Process Long Subtitles

一個 Python 工具，用來將 AI 產生（如 Rask.ai、Whisper）的過長 SRT 字幕拆分成多行，並自動均分時間軌，提升字幕可讀性。

本版本在原始的「依字數硬切」基礎上，升級為語意感知斷句（semantic-aware splitting）：優先在標點與連接詞等自然語意邊界處切分，讓每一行字幕讀起來更通順、更貼近語句的自然停頓。

功能特色

• 語意斷句：依下列優先順序尋找斷點，而非單純按字數硬切
  1. 強標點（. ! ? ; :）之後
  2. 弱標點（,、—、-）之後
  3. 連接詞（and, but, or, because, which, that, when …）之前
  4. 以上皆無時，退而在空白處切分（不會切斷英文單字）
• 長度控制：每段長度盡量不超過 max_length（預設 100 字元，可自訂）
• 時間軌自動均分：拆分後的多段字幕，依段數比例重新分配起訖時間
• 跨分鐘安全：時間計算以總毫秒數（ordinal）為基準，避免長字幕跨分鐘時的時間錯位

環境需求

• Python 3
• pysrt

pip install pysrt

使用方式

於 Jupyter Notebook 或 Google Colab 開啟 Process_Long_Subtitles.ipynb，依序執行各 cell，最後呼叫：

process_file('input.srt', 'output.srt', max_length=100)

• input_file：來源 SRT 檔路徑
• output_file：輸出 SRT 檔路徑
• max_length：每行字幕的字元數上限（預設 100）

參數調整

• max_length：依字幕呈現寬度調整。畫面較窄或字體較大時可調小。
• CONJUNCTIONS：連接詞清單可自行增減。若發現某些字幕常斷在不理想處，調整此清單最直接。

運作說明

工具會逐句讀取 SRT，對超過 max_length 的行進行語意斷句，再將原本一句的時間區間依拆分後的段數平均分配給各段。斷句邏輯為「先確保每段不超過長度上限，再盡量切在自然語意邊界」，因此偶爾相鄰兩段長度會有落差，這是為了不超出長度上限的取捨。

版本說明

• Process_Long_Subtitles.ipynb：目前版本，語意斷句強化版。
• Process_Long_Subtitles_(from_Rask_ai).ipynb：早期版本，僅依字數硬切（textwrap.wrap），已棄用。

授權

MIT License