原始文件和本例操作约束的浏览器截图
查看高清原图

2. 按顺序完成这项具体操作

本次实际使用Python 3.14，依赖版本固定在资料包。需要LibreOffice或Node的案例请先按README安装对应运行时。python run.py读取真实旧响应完成本地处理；只有显式--live才发新请求。

1. 在original-cues.csv保存两条字幕，固定C1/C2的0—3秒、3—6秒时间段以及Lin、Qiao说话人；保留C2原有换行。
2. 让apizt只校对字幕文字与标点，不修改cue编号、说话人、时间或换行结构。
3. 生成captions.vtt，写入WEBVTT头、STYLE、voice标签和line/position/align设置，再用原生WebVTT解析器回读两条cue。
4. 用ffmpeg生成silent-sample.mp4这段6秒纯色静音测试素材，仅用于验证track；这一步不调用视频模型，也不生成AI视频。
5. 经本地HTTP服务打开track-demo.html，启用中文字幕并查看track加载状态、两条cue和说话人/换行；保存真实浏览器界面，不能用Python解析通过替代浏览器验收。

独立练习目录 · 默认仅离线复核

python3 -m venv .venv
source .venv/bin/activate
python -m pip install -r requirements.txt
python run.py

3. 对照真正发送的请求

只输出JSON，cues数组逐项保留id、speaker、text。只校对文本标点，不合并两位说话人，不删除原文换行，不改变内容。

网页实验台只执行这一步模型字段检查。原生文件写入、坐标/公式/格式回读及负例验收由下载包负责。

request-1.json（图片Base64省略，原文件在下载包）

json

{
  "model": "gemini-2.5-flash-lite",
  "messages": [
    {
      "role": "system",
      "content": "严格只输出单个JSON对象，不要Markdown代码围栏，不要解释。只输出JSON，cues数组逐项保留id、speaker、text。只校对文本标点，不合并两位说话人，不删除原文换行，不改变内容。"
    },
    {
      "role": "user",
      "content": "任务约束（只输出JSON对象，不用代码围栏）：\n只输出JSON，cues数组逐项保留id、speaker、text。只校对文本标点，不合并两位说话人，不删除原文换行，不改变内容。\n待处理合成材料：\n{\"cues\": [{\"id\": \"C1\", \"start\": \"00:00:00.000\", \"end\": \"00:00:03.000\", \"speaker\": \"Lin\", \"text\": \"欢迎参加试用。\"}, {\"id\": \"C2\", \"start\": \"00:00:03.000\", \"end\": \"00:00:06.000\", \"speaker\": \"Qiao\", \"text\": \"请先查看输入，\\n再核对结果。\"}]}"
    }
  ],
  "temperature": 0,
  "max_tokens": 1536,
  "provider": {
    "sort": "success_rate"
  },
  "response_format": {
    "type": "json_object"
  }
}

4. 查看原生处理代码与实际文件

下面节选来自本次实际执行的workflow.py分支，需要结合完整脚本运行。模型输出不能代替文件解析器或业务验算。

具体产物：captions.vtt、silent-sample.mp4、track-demo.html。

workflow.py · 本例分支节选

python

import webvtt
rows = output.get('cues', [])
by_id = {r.get('id'): r for r in rows}
check('说话人与两条cue完整', set(by_id) == {'C1', 'C2'} and all((by_id.get(r['id'], {}).get('speaker') == r['speaker'] for r in original['cues'])))
check('第二句换行仍保留', '\n' in by_id.get('C2', {}).get('text', ''))
vtt = 'WEBVTT\n\nSTYLE\n::cue { color: white; background-color: #352244; }\n\n'
for r in original['cues']:
    content = by_id.get(r['id'], {}).get('text', '')
    vtt += r['id'] + '\n' + r['start'] + ' --> ' + r['end'] + ' line:85% position:50% align:middle\n<v ' + r['speaker'] + '>' + html.escape(content) + '</v>\n\n'
artifact('captions.vtt').write_text(vtt)
parsed = webvtt.read(str(folder / 'captions.vtt'))
check('原生WebVTT解析两cue', len(parsed.captions) == 2 and parsed.captions[1].start == '00:00:03.000')
clip = folder / 'silent-sample.mp4'
ffmpeg = shutil.which('ffmpeg')
if ffmpeg:
    subprocess.run([ffmpeg, '-y', '-hide_banner', '-loglevel', 'error', '-f', 'lavfi', '-i', 'color=c=0x291343:s=640x360:r=10:d=6', '-c:v', 'libx264', '-pix_fmt', 'yuv420p', str(clip)], check=True, capture_output=True)
    artifacts.append(clip.name)
page = '<!doctype html><html lang="zh-CN"><meta charset="utf-8"><style>body{font:20px system-ui;background:#f8f4ed;color:#352244;padding:30px}video{width:640px;max-width:100%}pre{white-space:pre-wrap}</style><h1>原生WebVTT加载示例</h1><p>需使用HTTP本地服务打开；片段由ffmpeg生成纯色6秒静音素材，视频模型调用为0。</p><video controls muted src="silent-sample.mp4"><track id="captions" kind="subtitles" src="captions.vtt" srclang="zh" label="中文" default></video><pre id="status">等待track加载</pre><script>const t=document.querySelector(\'track\');const v=document.querySelector(\'video\');v.textTracks[0].mode=\'showing\';t.addEventListener(\'load\',()=>{document.querySelector(\'#status\').textContent=JSON.stringify({readyState:t.readyState,cues:[...t.track.cues].map(c=>({id:c.id,text:c.text,start:c.startTime,end:c.endTime}))},null,2)});</script></html>'
artifact('track-demo.html').write_text(page)
result = {'cues': [{'id': c.identifier, 'start': c.start, 'end': c.end, 'text': c.raw_text} for c in parsed], 'browserTrackLoad': 'requires real browser acceptance, not claimed by Python', 'sampleMediaGeneratedBy': 'ffmpeg lavfi; no video model' if ffmpeg else 'ffmpeg unavailable; browser demo needs supplied media'}

浏览器实际播放WebVTT，readyState为2且字幕出现 — 实际点击播放器后字幕已显示；原生track加载两条cue并保留说话人与换行。纯色片段由本地ffmpeg生成，未调用视频模型。
查看高清原图

5. 对照真实结果和检查表

实测2026-10-25T07:53:19.021564+00:00，HTTP200；请求gemini-2.5-flash-lite，返回gemini-2.5-flash-lite。本次5/5项检查通过，指本例执行及验收机制通过，不代表所有模型字段零误差。

最后一次返回用量368tokens；1份尝试记录的已知用量合计368。失败记录保留，用量缺失不按0计，本文不推算实际金额。

实际检查	结果
真实apizt API响应HTTP200	通过
说话人与两条cue完整	通过
第二句换行仍保留	通过
原生WebVTT解析两cue	通过
列出的原生产物实际存在	通过

实际检查: 真实apizt API响应HTTP200
结果: 通过

实际检查: 说话人与两条cue完整
结果: 通过

实际检查: 第二句换行仍保留
结果: 通过

实际检查: 原生WebVTT解析两cue
结果: 通过

实际检查: 列出的原生产物实际存在
结果: 通过

result.json · 原生处理后实际结果

json

{
  "cues": [
    {
      "id": "C1",
      "start": "00:00:00.000",
      "end": "00:00:03.000",
      "text": "<v Lin>欢迎参加试用。</v>"
    },
    {
      "id": "C2",
      "start": "00:00:03.000",
      "end": "00:00:06.000",
      "text": "<v Qiao>请先查看输入，\n再核对结果。</v>"
    }
  ],
  "browserTrackLoad": "requires real browser acceptance, not claimed by Python",
  "sampleMediaGeneratedBy": "ffmpeg lavfi; no video model"
}

AI校对网页字幕：WebVTT说话人、换行和样式实际加载 · 本例实际产物与原始响应的浏览器截图；本地检查和模型答案分开记录 — 本例实际产物与原始响应的浏览器截图；本地检查和模型答案分开记录
查看高清原图

6. 替换输入前，先确认这些边界

公开材料为原创合成小样。API模型阶段与本地处理分别验收；通过结构和来源检查不代表通用事实准确率。

修改材料后应重新制定事实断言和反例。识别错误率、混淆矩阵或拒答类教程允许保留模型实际错误；检查通过指计算和处理正确。没有调用视频模型。

怎样确认已经完成

真实apizt API响应HTTP200
说话人与两条cue完整
第二句换行仍保留
原生WebVTT解析两cue
列出的原生产物实际存在

常见问题

AI WebVTT 网页字幕怎么开始？

在original-cues.csv保存两条字幕，固定C1/C2的0—3秒、3—6秒时间段以及Lin、Qiao说话人；保留C2原有换行。按本页顺序继续，先用下载包离线重放，再替换自己的材料。

网页试跑和下载包有什么区别？

网页只复跑模型字段，不生成全部原生文件；资料包包含实际原生处理和本地验收。

这次通过结果适用于其他材料吗？

公开材料为原创合成小样。API模型阶段与本地处理分别验收；通过结构和来源检查不代表通用事实准确率。

资料来源

www.w3.org · 相关官方规范或文档

展开本页目录

开始前准备什么

独立练习目录及Python 3.14；系统与Node依赖以README为准。
离线重放无需Key；新请求使用自己的apizt Key，先核对模型权限和当前价格。
原创合成材料，不需要登录第三方平台账号。

先看文件
按步骤操作
对照真实结果
离线或模型复跑

下载本例输入、代码、真实回执和产物

默认离线重放；包含完整失败尝试与本地检查，不含Key。

1. 核对本例材料与目标文件

参见本批TOPIC-RESEARCH.md同编号新增边界，原生小样与负例均独立交付。

先下载合成材料在独立目录练习。原始文件、模型输入与验收答案分别保留；本地核对答案不发送给模型。

input.json（节选）

json

{
  "cues": [
    {
      "id": "C1",
      "start": "00:00:00.000",
      "end": "00:00:03.000",
      "speaker": "Lin",
      "text": "欢迎参加试用。"
    },
    {
      "id": "C2",
      "start": "00:00:03.000",
      "end": "00:00:06.000",
      "speaker": "Qiao",
      "text": "请先查看输入，\n再核对结果。"
    }
  ]
}

2. 按顺序完成这项具体操作

1. 在original-cues.csv保存两条字幕，固定C1/C2的0—3秒、3—6秒时间段以及Lin、Qiao说话人；保留C2原有换行。
2. 让apizt只校对字幕文字与标点，不修改cue编号、说话人、时间或换行结构。
3. 生成captions.vtt，写入WEBVTT头、STYLE、voice标签和line/position/align设置，再用原生WebVTT解析器回读两条cue。
4. 用ffmpeg生成silent-sample.mp4这段6秒纯色静音测试素材，仅用于验证track；这一步不调用视频模型，也不生成AI视频。
5. 经本地HTTP服务打开track-demo.html，启用中文字幕并查看track加载状态、两条cue和说话人/换行；保存真实浏览器界面，不能用Python解析通过替代浏览器验收。

独立练习目录 · 默认仅离线复核

python3 -m venv .venv
source .venv/bin/activate
python -m pip install -r requirements.txt
python run.py

3. 对照真正发送的请求

只输出JSON，cues数组逐项保留id、speaker、text。只校对文本标点，不合并两位说话人，不删除原文换行，不改变内容。

网页实验台只执行这一步模型字段检查。原生文件写入、坐标/公式/格式回读及负例验收由下载包负责。

request-1.json（图片Base64省略，原文件在下载包）

json

{
  "model": "gemini-2.5-flash-lite",
  "messages": [
    {
      "role": "system",
      "content": "严格只输出单个JSON对象，不要Markdown代码围栏，不要解释。只输出JSON，cues数组逐项保留id、speaker、text。只校对文本标点，不合并两位说话人，不删除原文换行，不改变内容。"
    },
    {
      "role": "user",
      "content": "任务约束（只输出JSON对象，不用代码围栏）：\n只输出JSON，cues数组逐项保留id、speaker、text。只校对文本标点，不合并两位说话人，不删除原文换行，不改变内容。\n待处理合成材料：\n{\"cues\": [{\"id\": \"C1\", \"start\": \"00:00:00.000\", \"end\": \"00:00:03.000\", \"speaker\": \"Lin\", \"text\": \"欢迎参加试用。\"}, {\"id\": \"C2\", \"start\": \"00:00:03.000\", \"end\": \"00:00:06.000\", \"speaker\": \"Qiao\", \"text\": \"请先查看输入，\\n再核对结果。\"}]}"
    }
  ],
  "temperature": 0,
  "max_tokens": 1536,
  "provider": {
    "sort": "success_rate"
  },
  "response_format": {
    "type": "json_object"
  }
}

4. 查看原生处理代码与实际文件

下面节选来自本次实际执行的workflow.py分支，需要结合完整脚本运行。模型输出不能代替文件解析器或业务验算。

具体产物：captions.vtt、silent-sample.mp4、track-demo.html。

workflow.py · 本例分支节选

python

import webvtt
rows = output.get('cues', [])
by_id = {r.get('id'): r for r in rows}
check('说话人与两条cue完整', set(by_id) == {'C1', 'C2'} and all((by_id.get(r['id'], {}).get('speaker') == r['speaker'] for r in original['cues'])))
check('第二句换行仍保留', '\n' in by_id.get('C2', {}).get('text', ''))
vtt = 'WEBVTT\n\nSTYLE\n::cue { color: white; background-color: #352244; }\n\n'
for r in original['cues']:
    content = by_id.get(r['id'], {}).get('text', '')
    vtt += r['id'] + '\n' + r['start'] + ' --> ' + r['end'] + ' line:85% position:50% align:middle\n<v ' + r['speaker'] + '>' + html.escape(content) + '</v>\n\n'
artifact('captions.vtt').write_text(vtt)
parsed = webvtt.read(str(folder / 'captions.vtt'))
check('原生WebVTT解析两cue', len(parsed.captions) == 2 and parsed.captions[1].start == '00:00:03.000')
clip = folder / 'silent-sample.mp4'
ffmpeg = shutil.which('ffmpeg')
if ffmpeg:
    subprocess.run([ffmpeg, '-y', '-hide_banner', '-loglevel', 'error', '-f', 'lavfi', '-i', 'color=c=0x291343:s=640x360:r=10:d=6', '-c:v', 'libx264', '-pix_fmt', 'yuv420p', str(clip)], check=True, capture_output=True)
    artifacts.append(clip.name)
page = '<!doctype html><html lang="zh-CN"><meta charset="utf-8"><style>body{font:20px system-ui;background:#f8f4ed;color:#352244;padding:30px}video{width:640px;max-width:100%}pre{white-space:pre-wrap}</style><h1>原生WebVTT加载示例</h1><p>需使用HTTP本地服务打开；片段由ffmpeg生成纯色6秒静音素材，视频模型调用为0。</p><video controls muted src="silent-sample.mp4"><track id="captions" kind="subtitles" src="captions.vtt" srclang="zh" label="中文" default></video><pre id="status">等待track加载</pre><script>const t=document.querySelector(\'track\');const v=document.querySelector(\'video\');v.textTracks[0].mode=\'showing\';t.addEventListener(\'load\',()=>{document.querySelector(\'#status\').textContent=JSON.stringify({readyState:t.readyState,cues:[...t.track.cues].map(c=>({id:c.id,text:c.text,start:c.startTime,end:c.endTime}))},null,2)});</script></html>'
artifact('track-demo.html').write_text(page)
result = {'cues': [{'id': c.identifier, 'start': c.start, 'end': c.end, 'text': c.raw_text} for c in parsed], 'browserTrackLoad': 'requires real browser acceptance, not claimed by Python', 'sampleMediaGeneratedBy': 'ffmpeg lavfi; no video model' if ffmpeg else 'ffmpeg unavailable; browser demo needs supplied media'}

5. 对照真实结果和检查表

最后一次返回用量368tokens；1份尝试记录的已知用量合计368。失败记录保留，用量缺失不按0计，本文不推算实际金额。

实际检查	结果
真实apizt API响应HTTP200	通过
说话人与两条cue完整	通过
第二句换行仍保留	通过
原生WebVTT解析两cue	通过
列出的原生产物实际存在	通过

实际检查: 真实apizt API响应HTTP200
结果: 通过

实际检查: 说话人与两条cue完整
结果: 通过

实际检查: 第二句换行仍保留
结果: 通过

实际检查: 原生WebVTT解析两cue
结果: 通过

实际检查: 列出的原生产物实际存在
结果: 通过

result.json · 原生处理后实际结果

json

{
  "cues": [
    {
      "id": "C1",
      "start": "00:00:00.000",
      "end": "00:00:03.000",
      "text": "<v Lin>欢迎参加试用。</v>"
    },
    {
      "id": "C2",
      "start": "00:00:03.000",
      "end": "00:00:06.000",
      "text": "<v Qiao>请先查看输入，\n再核对结果。</v>"
    }
  ],
  "browserTrackLoad": "requires real browser acceptance, not claimed by Python",
  "sampleMediaGeneratedBy": "ffmpeg lavfi; no video model"
}

6. 替换输入前，先确认这些边界

公开材料为原创合成小样。API模型阶段与本地处理分别验收；通过结构和来源检查不代表通用事实准确率。

怎样确认已经完成

真实apizt API响应HTTP200
说话人与两条cue完整
第二句换行仍保留
原生WebVTT解析两cue
列出的原生产物实际存在

常见问题

AI WebVTT 网页字幕怎么开始？

网页试跑和下载包有什么区别？

网页只复跑模型字段，不生成全部原生文件；资料包包含实际原生处理和本地验收。

这次通过结果适用于其他材料吗？

公开材料为原创合成小样。API模型阶段与本地处理分别验收；通过结构和来源检查不代表通用事实准确率。

资料来源

www.w3.org · 相关官方规范或文档

AI校对网页字幕：WebVTT说话人、换行和样式实际加载

先看结论

开始前准备什么

1. 核对本例材料与目标文件

2. 按顺序完成这项具体操作

3. 对照真正发送的请求

4. 查看原生处理代码与实际文件

5. 对照真实结果和检查表

6. 替换输入前，先确认这些边界

怎样确认已经完成

常见问题

资料来源

先复核这份结果，再处理自己的材料

1. 下载完整样例

2. 离线检查业务结果

3. 需要新结果时，再调用 API

AI校对网页字幕：WebVTT说话人、换行和样式实际加载

先看结论

开始前准备什么

1. 核对本例材料与目标文件

2. 按顺序完成这项具体操作

3. 对照真正发送的请求

4. 查看原生处理代码与实际文件

5. 对照真实结果和检查表

6. 替换输入前，先确认这些边界

怎样确认已经完成

常见问题

资料来源

先复核这份结果，再处理自己的材料

1. 下载完整样例

2. 离线检查业务结果

3. 需要新结果时，再调用 API