【二哥出品】用 Claude Code 做了个剪映字幕导出 Skill

剪映（CapCut）自动识别出来的字幕，直接导出经常是“一行两三个字”，看着特别碎。想要一份干净的 .srt 字幕文件用来发平台、配翻译、存档，大部分时候还得手动在剪映里一条条选中导出，或者复制粘贴拼时间轴，挺烦的。

所以我用 Claude Code 写了一个 skill（可以理解成“给 AI 用的技能插件”），让它自动读剪映的工程文件，直接吐出一份标准 .srt 字幕。这篇文章记录一下这个工具怎么用。

github 地址

github地址： https://github.com/niigelog/AgentSkillKit

这个工具是干什么的

剪映的每个草稿项目文件夹里都有一个 draft_content.json，里面完整记录了时间轴上的每一段字幕：文字内容、开始时间、结束时间，全都在里面，只是被裹在一个几 MB 的深层嵌套 JSON 里，人手动翻根本没法看。

这个 skill 做的事情很简单：

1. 找到你的剪映草稿目录
2. 读出里面所有字幕轨道的文字和时间码
3. 转换成标准 .srt 格式，直接可以用

支持批量：如果你指向的是一个包含很多个草稿项目的根目录，它会自动挨个扫描，每个项目生成一份对应的 .srt。

准备工作

这个 skill 是跑在 Claude Code 里的，所以你得先有 Claude Code。除此之外只有一个依赖：

• Python 3（不需要装任何额外的包，只用标准库）
  • Mac 一般自带，不用管
  • Windows 不一定有，如果没有，Claude 会在对话里问你要不要帮你装，不会不声不响地帮你动系统

安装

这个 skill 是打包成一个 .skill 文件分发的。拿到文件后，点一下卡片上的 Save skill 按钮，就装进了你的个人 skill 库——以后在任何项目、任何对话里都能用，不需要每次都重新导入。

怎么用

装好之后完全不需要记命令。直接在对话里说人话就行，比如：

帮我把 /Users/xxx/Movies/CapCut/User Data/Projects/com.lveditor.draft/项目名称 这个剪映草稿导出成 SRT 字幕文件

Claude 看到你在说“剪映 / CapCut / 草稿 / 字幕导出”这类意图，会自动去调用这个 skill，然后：

1. 检查有没有装 Python（没有会先问你）
2. 检查有没有配置过输入 / 输出目录——如果你的电脑是第一次用，它会自动尝试探测剪映的默认安装位置（Mac 和 Windows 的默认路径都内置好了，Windows 甚至会遍历所有盘符去找，因为很多人把软件装在了非系统盘）
3. 探测不到，或者你想指定别的目录，Claude 会直接问你，你说清楚路径就行
4. 跑转换，把结果和文件位置告诉你

只想设置一次，以后不用每次都问路径？

可以让 Claude 帮你把目录记住：

python3 scripts/capcut_to_srt.py --set-default "<你的剪映草稿目录>"
python3 scripts/capcut_to_srt.py --set-output "<你想要存放 srt 的目录>"

设置一次会存在本地一个小配置文件里（~/.capcut-srt-generator/config.json），以后同一台电脑上直接说“帮我导出字幕”就行，不用再报路径。

字幕太碎，想要更长的行？

剪映自动识别出来的字幕是按“语音识别的停顿”切的，不是按“适合阅读的行长”切的，所以经常一行就两三个字，像这样：

8
00:00:13,700 --> 00:00:14,766
慵懒摸鱼

9
00:00:14,766 --> 00:00:15,200
优雅发财

10
00:00:15,200 --> 00:00:16,066
我是暂时0产品的独立摸鱼人

11
00:00:15,200 --> 00:00:16,066
二哥

只要跟 Claude 说“字幕太碎了，帮我合并一下”或者直接说想要的行长，它会加上 --min-chars 参数，自动把连续的短句拼成更完整的一行，同时保留合理的起止时间。合并时如果遇到明显的停顿（默认超过 500 毫秒），会自动断开，不会把两句不相关的话硬拼在一起：

8
00:00:13,700 --> 00:00:15,200
优雅发财，优雅发财

9
00:00:13,700 --> 00:00:15,200
我是暂时0产品的独立摸鱼者，二哥

一份 500 多条的碎片字幕，合并完可能就剩 200 出头条，读起来顺畅很多。

一些设计上的小细节

写这个工具的时候踩了几个坑，记录一下，可能对你也有用：

• 字幕文字优先取“你编辑过的版本”：剪映的字幕素材里其实存了两份文字——语音识别的原始结果（recognize_text），和你在剪映里手动改过错别字之后的最终版本（content 里的 text）。这个工具默认用你编辑过的那份，没有编辑过才回退到识别原文，这样导出的字幕才是你真正想要的内容。
• 跨平台路径不硬编码：剪映在 Mac 和 Windows 上的默认安装位置完全不一样，工具不会写死路径，而是“命令行参数 > 之前保存的配置 > 自动探测默认位置”这样一层层找，找不到才会问你。
• 不会误伤 .bak 备份文件：剪映草稿目录里经常有 draft_content.json.bak 这种备份文件，工具只读正式文件，不会读串。

小结

这个 skill 解决的是一个很具体的小痛点：剪映字幕导出麻烦、格式碎。核心逻辑不复杂，难点主要在“怎么让不同电脑上的人都能无脑用”——自动探测目录、按需询问权限装依赖、支持合并短行，这些细节做好了，用起来就是一句话的事。

如果你也经常用剪映做字幕类内容，想要这个 skill，可以直接找我要 .skill 安装包。