影片金句想發文？五句字幕半秒拼成一張圖｜native-subtitle-quote-image 實測
重點摘要
- 在 Mac mini M4 Pro 上，安裝 Pillow 與 imageio-ffmpeg 約 3 秒，不用另外裝 ffmpeg。
- 用自製 36 秒短片測：字幕燒在畫面裡的原生模式，5 個時間點約 0.33 秒拼成一張 1280×1211 的圖。
- 腳本模式把自己寫的 5 句台詞畫到畫面上，約 1 秒出 1440×1920 的圖；沒有中文字型會直接拒絕，要用 --font 指定。
- 直式 3:4 會裁掉畫面左右，我左上的「第1幕」標題成品上只剩一個「幕」字。
- 結論： 常把影片台詞發成貼文的人，值得試；只用自製短片測，沒測網址下載與 AI 助理呼叫。
- 適合： 常把影片金句、訪談台詞做成貼文長圖的人
- 不適合： 只有播放器字幕軌、又不想自己寫台詞的人，或需要貼網址一鍵出圖的人
| 實測項目 | 結果 |
|---|---|
| 安裝相依套件 | 約 3 秒 |
| 原生字幕模式（5 時間點） | 約 0.33 秒 |
| 腳本字幕模式（5 句） | 約 1 秒 |
| 沒給中文字型 | 拒絕出圖 |
| 3:4 直式 | 左右被裁掉 |
看到一支影片裡有幾句話特別有感，想做成貼文圖。你會怎麼做？多半是暫停、截圖、再截一張、對齊字幕、丟進修圖軟體一格一格拼。native-subtitle-quote-image 想把這段全包掉：給它一支影片和幾個時間點，它直接拼出一張長圖。這篇是我在 Mac mini M4 Pro（12 核、64GB）上實際跑的紀錄。
這是一套免費的 Python 工具（MIT 授權），本來設計成給 Codex、Claude Code 這類 AI 助理呼叫的「技能」，但倉庫裡的腳本也可以自己直接跑，我測的就是直接跑腳本。
我怎麼測
為了不碰別人的影片版權，我自己用 Python 做了一支 36 秒、1280×720 的短片，分成六幕，其中一支把五句台詞燒進畫面（模擬「字幕本來就在畫面裡」的影片），另一支沒有字幕。五句台詞都是我自己寫的。只測本機影片，沒測貼網址下載（要另外裝 yt-dlp），也沒測 AI 助理的呼叫流程。
安裝
git clone https://github.com/chengyi-ai/native-subtitle-quote-image.git
cd native-subtitle-quote-image/skills/native-subtitle-quote-image
python3 -m pip install -r requirements.txt # 只有 Pillow 和 imageio-ffmpeg
python3 scripts/check_environment.py
安裝約 3 秒。imageio-ffmpeg 自帶 ffmpeg，所以不用另外裝。自檢會告訴你缺什麼：我的環境缺中文字型，所以「腳本模式」那一項標成缺失。
模式一：原生字幕（字幕本來就在畫面裡）
先自檢影片，再寫一個很短的設定檔，列出要截的時間點：
python3 scripts/native_subtitle_stitch.py check-source demo_burned.mp4 --min-height 720
echo '{"images":[{"title":"native","times":[4,10,16,22,28]}]}' > manifest.json
python3 scripts/native_subtitle_stitch.py render demo_burned.mp4 \
--manifest manifest.json --out-dir out-native --band-top 0.78 --band-bottom 0.96
實測：整個 render 約 0.33 秒，輸出 1280×1211 的一張圖。第一格是完整畫面，下面接四條字幕條，字幕是直接從畫面裁下來的，沒有重新辨識或重畫。
模式二：腳本字幕（影片沒字幕，台詞自己寫）
把台詞與時間點寫成 JSON，工具會把台詞畫到真實畫面上：
python3 scripts/native_subtitle_stitch.py render-script demo_plain.mp4 \
--script script.json --out out-script.jpg --aspect 3:4 --width 1440 \
--font /path/to/NotoSansTC.otf
約 1 秒出圖，1440×1920。
踩到的兩個雷
1. 沒有中文字型就拒絕。 我的環境沒裝中文字型，同一個指令直接回「找不到可用的中文字體；請安裝中文字體或使用 --font 指定字體文件」，不會出圖。解法：用 --font 指向任何一個中文字型檔（我用 Noto Sans TC）。Mac 通常有系統字型，不一定遇到。
2. 直式 3:4 會裁掉畫面左右。 腳本模式指定 3:4 時，主畫面會從 16:9 的影片中間裁出直式。我的第一幕標題「第1幕」在畫面左邊，結果成品上只剩一個「幕」字。所以挑時間點時，要看清楚重要的東西有沒有在中間。
結果
| 項目 | 結果 |
|---|---|
| 安裝相依套件 | 約 3 秒 |
| 原生字幕模式（5 個時間點） | 約 0.33 秒，1280×1211 |
| 腳本字幕模式（5 句台詞） | 約 1 秒，1440×1920 |
| 沒給中文字型 | 拒絕出圖，要用 --font |
| 3:4 直式 | 左右被裁，邊緣文字可能不見 |
適合誰、不適合誰
適合常把影片台詞或訪談金句做成貼文圖的人：省下的是最煩的截圖、對齊、拼圖。不適合影片字幕只是播放器可開關的字幕軌、又不想自己寫台詞的人（原生模式只裁畫面裡已有的字）；也不適合需要一鍵貼網址就出圖的人，這部分我沒測。請只處理你有權使用的影片。
連結與授權
- 專案：https://github.com/chengyi-ai/native-subtitle-quote-image
- 授權：MIT