字幕对不上别再手动算偏移了，ffsubsync 按音轨自动对齐真香

前面那篇讲手动算字幕偏移，但说实话，手动对是折磨——尤其外语片，你根本不知道哪句对到哪句。后来发现 ffsubsync，它能拿视频的音轨当参照，自动把字幕时间轴拉伸/平移对齐。这篇记用法和几个坑。

原理一句话

ffsubsync 把字幕文本做语音活动检测（VAD），得到"字幕认为什么时候在说话"的时间分布；再对视频音轨做同样的检测，得到"实际什么时候在说话"。两者对不上？它用动态时间规整（DTW）把字幕轴拉伸对齐到音轨。所以是"按声音对齐"，不是按画面。

pip install ffsubsync
ffsubsync video.mp4 -i sub.srt -o sub_aligned.srt

-i 是输入字幕，video.mp4 直接当音源。跑完 sub_aligned.srt 就对齐了。简单到离谱。

所以默片、纯音乐、对白极少的片子里，ffsubsync 会瞎对齐。遇到这种退回手动。另外如果音轨本身就是错位的（比如音画不同步的片源），对齐出来也是错的——先确保片源音画同步。

默认它允许时间轴整体缩放（因为不同版本帧率差导致整条轴比例不对）。如果你的字幕只是"整体平移 2 秒"，可以限制只平移：

ffsubsync video.mp4 -i sub.srt -o out.srt --no-fix-framerate

或者干脆用 --overwrite-input 直接覆盖原文件（我一般不，留个备份）。

字幕文件编码乱（GBK 的 SRT）会读崩。先转 UTF-8：

iconv -f gbk -t utf-8 sub_gbk.srt > sub.srt

中文 VAD 模型 ffsubsync 是支持的，但偶尔抽风，多跑一次比对。

我现在的工作流：下载 → Whisper 出草稿字幕 → （有现成 SRT 就）ffsubsync 对齐 → 翻译流水线出双语。比纯手动快十倍。前面那篇 OCR+Whisper 可以接这一环。

提醒：对齐只解决"时间轴"，不解决"翻译错"。翻译烂还得自己改。