fix: Untertitel ohne rollendes Fenster verlieren keine wiederholten Blöcke
vtt2txt.py entfernt Überlappungen nur noch, wenn die Datei ein rollendes Fenster zeigt: mindestens die Hälfte der Blöcke wiederholt das Ende des vorigen (YouTube-Auto-Untertitel: 97–99 %). Manuell erstellte Untertitel werden vollständig übernommen, zwei gleiche Blöcke hintereinander bleiben zwei. Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
This commit is contained in:
parent
41bcd1eb7b
commit
3da372a941
1 changed files with 53 additions and 10 deletions
|
|
@ -144,7 +144,10 @@ Macht aus VTT-Untertiteln (z. B. von `yt-dlp --write-auto-subs`) die Rohabschrif
|
|||
für `abschrift_korrigieren.py`: Zeitstempel und Tags werden entfernt. YouTube-Auto-Untertitel
|
||||
zeigen ein rollendes Fenster, jeder Block wiederholt das Ende des vorigen. Übernommen
|
||||
wird nur, was nach dieser Überlappung neu ist; sagt der Redner eine Zeile wirklich
|
||||
zweimal, bleibt sie zweimal erhalten.
|
||||
zweimal, bleibt sie zweimal erhalten. Ob eine Datei rollt, wird pro Datei bestimmt:
|
||||
Wiederholt mindestens die Hälfte der Blöcke das Ende des vorigen (Auto-Untertitel:
|
||||
über 95 %), gilt sie als rollend. Sonst, etwa bei manuell erstellten Untertiteln,
|
||||
wird jeder Block vollständig übernommen.
|
||||
|
||||
```bash
|
||||
./vtt2txt.py -i rede.de.vtt # → rede.de.txt
|
||||
|
|
@ -457,9 +460,6 @@ Oben in `abschrift_korrigieren.py`:
|
|||
gehören ins Glossar.
|
||||
- `qwen3:32b` ohne Denkmodus erkennt Hörfehler ohne Glossar nur teilweise und
|
||||
setzt kaum `[prüfen: …]`-Marken. Bekannte Fehler gehören deshalb ins Glossar.
|
||||
- `vtt2txt.py` erkennt Wiederholungen an der Überlappung aufeinanderfolgender
|
||||
Untertitel-Blöcke. Bei Untertiteln ohne rollendes Fenster gehen deshalb zwei
|
||||
direkt aufeinanderfolgende, identische Blöcke zu einem zusammen.
|
||||
- Einzelbuchstaben und ein- bis zweistellige Zahlen mit Punkt gelten nie als
|
||||
Satzende („Plan B.“, „Es waren 12.“); das beeinflusst nur mögliche Absatzgrenzen,
|
||||
nicht den Text.
|
||||
|
|
|
|||
Loading…
Reference in a new issue