小编Joh*_*yat的帖子

我想构建一个特殊的脚本来从电影（dvd、mkv ...）中学习英语。我想用我的母语提取音频部分然后用英语提取带有时间线的字幕。字幕会让我知道演员什么时候说话。

从那里，母语和英语音轨被剪掉。然后重新组合为每个句子都有：

第 1 句：母语曲目 && 暂停 2 秒 && 英文曲目 && 暂停 4 秒。

句子 2：母语曲目 && 暂停 2 秒 && 英文曲目 && 暂停 4 秒

等等。

我应该如何进行？