字幕

这是一件事，不是流程的一段。 用户什么时候喊它就什么时候做, , 刚剪完可以做， 做完又删了两句可以再做一遍。

它只有一个前提：账本已经存在。不是因为它排在剪辑后面，而是因为没有账本， 它不知道哪几句留着、各自落在成片的第几秒。

需要   edit-list.json（账本）、transcript.json（逐词稿）
产出   subtitles.json

干完就停，不指挥用户下一步。

先读取并执行 业务 Skill 的阶段合同， 判据见 字幕校对规则，专名写法见 AI 用词词典。

谁说了算什么

这是这一段的地基，其余都从这里推出来。

剪口播   说了算「留哪些话、在什么时候」    ← 时间的唯一真相
字幕     说了算「屏幕上显示什么字」        ← 显示的唯一真相

一屏字幕存的是词 id 列表 + 显示文字，不存秒数。时间每次从账本现算。 于是两本账没有第二份时间可以走偏，失效也能精确到屏：「第 7、第 12 屏的词被剪掉了」， 而不是那句谁也点不动的「字幕可能已过期」。

字幕存自己的文字是故意的。 转录回答「他说了什么」，字幕回答「给人看什么」, , 标点、去掉的口头禅、专名的正式写法，这些本来就该不一样。逼一份字符串同时干两件事， 字幕就永远加不了逗号。

0. 就绪

先执行 检查更新 的「就绪检查」, , skills 是否 最新、Runtime 是否配套；插件根也在那里定位（本文命令里的 <插件根> 都代入 那个字面路径）。只有「就绪」才继续；「需新会话」或「停」按它的处置执行 （含「禁止自制替代界面」禁令），业务 Skill 不自带环境逻辑。

若就绪结果为 runtime.kind=desktop-managed，直接复用桌面 App 已安装的稳定 CLI 与 同一 launchd/windows-task 服务；不要解析 Electron 路径、另装依赖或起第二个 Runtime。

1. 入口断言

node "<插件根>/scripts/ensure-running.cjs" --json
node "<插件根>/scripts/videocut-cli.cjs" inspect "<项目目录>" --json

断言	不成立时
edit-list.json 存在且有片段	说清楚缺账本，让用户先喊剪口播。不要自己去剪。
transcript.json 存在	项目没准备好，停止。不要自己造一份。

不要断言 source_cut.mp4，也不要去转录。 字幕两样都不需要, , 见下一节。

2. 改字：先词典，后文稿

不需要重新转录。 原来那份逐词稿已经带着时间戳，账本知道哪几段留着, , 每个词落在成片的第几秒是算出来的，不是再听一遍听出来的：

词在源片的第几秒   转录里就有
哪几段留着         账本里就有
词在成片的第几秒   两者一算就出来

再送一遍 ASR 只是把同样的话重新听一次，花钱、花时间，而且听得更差, , 专名要重新改一遍。 （transcript retranscribe 是上一版设计的遗留，那时字幕打算靠转写剪后视频拿时间轴。 字幕改成锚词 id 之后这个问题就没了。做字幕不要用它。）

两件不同的工具，都要用。

# 词典：这个说话人的固定写法，不需要证据
node "<插件根>/scripts/videocut-cli.cjs" transcript dictionary "<项目目录>" --dictionary "<插件根>/references/ai-term-dictionary.md" --json

# 文稿：作者手上有稿子时才做，逐处要证据
node "<插件根>/scripts/videocut-cli.cjs" transcript align "<项目目录>" --script "<口播稿文件>" --json