基于真实文本修正subtitle.srt文件的算法方案咨询

我有一份内容存在误差的subtitle.srt字幕文件，同时还有一组内容准确但未做时间同步的真实文本段落。字幕误差包括大小写不匹配、字词冗余/缺失、标点遗漏等问题。现寻求独立于编程语言的算法方案，用于借助真实文本修正该SRT文件。

示例说明 #

【原始subtitle.srt（含误差）】 #

1
00:00:00,000 --> 00:00:04,320
热浪预计将持续未来几日

2
00:00:04,320 --> 00:00:07,920
，政府警告民众采取预防措施。热浪提醒人们气候变动的危险

3
00:00:07,920 --> 00:00:13,760
改变，需要采取行动减少温室气体排放。

【真实文本（内容准确）】 #

这场热浪预计将持续未来几天，政府正警告民众采取预防措施。这场热浪提醒人们气候变化的危险，以及需要采取行动减少温室气体排放。

【预期修正后的subtitle_corrected.srt】 #

1
00:00:00,000 --> 00:00:04,320
这场热浪预计将持续未来几天

2
00:00:04,320 --> 00:00:07,920
，政府正警告民众采取预防措施。这场热浪提醒人们气候变化的危险

3
00:00:07,920 --> 00:00:13,760
变化，以及需要采取行动减少温室气体排放。

核心算法步骤 #

1. 预处理 #

• 解析SRT：从原始字幕文件中提取序号、时间轴、文本段三个核心要素，将所有文本段按顺序拼接成完整的原始字幕文本（保留段落分隔标记）。
• 文本标准化：对原始拼接文本和准确真实文本执行统一预处理：转小写（后续恢复正确大小写）、去除连续冗余空格、统一标点符号格式（如修正错误的缩写符号）。

2. 文本对齐与误差修正 #

• 片段匹配：使用**最长公共子序列（LCS）**算法，定位原始字幕文本与准确文本的匹配区间，建立两段文本的对应关系。
• 逐段修正：针对每个原始字幕文本段，结合匹配结果修正误差：
  • 大小写/格式：参考准确文本的大小写规则（如句首大写、专有名词格式）恢复正确格式；
  • 字词错误：替换为准确文本中对应位置的正确词汇（如删除冗余字词、补全缺失内容、修正拼写错误）；
  • 标点错误：替换为准确文本的正确标点符号（如补全遗漏的连接词、修正错误的标点）。

3. 还原输出 #

• 分段还原：将修正后的完整文本，按照原始SRT的分段位置（结合原始文本段的语义停顿和时间轴长度）重新分割为对应段落。
• 生成新SRT：保留原始SRT的序号和时间轴，将修正后的文本段对应填入，输出最终的修正版SRT文件。

内容的提问来源于stack exchange，提问作者thedebugger