豆包Marscode体验官:不写一行代码创建一个srt字幕翻译工具

我正在参加「豆包MarsCode初体验」征文活动

当 GitHub Copilot 还是免费的时候，用起来真是畅快淋漓，大呼666。不过，自从它开始收费，每月要10美元，虽然知道它的价值，但考虑到那总是鼓不起来的钱包，还是决定放弃了。又回到了古老编程时代，偶尔需要AI帮助时：打开浏览器某个AI对话框，输入问题复制答案，虽有挺多免费类Copilot工具，但总觉用的不顺手。

最近，试用了字节跳动推出的 Marscode，感觉挺不错。最让人惊喜的是，它还自带了一个在线IDE，不仅拥有智能补全、预测和问答等强大功能，而且操作起来流畅的就像使用本地编辑器一样，完全感觉不到延迟。更棒的是，它还提供了2核CPU、4G内存和10G硬盘的项目空间，真的很实用了！

使用方法

打开 www.marscode.cn/dashboard 注册登录，然后新建项目

支持 python、nodejs、go等多种模板，并可从GitHub导入项目，我需要一个python项目，自然选择python模板了，创建后就进入了编辑空间

可以愉快使用了，如果不是上面有个浏览器地址栏，简直以为是本地编辑器了。

最近在鼓捣字幕翻译，那就以此为契机搞个"字幕翻译项目吧"

项目概述

一个srt格式字幕翻译功能，将字幕从一种语言翻译到另一种语言，并保持字幕格式不变。

整体思路

AI虽然够聪明，但首先要让它理解你在指挥它做什么任务，你输入的指令越准确、逻辑越清晰，它完成的就越好，反之你不会得到想要的结果。

首先整理思路，然后根据该思路写提示词。

一. 写个函数1，用于读取srt字幕文件并转为字典对象列表

将每条字幕转为一个dict对象，line键对应行号、time键对应字幕时间戳行、text键对应字幕文本文字。如

原字幕

1
00:00:01.000 --> 00:00:05.400
AI技术的发展超出了预期

转为dict对象后

{
    "line":1,
    "time":"00:00:01.000 --> 00:00:05.400",
    "text":"AI技术的发展超出了预期"
}

为何这样处理呢？主要是方便批量获取多行字幕文本，然后将这多行文本以换行符\n连接后，发给翻译引擎，再将翻译结果一一对应填充回dict。

干吗不直接带上 行号和时间戳行 的完整字幕格式进行翻译呢？

原因主要有二：

1. 传统翻译引擎，如百度，可能会将时间戳行中的英文标点转为中文标点，或者将时间戳也翻译一遍，导致格式出错。即便号称全世界最准确的DeepL也可能犯类似错误。

2. AI模型虽不会犯此错误，但会浪费很多token，并且不同厂家不同规模的模型智能程度不同，一些的模型仍然会犯格式错误，比如可能删除字幕之间的2个空白行。

或者出现合并2行内容为一行，尤其是下一行只有孤零零的一个或几个单词，而且该单词在语义上属于上一行时。

例如

2
00:00:01,860 --> 00:00:04,660
you are my friend, i am 

3
00:00:06,400 --> 00:00:07,580
from China

在一些不够庞大或智能的模型时，可能会遇到一个棘手的问题：有时会将"from China"这样的短语错误地合并到上一行，结果导致该行变成了空白。

尽管尝试通过使用严格的提示词和翻译示例来避免这种情况，但只要翻译量足够大时，比如成千上万的字幕条或数百个字幕文件，这种小概率的错误仍然难以完全避免。

为了应对这些偶发的格式问题，不得不编写大量的修正代码，还消耗了大量的token，从成本效益的角度来看，不划算。

特别是，考虑到我的字幕文件是通过语音识别生成的，其准确性和标点的正确性本身就无法保证

因此，经过深思熟虑，我决定采取一种更为简洁高效的方法：不再发送带有复杂格式的字幕，而只发送字幕中的文字行。这样既简化了处理流程，又避免了因格式问题带来的额外工作量，当出现行数不对应时，转而对此次任务采用逐行翻译。

如果一条字幕的文本行由两行或多行组成怎么办？这种情况下似乎带格式翻译更好，不过更简单的方式是直接将换行符替换为多个句号转为一行，最终字幕文件中再替换回来。

二：再写个函数2，用于组装发送翻译请求

在该函数中，调用函数1读取字幕文件返回字典对象列表，然后遍历该列表，取出text键对应的字幕文本，发送翻译请求，得到翻译结果后再替换text键对应的文本。

该处为加快翻译速度，同时在AI翻译时提供上下文以提升翻译质量，一次发送15行或更多行，具体方法是每15个dict对象的text值用换行符连接为一个字符串，得到翻译结果后再按行拆分为15行，填充回对应的dict对象的text值中。

如上文所述，这种情况下要求译文行数同原文行数严格一致，但聪明的AI往往会遵照语义合并行，尤其是孤零零一两个单词的行，即便已提供了严格的提示词限制。

虽然直接发送带行号和时间行格式的字幕能减少该情况出现的几率，但绝不会降到零，反而因此大幅增加了token消耗，得不偿失。

可在出现该情况时，对该次任务的15行字幕文本重新逐行翻译，通过容许一定的质量降低来保证行数绝对正确。

三：再写个函数3，将翻译后的字幕保存为新的字幕文件

遍历翻译后组装好的列表对象，组成srt格式的字幕字符串，重新保存回srt格式字幕文件。

dict["line"]
dict["time"]
dict["text"]

dict["line"]
dict["time"]
dict["text"]

写提示词

根据上文思路，编写提示词，可根据任务阶段，每完成一个任务后，再编写写一个提示词。也可以一次完成整个任务所有步骤，我是按后者执行。

在左侧点击新建图标创建一个start.py文件

然后在 start.py中输入提示词，在代码中，注释就是提示词。

以下是该项目的完整提示词或者说是注释

# 创建一个srt格式的字幕翻译工具，实现从一种语言翻译为另一种语言

# 首先从命令行参数1中读取srt字幕路径，从参数2中读取要翻译到的目标语言代码

# 然后创建函数1，该函数读取字幕文件，并返回一个list列表，列表中每个元素都是一个dict字典对象，每个dict对象对应一条字幕，字典对象中的 line键值对应字幕行号数字、time键值对应时间戳行内容、text键值对应字幕的文本内容，注意文本可能有一行或多行。

# 再创建函数2，该函数中调用函数1，得到包含字典对象元素的列表list，然后遍历该list，取出dict中的text键对应的值

# 接着向  https://g3.pyvideotrans.com/translate_a/single 发起get请求。参数分别是 client=gtx，dt=t,sl=auto,tl=参数2，q=text键值

# 请求头headers中user-agnet模仿chrome104浏览器

# 请求返回的数据是一个json格式的字符串，转为json对象后是一个list列表，可命名为res，res[0]中存储翻译结果，它也是一个list，可能由1个或多个子元素组成，每个子元素也是一个list，将所有子元素的0索引元素拼接成一个字符串，即为翻译结果文本，将该结果替换text键对应的内容。

# 创建函数3，将函数2中替换text后的list对象进行遍历，组装为完整的srt格式字幕字符串，然后保存为srt文件，文件名是 原文件名+目标语言.srt

# 最后调用函数3，将函数2中替换text后的list对象保存为srt文件。

# 即可实现从一种语言翻译为另一种语言。

为简化示例，方便展示，没有采用一次15行文本进行翻译，而是一次只翻译一行

代码自动生成

如上，在最后一行提示词结束后，按回车新起一行，无意外的情况下，即自动开始生成代码，以浅灰半透明显示。

可大致扫一眼，如果感觉合适，按Tab键采用，然后不断循环 回车 + Tab 直到完成。

有时按了一次回车后，并没有出现提示代码，这种情况时有发生，尤其是在一个函数完成或一段代码结束，需要开启新的代码片段时，可以继续再按一次或两次回车，稍作等待，提示代码应该就会出现了。

动图展示代码自动生成

从动图中也能看出，有时按一次回车后并没有显示可用的代码，此时需要再次按下回车。

以下是生成的全部代码,未经任何修改

import sys
import json
import requests
import urllib.parse

def read_srt(srt_file):
    with open(srt_file, 'r', encoding='utf-8') as f:
        srt_data = f.read()
    srt_lines = srt_data.split('\n')
    srt_list = []
    i = 0
    while i < len(srt_lines):
        line = srt_lines[i]
        if line.isdigit():
            line_dict = {}
            line_dict['line'] = int(line)
            i += 1
            line_dict['time'] = srt_lines[i]
            i += 1
            text = []
            while i < len(srt_lines) and srt_lines[i]!= '' and not srt_lines[i].isdigit():
                text.append(srt_lines[i])
                i += 1
            line_dict['text'] = '\n'.join(text)
            srt_list.append(line_dict)
        else:
            i+=1
    return srt_list

def translate_srt(srt_list, target_lang):
    for line_dict in srt_list:
        text = line_dict['text']
        url = 'URL_ADDRESS'
        headers = {
            'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/104.0.0.0 Safari/537.36'
        }
        params = {
            'client': 'gtx',
            'dt': 't',
           'sl': 'auto',
            'tl': target_lang,
            'q': text
        }
        response = requests.get(url, headers=headers, params=params)
        res = json.loads(response.text)
        line_dict['text'] = '\n'.join(res[0])
    return srt_list

def save_srt(srt_list, srt_file, target_lang):
    with open(srt_file, 'w', encoding='utf-8') as f:
        for line_dict in srt_list:
            f.write(str(line_dict['line']) + '\n')
            f.write(line_dict['time'] + '\n')
            f.write(line_dict['text'] + '\n')
            f.write('\n')

if __name__ == '__main__':
    srt_file = sys.argv[1]
    target_lang = sys.argv[2]
    srt_list = read_srt(srt_file)
    srt_list = translate_srt(srt_list, target_lang)
    save_srt(srt_list, srt_file + '.' + target_lang, target_lang)

然而并不能直接用，存在几个错误。

存在的问题

1. 没有使用我在提示词中指定的 url ，即 https://g3.pyvideotrans.com/translate_a/single,而是使用的占位符 url = 'URL_ADDRESS',需要手动修改
2. 我已经在提示词中写明了返回的是json字符串，其实直接调用res=response.json()方法就行了，没必要多此一举的使用 res = json.loads(response.text)
3. 可能是返回结果过于复杂，或我的提示词不够清晰，它没有按照我预想的方式获取翻译结果

生成的 line_dict['text'] = '\n'.join(res[0]) 这种方式是错误的。

返回的json数据结构

[    [        ['朋友你好', 'hello,my friend', None, None, 10]
    ], None, 'en', None, None, None, 1, [], [['en'], None, [1], ['en']]]
    ...

预期的获取方式应该是

line_dict['text'] = ''.join([te[0] for te in res[0]])

修改后的代码: 为方便控制台观看实时结果，加了一行代码，print(line_dict)

import sys
import json
import requests
import urllib.parse

def read_srt(srt_file):
    with open(srt_file, 'r', encoding='utf-8') as f:
        srt_data = f.read()
    srt_lines = srt_data.split('\n')
    srt_list = []
    i = 0
    while i < len(srt_lines):
        line = srt_lines[i]
        if line.isdigit():
            line_dict = {}
            line_dict['line'] = int(line)
            i += 1
            line_dict['time'] = srt_lines[i]
            i += 1
            text = []
            while i < len(srt_lines) and srt_lines[i]!= '' and not srt_lines[i].isdigit():
                text.append(srt_lines[i])
                i += 1
            line_dict['text'] = ''.join(text)
            srt_list.append(line_dict)
        else:
            i+=1
    return srt_list

def translate_srt(srt_list, target_lang):
    for line_dict in srt_list:
        text = line_dict['text']
        url = 'https://g3.pyvideotrans.com/translate_a/single'
        headers = {
            'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/104.0.0.0 Safari/537.36'
        }
        params = {
            'client': 'gtx',
            'dt': 't',
           'sl': 'auto',
            'tl': target_lang,
            'q': text
        }
        response = requests.get(url, headers=headers, params=params)
        res = response.json()
        line_dict['text'] = ''.join([te[0] for te in res[0]])
        print(line_dict)
    return srt_list

def save_srt(srt_list, srt_file, target_lang):
    with open(srt_file, 'w', encoding='utf-8') as f:
        for line_dict in srt_list:
            f.write(str(line_dict['line']) + '\n')
            f.write(line_dict['time'] + '\n')
            f.write(line_dict['text'] + '\n')
            f.write('\n')

if __name__ == '__main__':
    srt_file = sys.argv[1]
    target_lang = sys.argv[2]
    srt_list = read_srt(srt_file)
    srt_list = translate_srt(srt_list, target_lang)
    save_srt(srt_list, srt_file + '.' + target_lang, target_lang)

找个srt字幕文件，直接拖动到左侧文件区，我这里从本地拖动名为 1.srt的英文字幕

控制台输入 python start.py 1.srt zh-cn 我需要翻译为简体中文，因此输入 zh-cn

没有意外发生的话，1.srt.zh-cn.srt已经生成了。

这里使用的是Google翻译，质量还凑合

遇到的一些奇怪问题/Bug

1. 出现了一个奇怪有趣的bug，在生成函数2完成后，继续回车，又提示生成函数3，和函数2功能完全一样，只是名字略不同，3完成后，又出现4。。。。如此直到10还没结束。不得不删掉，然后加了个 if开头行，然后按下空格，才开始正常提示 if __name__

如下图所示

2. 在一行注释后回车，有一定几率生成的代码以 # 开头，也就是被注释掉了。如下图

总结

标题有点夸大了，不写代码或许可以，但不修改代码几乎是不可能的。

总体上体验还是挺不错的，尤其是在线IDE，使用流畅度不逊色于本地编辑器。

右侧还有更多功能待体验哦