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%
本地听写让你的声音和文字都留在自己的电脑上,不需要账户,也没有云端处理。本文说明私密的语音转文字究竟意味着什么。
打开一款常见的听写应用,你的声音就开始了一趟旅程:麦克风录下你说的话,音频上传到服务器,远方的某个模型把它转成文字,片刻之后再传回来。感觉上一切都是即时的。可在这几秒钟里,你的话停在一台不属于你的硬件上,受一份不是你定的政策约束。
DijiFlow Dictate 则从不把这些话发出去。声音的采集、转录和成文,全都在你面前这台电脑上完成。音频和文字都不会上传,服务器上也不会留下任何副本。我们说“声音留在你的设备上”,不是一句安慰的话,而是在如实描述这款应用的构造。
要点
从设计上保护隐私,意思是系统结构本身让泄露无从发生,而不是靠一纸政策承诺不会泄露。
不少听写工具会把传输加密放在最显眼的位置。有加密当然好,但要看清它管的是什么:它保护的只是音频传往服务器的那一段路。音频一到,服务商就会把它解密,好让模型读取。
从这一刻起,你就只能信任一连串看不见的东西:一项数据保留设置、一份访问权限名单、服务商的诚意,还有一份下个季度就可能改写的隐私声明。加密守得住路途,却管不了终点。
本地处理则让终点不复存在。整个过程没有服务器参与,你的声音也就不会在第二个地方被解密、记录或留存。录音、转录和最终的文字,全都留在你自己的硬件里。
DijiFlow Dictate 的语音模型直接在你的电脑上运行:Mac 上用的是 Apple 神经网络引擎和 GPU,Windows 上则使用 AMD、Intel 或 NVIDIA 的显卡。没有远端服务在后台干活,也没有在模型拿不准时悄悄把音频转发出去的备用方案。你电脑上的这个模型,就是整个系统。
因为一切都在本地完成,它有几项大多数云端工具做不到的特点:
最后这一点你可以亲自验证:拔掉网线,关掉 Wi-Fi,继续听写。如果它还能用(事实上确实能用),就说明转录从头到尾都没有连接外部。能亲手验证的表现,比只能选择相信的承诺可靠得多。
放在一起看,差别最清楚。下面列出两种方式下,你的数据分别存放在哪里。
| 你的数据会怎样 | DijiFlow(本地) | 常见云端工具 |
|---|---|---|
| 音频留在你的电脑上 | ✓ | ✗ |
| 转录文本留在你的设备上 | ✓ | ✗ |
| 不需要账户或邮箱 | ✓ | ✗ |
| 你的声音不在云端处理 | ✓ | ✗ |
| 断网也能转录 | ✓ | ✗ |
| 服务商手里没有可供调取的数据 | ✓ | ✗ |
用三个数字来说,也是同样的结论。
对很多人来说,听写的内容本来就不该出现在别人的日志里:医生在严格的保密规定下撰写病历;律师口头起草受保密特权保护的往来信函;记者整理一位得到过保密承诺的消息来源的访谈;工程师一边讲解公司内部架构,一边让文字直接写进文档。
在所有这些场景里,最安全的数据就是从没被传出去的数据。本地听写让你的转录文本远离第三方的数据泄露、法律调取或悄无声息的政策变更,因为第三方从一开始就没拿到过它们。
过去大家默认,留在本地就得牺牲准确率或速度,本地模型总是差一截。现在已经不是这样了。Apple Silicon 运行现代语音模型又快又稳;开启自动检测后,DijiFlow 可以在本地识别 90 多种语言,其中 29 种获得完整支持并配有词汇包,人名、行业术语和缩写都能识别得更准。
你可以根据自己的电脑和对准确率的要求,选择合适的模型大小。过去要靠数据中心才能达到的转录质量,现在在你的桌面上就能实现,音频和文字都不会离开这里。
在这里,隐私优先不是一项需要你手动开启的功能。整款应用都围绕本地推理构建,私密就是它的默认状态:没有要找的设置,也没有要记住的模式。DijiFlow Dictate 免费版永久免费,日常使用完全够用,还能免费试用 Pro 全部功能 30 天,觉得合适再升级到 Pro。
如果你希望自己说的话只属于你自己,看看本地听写如何融入你的工作。