百度智能云VOD视频翻译

v1.0.2

百度智能云VOD视频翻译工具。支持字幕翻译和语音翻译（配音），支持用户上传字幕、自定义字幕样式，支持批量处理文件夹中的视频，处理后可下载到本地或上传到网盘。当用户提及"视频翻译"、"翻译视频"、"把视频翻译成XX语"时触发。

0· 108· 3 versions· 0 current· 0 all-time· Updated 14h ago· MIT-0

Security Scans

VirusTotalPending ClawScanSuspicious Static analysisBenign

Install

openclaw skills install baidu-vod-translate

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：

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
"查任务"、"项目列表"	任务管理	--list-tasks/--list-projects
"修改字幕"、"替换字幕"	任务修改	--update-task

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: <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

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 <视频路径> --source <源语言> --target <目标语言>

批量处理

export BAIDU_VOD_AK='xxx' && export BAIDU_VOD_SK='xxx' && \
python3 scripts/translate.py <视频1> <视频2> <视频3> --source <源语言> --target <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 <视频路径> \
  --source <zh|en|ja|...> \
  --target <zh|en|ja|...> \
  --subtitle \
  --speech \
  --subtitle-source <ocr|asr|user> \
  --subtitle-file <字幕文件> \
  --tts-type <VOICE_CLONE|AI_DUB> \
  --output-dir <输出目录> \
  --upload-netdisk \
  --netdisk-dir <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：

2. 网盘功能（可选）

如需从网盘下载或上传到网盘，需要：

安装 bdpan CLI
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

文件大小限制：单个文件 ≤ 5GB
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
费用：按处理时长计费
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
字幕文件：仅支持 SRT 格式

百度智能云VOD视频翻译

Security Scans

Install

百度智能云 VOD 视频翻译 Skill

⚠️ 强制执行流程

触发规则

Agent 参数收集指南

核心原则

第一步：识别用户意图

第二步：收集必要参数

第一步：询问处理方式

第二步：收集视频路径

场景 A：单个视频

场景 B：批量处理文件夹

第三步：询问翻译方式

第四步：询问语言

场景 C：语音翻译（配音）

场景 D：用户上传字幕

第三步：确认配置

参数收集决策树

推荐参数组合

组合 1：基础字幕翻译（推荐）

组合 2：影视剧配音

组合 3：批量处理

组合 4：用户字幕翻译

语言识别快捷方式

常见问题处理

Q1：用户不知道源语言

Q2：批量处理时文件夹中没有视频

Q3：用户想要字幕文件而非视频

Q4：用户想保留原字幕

执行命令模板

单个视频

批量处理

完整命令（所有参数）

示例对话

示例 1：单个视频字幕翻译

示例 2：批量处理

示例 3：配音场景

前置条件

1. VOD 凭证

2. 网盘功能（可选）

处理时间

注意事项

API 参考

Version tags

Runtime requirements