guanghulab/video-ai-system/engines/subtitle-renderer.py

#!/usr/bin/env python3
"""
Subtitle Renderer · 字幕渲染引擎
=============================
将 SRT 字幕文件渲染为 PNG 序列，再通过 FFmpeg 合成到视频中。

依赖：
  pip install cairosvg Pillow pysrt

用法：
  # 基本用法（SRT → PNG 序列）
  python subtitle-renderer.py --srt input.srt --output-dir ./subtitles-png/

  # 指定视频尺寸（PNG 宽度匹配视频）
  python subtitle-renderer.py --srt input.srt --output-dir ./subtitles-png/ --width 1080 --height 1920

  # 渲染后直接合成到视频
  python subtitle-renderer.py --srt input.srt --video input.mp4 --output output.mp4

  # 自定义字幕样式
  python subtitle-renderer.py --srt input.srt --font-size 48 --font-color white --bg-color black --position bottom

  # 作为模块导入
  from subtitle_renderer import render_subtitles
  render_subtitles("input.srt", "./subtitles-png/")

字幕样式配置：
  --font-size    : 字体大小（默认 36）
  --font-color   : 字体颜色（默认 white）
  --bg-color     : 背景色（默认 semi-transparent black）
  --position     : 位置（top / middle / bottom，默认 bottom）
  --margin-bottom : 底部边距（默认 100px）

路径：
  video-ai-system/engines/subtitle-renderer.py
"""

import argparse
import json
import os
import sys
from pathlib import Path

try:
    import pysrt
except ImportError:
    print("[ERROR] 缺少依赖：pysrt")
    print("请先安装：pip install pysrt")
    sys.exit(1)

try:
    import cairosvg
    from PIL import Image, ImageDraw, ImageFont
except ImportError:
    print("[ERROR] 缺少依赖：cairosvg Pillow")
    print("请先安装：pip install cairosvg Pillow")
    sys.exit(1)


# 默认字幕样式
DEFAULT_STYLE = {
    "font_size": 36,
    "font_color": "white",
    "bg_color": "rgba(0, 0, 0, 0.6)",
    "position": "bottom",  # top / middle / bottom
    "margin_bottom": 100,
    "margin_horizontal": 60,
    "stroke_color": "black",
    "stroke_width": 2,
    "video_width": 1080,
    "video_height": 1920,
}


def render_subtitle_png(
    text: str,
    output_path: str,
    width: int = 1080,
    height: int = 200,
    style: dict = None
) -> bool:
    """
    渲染单条字幕为 PNG（带背景）

    :param text: 字幕文本
    :param output_path: 输出 PNG 路径
    :param width: PNG 宽度（匹配视频宽度）
    :param height: PNG 高度
    :param style: 字幕样式字典
    :return: 是否成功
    """
    if style is None:
        style = DEFAULT_STYLE

    try:
        # 创建透明背景 PNG
        img = Image.new("RGBA", (width, height), (0, 0, 0, 0))
        draw = ImageDraw.Draw(img)

        # 字体（使用系统字体）
        font_size = style.get("font_size", 36)
        try:
            font = ImageFont.truetype("/System/Library/Fonts/PingFang.ttc", font_size)
        except:
            try:
                font = ImageFont.truetype("/usr/share/fonts/truetype/dejavu/DejaVuSans.ttf", font_size)
            except:
                font = ImageFont.load_default()

        # 计算文本尺寸
        bbox = draw.textbbox((0, 0), text, font=font)
        text_width = bbox[2] - bbox[0]
        text_height = bbox[3] - bbox[1]

        # 居中位置
        x = (width - text_width) // 2
        y = (height - text_height) // 2

        # 绘制背景（半透明黑底）
        bg_padding = 20
        bg_x1 = x - bg_padding
        bg_y1 = y - bg_padding
        bg_x2 = x + text_width + bg_padding
        bg_y2 = y + text_height + bg_padding
        draw.rectangle([bg_x1, bg_y1, bg_x2, bg_y2], fill=(0, 0, 0, 160))

        # 绘制描边
        stroke_width = style.get("stroke_width", 2)
        stroke_color = style.get("stroke_color", "black")
        for offset in range(-stroke_width, stroke_width + 1):
            draw.text((x + offset, y), text, font=font, fill=stroke_color)
            draw.text((x, y + offset), text, font=font, fill=stroke_color)

        # 绘制主文本
        font_color = style.get("font_color", "white")
        draw.text((x, y), text, font=font, fill=font_color)

        # 保存
        os.makedirs(os.path.dirname(os.path.abspath(output_path)), exist_ok=True)
        img.save(output_path, "PNG")

        return True

    except Exception as e:
        print(f"[ERROR] 渲染字幕失败：{e}")
        return False


def render_subtitles(
    srt_path: str,
    output_dir: str,
    style: dict = None
) -> dict:
    """
    渲染 SRT 字幕为 PNG 序列

    :param srt_path: SRT 文件路径
    :param output_dir: 输出目录
    :param style: 字幕样式字典
    :return: {idx: {"png": png_path, "start": start_time, "end": end_time, "text": text}}
    """
    if not os.path.isfile(srt_path):
        print(f"[ERROR] SRT 文件不存在：{srt_path}")
        return {}

    os.makedirs(output_dir, exist_ok=True)

    # 加载 SRT
    subs = pysrt.open(srt_path, encoding="utf-8")
    print(f"[INFO] 找到 {len(subs)} 条字幕，开始渲染 PNG 序列...")

    results = {}
    for sub in subs:
        idx = str(sub.index).zfill(4)
        text = sub.text.strip()
        start_time = sub.start.ordinal  # 毫秒
        end_time = sub.end.ordinal

        # 渲染 PNG
        png_path = os.path.join(output_dir, f"{idx}.png")
        video_width = style.get("video_width", 1080) if style else 1080
        png_height = style.get("font_size", 36) * 3 if style else 108

        ok = render_subtitle_png(text, png_path, width=video_width, height=png_height, style=style)
        if ok:
            results[idx] = {
                "png": png_path,
                "start": start_time,
                "end": end_time,
                "text": text
            }

    print(f"[OK] 字幕 PNG 序列渲染完成：{len(results)}/{len(subs)} 成功")
    return results


def burn_subtitles_to_video(
    video_path: str,
    subtitles: dict,
    output_path: str,
    video_width: int = 1080,
    video_height: int = 1920
) -> bool:
    """
    将 PNG 字幕序列合成到视频中（使用 FFmpeg overlay 滤镜）

    :param video_path: 输入视频路径
    :param subtitles: render_subtitles 返回的字典
    :param output_path: 输出视频路径
    :param video_width: 视频宽度
    :param video_height: 视频高度
    :return: 是否成功
    """
    if not subtitles:
        print("[ERROR] 没有字幕数据")
        return False

    # 生成 FFmpeg 复杂滤镜表达式
    # 思路：为每个字幕 PNG 创建带有时序的 overlay
    # 简化版：使用 subtitles 滤镜（需要 FFmpeg 编译时启用）
    # 
    # 由于本机 FFmpeg 无 subtitles 滤镜，改用 drawtext 方案
    # 如果 drawtext 也不可用，则生成带透明度的 PNG 序列，用 overlay 滤镜

    print("[INFO] 生成字幕叠加滤镜脚本...")

    # 简化方案：生成所有字幕 PNG 后，用 FFmpeg 的 overlay 滤镜
    # 为每个时间段启用对应的 PNG
    # 这需要用 FFmpeg 的 `enable` 表达式

    filter_complex = []
    input_count = 1  # 第0个输入是视频

    for idx, sub in subtitles.items():
        png_path = sub["png"]
        start_sec = sub["start"] / 1000.0
        end_sec = sub["end"] / 1000.0

        # 添加 PNG 输入
        filter_complex.append(f"[1:v]scale={video_width}:-1[png{idx}]")
        # 简化：直接用一条命令处理所有字幕（实际应该用动态叠加）

        input_count += 1

    # 实际实现：用一条简单的 FFmpeg 命令测试
    # 这里先输出一个简化版：把第一条字幕叠加上去
    first_png = list(subtitles.values())[0]["png"]

    cmd = (
        f'ffmpeg -i "{video_path}" -i "{first_png}" '
        f'-filter_complex "[0:v][1:v] overlay=0:(H-h) [out]" '
        f'-map "[out]" -c:a copy "{output_path}" -y'
    )

    print(f"[INFO] FFmpeg 命令：{cmd}")

    # 实际应该用更准确的方案，这里先输出架构
    print(f"\n[INFO] 字幕合成需要更复杂的 FFmpeg 滤镜表达式。")
    print(f"[INFO] 建议方案：")
    print(f"  1. 使用 FFmpeg 的 `drawtext` 滤镜（需要重新编译 FFmpeg）")
    print(f"  2. 或使用专业字幕工具（如 Aegisub）生成 ASS，再用 FFmpeg 烧录")
    print(f"\n[INFO] 当前已生成字幕 PNG 序列在：{os.path.dirname(first_png)}")
    print(f"[INFO] 可手动用 FFmpeg 或视频编辑软件合成。")

    return False


def main():
    parser = argparse.ArgumentParser(
        description="Subtitle Renderer · 字幕渲染引擎",
        formatter_class=argparse.RawDescriptionHelpFormatter,
        epilog="""
示例：
  python subtitle-renderer.py --srt input.srt --output-dir ./subtitles-png/
  python subtitle-renderer.py --srt input.srt --video input.mp4 --output output.mp4
  python subtitle-renderer.py --srt input.srt --font-size 48 --position bottom
"""
    )
    parser.add_argument("--srt", required=True, help="SRT 字幕文件路径")
    parser.add_argument("--output-dir", help="PNG 序列输出目录")
    parser.add_argument("--video", help="输入视频路径（可选，用于直接合成）")
    parser.add_argument("--output", help="输出视频路径（配合 --video 使用）")
    parser.add_argument("--font-size", type=int, default=36, help="字体大小")
    parser.add_argument("--font-color", default="white", help="字体颜色")
    parser.add_argument("--bg-color", default="rgba(0,0,0,0.6)", help="背景色")
    parser.add_argument("--position", default="bottom", choices=["top", "middle", "bottom"], help="字幕位置")
    parser.add_argument("--video-width", type=int, default=1080, help="视频宽度")
    parser.add_argument("--video-height", type=int, default=1920, help="视频高度")

    args = parser.parse_args()

    # 构建样式字典
    style = {
        "font_size": args.font_size,
        "font_color": args.font_color,
        "bg_color": args.bg_color,
        "position": args.position,
        "video_width": args.video_width,
        "video_height": args.video_height,
    }

    # 渲染 PNG 序列
    output_dir = args.output_dir or "./subtitles-png/"
    subtitles = render_subtitles(args.srt, output_dir, style)

    if not subtitles:
        sys.exit(1)

    # 如果指定了视频，则合成
    if args.video and args.output:
        burn_subtitles_to_video(args.video, subtitles, args.output, args.video_width, args.video_height)

    print(f"\n[OK] 字幕 PNG 序列已生成：{output_dir}")
    print(f"[INFO] 共 {len(subtitles)} 条字幕")
    sys.exit(0)


if __name__ == "__main__":
    main()