视频字幕自动生成:直接从视频原声生成字幕文件
DijiFlow Dictate 如何在您的电脑上把视频音轨变成带时间轴的字幕行,以及四种输出格式该怎么选。
您的购物车中有 %itemCount%。合计 %total%
DijiFlow Dictate 背后的故事与产品原则:私密的语音转文字,你的声音和文字始终留在自己的电脑上。
打开几乎任何一款听写应用,你看不见的地方都在发生同一件事:你一开口,声音就被送了出去。它传到一台服务器上,由一个你看不见的模型转成文字,片刻之后再传回来。这份便利确实存在,但你为此付出的代价也同样真实:你最不设防的一种输入方式,被录下来,又在不属于你的硬件上处理。
DijiFlow Dictate 的起点是一个我们始终放不下的问题:凭什么这就该是默认做法?它是一款转录 100% 在本地完成的语音转文字工具,为写作、编程或记笔记,又希望声音只留在自己身边的人而做。这篇文章与其说在介绍我们,不如说在讲我们想证明的事。
好的软件应该靠设计赢得你的信任,而不是要你无条件地相信。只要声音从不离开你的设备,隐私就不再是一句承诺,而是一个事实。
DijiFlow Dictate 最核心的决定,说起来简单,做起来很难:转录在本地完成。语音识别在你自己的电脑上进行,用的是直接在设备上运行的语音模型。音频和文字都不会上传。不需要账户,也没有云端处理。
这不是为了一句宣传语而后加的功能,而是整个产品存在的意义。音频从不离开你的电脑,就不会有可能泄露的服务器日志,不会有暴露你转录内容的数据泄露,也不会有哪次悄无声息的政策调整,开始把你的话传到新的地方。通常要靠隐私政策去承诺的事,在这里由系统结构本身来保证。与其把保证写在纸上,我们更愿意把它做进产品里。
这也意味着,模型装好之后,即使断网,转录也照常进行。一句话说到一半拔掉网线,听写也会照旧进行,毫无差别。这是我们给自己定的标准:如果一个工具非得依赖云端才能完成它的主要工作,它就不算真正属于你。
我们为 DijiFlow Dictate 做的几乎每一个决定,都离不开下面几条原则。
最安全的数据,是从来没有被收集过的数据。我们的设计目标,就是让最敏感的东西,也就是你的声音,根本不会去到任何可能丢失它的地方。
听写应该像打字的延伸,而不是一个需要专门打开的地方。应用在 Mac 上待在菜单栏里,在 Windows 上待在系统托盘里:按下快捷键,开口说话,文字就出现在光标所在的位置。
每个语音模型要占多少空间、能换来多高的准确率,我们都会如实告诉你。我们还保留了一个真正好用的免费版,不会为了逼你升级而故意削减它的功能。
我们选择站在开源成果的基础上,而不是重复造轮子。DijiFlow Dictate 基于 Charles Lukowski 开发的 EasyDictate,并依照其 MIT 许可证使用,这一点我们乐于说明。
语音识别不是我们发明的,我们也不打算假装是。DijiFlow Dictate 由 PITIR TECH 打造,源自多项开源成果,其中包括 Whisper、WhisperKit,以及 Charles Lukowski 的 EasyDictate,他以 MIT 许可证发布的代码是我们工作的基础之一。注明这些来源,不是我们勉强加上的脚注,而是我们认为这个领域本该有的做法。真正有意思的问题从来不只是模型本身,而是把它做得足够私密、足够快、足够顺手,让你不假思索就会用它:现在在 Mac 上可以,在 Windows 上也可以。
DijiFlow 团队人不多,专注于做好这一件事。我们不打算打造一个靠你的数据赚钱的平台,也无意收集超出产品运行所需的任何信息,而你的声音和文字从来不在其中。我们不需要你的邮箱才能让你开始听写,不会围绕你建立广告画像,也不会拿你的录音去训练下一个模型。这些都不在考虑范围之内,你的录音也从来不会传到我们这里。
我们真正在意的成功标准,其实很安静:DijiFlow Dictate 成为你工作方式的一部分,却从不占用你的注意力,让你永远不必担心自己的声音去了哪里。答案永远只有一个,这也正是我们做这款产品的全部理由:它一直留在你身边。
如果你认同这种做产品的方式,最好的了解办法,就是看看大家是怎样用它的。来看看 DijiFlow Dictate 如何融入真实的工作。