config-template.yaml

# 视频文件相关配置
video:
  width_delta: 0.05 # 宽度冗余
  height_delta: 0.02 # 高度冗余
  groups_tolerance: 20 # 允许的组内差值，计算字幕中心和高度用
  min_duration: 0.1 # 最小字幕持续时间，单位秒

# OCR 识别配置
ocr:
  lang: "ch" # OCR 识别语言
  det_model_dir: "./models/ch_PP-OCRv4_det_server_infer" # OCR 检测模型
  rec_model_dir: "./models/ch_PP-OCRv4_rec_server_infer" # OCR 识别模型
  min_height_ratio: 0.0 # 检测字幕的最小高度占比
  max_height_ratio: 1.0 # 检测字幕的最大高度占比

# 字幕擦除配置
erase:
  ckpt_p: "./models/sttn.pth" # STTN 模型
  max_frame_length: 80 # 单次处理帧最大长度
  min_frame_length: 20 # 单次处理帧最小长度
  mask_expand: 20 # 掩膜外扩的像素数。
  neighbor_stride: 10 # 邻居帧步长

# 字幕翻译配置
translation:
  model: "gpt-4o-mini"
  api_key: "sk-XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX"
  api_base_url: "https://api.chatanywhere.tech/v1"

# 字幕处理配置
subtitle:
  font: "./fonts/arialbd.ttf" # 字幕字体
  font_size: 0 # 翻译后字幕的字体大小，如24，为0则使用理论计算大小
  font_color: "#FFFFFF" # 字幕字体颜色，例如白色
  position: 0 # 字幕位置，高度的百分比，例如0.66，为0则为原字幕位置
  width_ratio: 0.8 # 字幕宽度与视频宽度的比例，用于计算字体大小

# 视频输出配置
output:
  target_size: 30 # 输出视频大小，单位MB