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：

1. 识别意图 → 判断翻译类型（字幕/语音/两者）
2. 收集参数 → 使用 Question 工具询问用户
3. 确认配置 → 展示参数让用户确认
4. 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：

1. 用户提及"视频翻译"、"翻译视频"
2. 用户需要将视频翻译成其他语言
3. 用户需要视频配音
4. 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

1. 简洁优先：直接询问处理方式，不绕弯子
2. 最小必要：只收集必要参数，其他使用默认值
3. 渐进式：从简单到复杂，避免一次性问太多
4. 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：

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：
  1. video1.mp4
  2. video2.mp4
  3. video3.mp4
  4. video4.mp4
  5. 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: \x3C文件夹路径>/**/*.mp4
Glob: \x3C文件夹路径>/**/*.mkv
Glob: \x3C文件夹路径>/**/*.avi
Glob: \x3C文件夹路径>/**/*.mov
Glob: \x3C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 \x3C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 \x3C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 \x3C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

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: 可以尝试自动识别，或根据视频内容判断。
建议选择最可能的语言，如果翻译效果不好可以重新处理。

Q2：批量处理时文件夹中没有视频

Agent: 正在扫描文件夹中的视频文件...
未找到视频文件。请确认文件夹路径正确，且包含以下格式的视频：
  .mp4, .mkv, .avi, .mov, .webm

请重新提供文件夹路径：

Q3：用户想要字幕文件而非视频

用户: 我只要翻译后的字幕文件，不要烧录到视频

Agent: 好的，不烧录字幕到视频。
[执行: --no-burn-subtitle]
翻译完成后会提供字幕文件下载链接。

Q4：用户想保留原字幕

用户: 保留原来的中文字幕，再加英文字幕

Agent: 好的，不擦除原字幕，翻译后会同时显示中英双语字幕。
[执行: --no-erase-subtitle]

执行命令模板

单个视频

export BAIDU_VOD_AK='xxx' && export BAIDU_VOD_SK='xxx' && \
python3 scripts/translate.py \x3C视频路径> --source \x3C源语言> --target \x3C目标语言>

批量处理

export BAIDU_VOD_AK='xxx' && export BAIDU_VOD_SK='xxx' && \
python3 scripts/translate.py \x3C视频1> \x3C视频2> \x3C视频3> --source \x3C源语言> --target \x3C目标语言>

完整命令（所有参数）

export BAIDU_VOD_AK='xxx' && export BAIDU_VOD_SK='xxx' && \
python3 scripts/translate.py \x3C视频路径> \
  --source \x3Czh|en|ja|...> \
  --target \x3Czh|en|ja|...> \
  --subtitle \
  --speech \
  --subtitle-source \x3Cocr|asr|user> \
  --subtitle-file \x3C字幕文件> \
  --tts-type \x3CVOICE_CLONE|AI_DUB> \
  --output-dir \x3C输出目录> \
  --upload-netdisk \
  --netdisk-dir \x3C网盘目录>

示例对话

示例 1：单个视频字幕翻译

用户: 帮我把 /Downloads/video.mp4 翻译成英语

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（推荐）
  [2] 语音翻译（配音）
  [3] 字幕+配音

用户: 1

Agent: 请问视频原始语言是什么？
  [1] 中文
  [2] 英语
  [3] 其他

用户: 1

Agent: 确认配置：
  - 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？

用户: 确认

Agent: 正在翻译...
[执行: --source zh --target en]
✓ 处理完成，结果已保存到: ./output/video_en.mp4

示例 2：批量处理

用户: 帮我翻译一个文件夹里的所有视频

Agent: 请选择处理方式：
  [1] 单个视频
  [2] 批量处理文件夹

用户: 2

Agent: 请提供文件夹路径：

用户: /Downloads/videos/

Agent: 正在扫描文件夹中的视频文件...
找到 3 个视频文件：
  1. ep01.mp4
  2. ep02.mp4
  3. ep03.mp4

请问您需要哪种翻译方式？
  [1] 字幕翻译（推荐）
  [2] 语音翻译（配音）
  [3] 字幕+配音

用户: 1

Agent: 请问视频原始语言是什么？
  [1] 中文
  [2] 英语
  [3] 其他

用户: 1

Agent: 请问要翻译成什么语言？
  [1] 英语
  [2] 日语
  [3] 其他

用户: 1

Agent: 确认配置：
  - 处理模式: 批量处理
  - 视频数量: 3 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？

用户: 确认

Agent: 正在批量翻译...
[执行: ep01.mp4 ep02.mp4 ep03.mp4 --source zh --target en]
✓ 全部处理完成

示例 3：配音场景

用户: 帮我把这个中文视频配上英语配音

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: 请提供视频文件路径：

用户: /Downloads/movie.mp4

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

Agent: 确认配置：
  - 视频文件: /Downloads/movie.mp4
  - 翻译方式: 语音翻译（配音）
  - 配音方式: 音色复刻
  - 源语言: 中文
  - 目标语言: 英语

确认执行吗？

用户: 确认

Agent: 正在处理，配音需要较长时间...
[执行: --source zh --target en --speech]
✓ 处理完成

前置条件

1. VOD 凭证

export BAIDU_VOD_AK="your_access_key"
export BAIDU_VOD_SK="your_secret_key"

获取方式：

1. 登录 百度智能云控制台
2. 开通 智能点播平台 VOD
3. 在 安全认证 获取 AK/SK

2. 网盘功能（可选）

如需从网盘下载或上传到网盘，需要：

1. 安装 bdpan CLI
2. 执行 bdpan login 登录

处理时间

• 字幕翻译：约 10-30 分钟
• 语音翻译：约 20-60 分钟
• 批量处理：按视频数量累计
• 可使用 --no-wait 参数不等待，稍后查询任务状态

注意事项

1. 文件大小限制：单个文件 ≤ 5GB
2. 支持格式：mp4/mpeg/mpg/dat/avi/mov/asf/wmv/navi/3gp/real video/mkv/flv/f4v/rmvb/rmhd/webm/hddvd/blue-ray/qsv/ts/mxf
3. 费用：按处理时长计费
4. 源语言：支持中文、中文繁体、英语、日语、韩语、德语、法语、俄语、泰语、阿拉伯语、西班牙语、葡萄牙语
5. 字幕文件：仅支持 SRT 格式

API 参考

• 项目管理 API
• 任务管理 API