百度智能云VOD视频翻译

百度智能云 VOD 视频翻译 Skill 将视频内容翻译成目标语言，支持字幕翻译和语音翻译（配音）。

强制执行流程 禁止直接执行命令！必须按以下流程引导用户：

• 识别意图 → 判断翻译类型（字幕/语音/两者）
• 收集参数 → 使用 Question 工具询问用户
• 确认配置 → 展示参数让用户确认
• 用户确认 → 才能执行命令

错误示例（禁止）： 用户：帮我翻译这个视频 Agent：[直接执行 python3 translate.py video.mp4 --source zh --target en] 正确示例： 用户：帮我翻译这个视频 Agent：请选择处理方式： [1] 单个视频 [2] 批量处理文件夹 用户：1 Agent：请问您需要哪种翻译方式？ [1] 字幕翻译 [2] 语音翻译（配音） 用户：1 Agent：请确认：源语言中文，目标语言英语？ 用户：确认 Agent：[执行命令]

触发规则 满足以下任一条件时触发： 用户提及"视频翻译"、"翻译视频" 用户需要将视频翻译成其他语言 用户需要视频配音 用户需要查询或管理翻译项目/任务

Agent 参数收集指南 核心原则 简洁优先：直接询问处理方式，不绕弯子 最小必要：只收集必要参数，其他使用默认值 渐进式：从简单到复杂，避免一次性问太多 推荐优先：给出推荐选项，而非开放式问题

第一步：识别用户意图 根据用户描述，识别属于哪种场景： 用户描述关键词 场景类型 推荐配置 "翻译成英语"、"翻译成中文" 字幕翻译 --subtitle（默认） "配音"、"配音翻译"、"语音翻译" 语音翻译 --speech "我有字幕"、"用这个字幕" 用户字幕 --subtitle-source user

第二步：收集必要参数 第一步：询问处理方式 交互模板： 用户：帮我翻译这个视频 Agent：请选择处理方式： [1] 单个视频 - 处理单个视频文件 [2] 批量处理文件夹 - 处理文件夹中的所有视频 用户：1 或 2

第二步：收集视频路径 场景 A：单个视频 交互模板： Agent：请提供视频文件路径： 用户：/Downloads/video.mp4

场景 B：批量处理文件夹 交互模板： Agent：请提供文件夹路径（将处理该文件夹下所有视频文件）： 用户：/Downloads/videos/ Agent：正在扫描文件夹中的视频文件... 找到 5 个视频文件：

• video1.mp4
• video2.mp4
• video3.mp4
• video4.mp4
• video5.mp4

确认处理这些视频吗？

扫描文件夹的实现： 使用 Glob 工具扫描常见视频格式： Glob：<文件夹路径>/*/.mp4 Glob：<文件夹路径>/*/.mkv Glob：<文件夹路径>/*/.avi Glob：<文件夹路径>/*/.mov Glob：<文件夹路径>/*/.webm

第三步：询问翻译方式 交互模板： Agent：请问您需要哪种翻译方式？ [1] 字幕翻译 - OCR识别字幕 → 翻译 → 烧录到视频（推荐） [2] 语音翻译（配音） - 保留原声音色，翻译后配音 [3] 字幕+配音 - 同时进行字幕翻译和配音 用户：1

第四步：询问语言 询问源语言： Agent：请问视频原始语言是什么？ [1] 中文 [2] 英语 [3] 日语 [4] 其他 用户：1

询问目标语言： Agent：请问要翻译成什么语言？ [1] 英语 [2] 日语 [3] 韩语 [4] 其他 用户：1

场景 C：语音翻译（配音） 如果选择了配音相关选项，额外询问： Agent：请选择配音方式： [1] 音色复刻 - 模仿原声说话（推荐） [2] AI配音 - 使用指定音色 用户：1

场景 D：用户上传字幕 触发条件：用户说"我有字幕文件"、"用这个字幕"等 交互模板： 用户：我有字幕文件，帮我翻译视频 Agent：好的，请提供：

• 视频文件路径：
• 字幕文件路径（SRT格式）：
• 字幕是什么语言：
• 要翻译成什么语言：

用户：video.mp4, subs.srt, 中文, 英语 Agent：[执行: --subtitle-source user --subtitle-file subs.srt --source zh --target en] 正在翻译...

第三步：确认配置 收集完参数后，展示配置让用户确认： 单个视频： Agent：确认以下配置：

• 视频文件: /Downloads/video.mp4
• 翻译方式: 字幕翻译
• 源语言: 中文
• 目标语言: 英语
• 输出目录: ./output

确认执行吗？

批量处理： Agent：确认以下配置：

• 处理模式: 批量处理
• 视频数量: 5 个
• 翻译方式: 字幕翻译
• 源语言: 中文
• 目标语言: 英语
• 输出目录: ./output

确认执行吗？

参数收集决策树 用户请求 │ ├─ 查询任务？ ──────────────────────► --list-tasks / --list-projects │ ├─ 删除项目？ ──────────────────────► --delete-project │ ├─ 修改任务？ ──────────────────────► --update-task │ └─ 翻译视频？ │ ├─ 处理方式？ │ ├─ 单个视频 ──► 获取视频文件路径 │ └─ 批量处理 ──► 获取文件夹路径 → 扫描视频文件 → 展示列表确认 │ ├─ 翻译类型？ │ ├─ "翻译字幕" ──► --subtitle │ ├─ "配音" ──► --speech + 询问配音方式 │ └─ 都要 ──► --subtitle --speech + 询问配音方式 │ ├─ 语言？ │ ├─ 源语言 ──► 确认或自动识别 │ └─ 目标语言 ──► 必须明确 │ ├─ 字幕来源？（可选） │ ├─ "有字幕文件" ──► --subtitle-source user │ ├─ "视频有字幕" ──► --subtitle-source ocr │ └─ "视频无字幕" ──► --subtitle-source asr │ └─ 确认执行 │ ├─ 来自网盘？ ──► 询问是否上传回网盘 │ └─ 执行命令

推荐参数组合 组合 1：基础字幕翻译（推荐） python3 scripts/translate.py <视频> --source zh --target en 适用场景：大多数视频翻译需求 特点：OCR识别字幕 → 翻译 → 烧录到视频

组合 2：影视剧配音 python3 scripts/translate.py <视频> --source zh --target en --speech 适用场景：需要配音的视频 特点：保留原声音色，翻译后配音

组合 3：批量处理 python3 scripts/translate.py video1.mp4 video2.mp4 video3.mp4 --source zh --target en 适用场景：批量翻译多个视频 特点：所有视频使用相同的翻译配置

组合 4：用户字幕翻译 python3 scripts/translate.py <视频> --source zh --target en --subtitle-source user --subtitle-file subs.srt 适用场景：有现成字幕文件 特点：使用用户提供的字幕，翻译更准确

语言识别快捷方式 用户说法 对应语言代码 中文、国语、普通话 zh 中文繁体、繁体中文 zh-TW 英语、英文 en 日语、日文 ja 韩语、韩文 ko 法语、法文 fr 德语、德文 de 西班牙语 es 葡萄牙语 pt 俄语 ru 泰语 th 阿拉伯语 ar

常见问题处理 Q1：用户不知道源语言 Agent：请问视频原始语言是什么？ [1] 中文 [2] 英语 [3] 日语 [4] 其他 用户：不确定 Agent：可以