SubtitleGenerator 的巧思：把 AI 的不确定性变成一张能清空的校对清单

SubtitleGenerator 是一款在浏览器里完成视频字幕制作的 AI 工具。用户从本地选择视频，产品生成带逐词时间轴的字幕，再在同一个编辑器里修改文字、调整时间、选择样式，最后导出烧录字幕的视频或字幕文件。产品目前面向播客、短视频、教程、访谈和剪辑交付等场景；Product Hunt 产品页把它标为「Launching today」。12

SubtitleGenerator 值得拆解的地方，集中在一个很具体的判断：AI 转写大体完成之后，用户最难受的工作往往变成了「究竟该去哪里找错」。产品把这项工作单独做成 Fix 流程，再用本地处理把隐私边界接进同一条制作链路。

字幕转写的麻烦不只在于模型会不会漏词。SubtitleGenerator 团队在官方博客里描述了更细的痛点：当一份字幕大部分内容都正确时，用户仍然要在数百行文字里手动寻找那几个错词，时间线和字幕编辑器通常只把一份「看起来完成」的初稿交给用户。3

SubtitleGenerator 选择把模型的犹豫直接显示出来。产品为逐词转写生成置信度分数，把低置信度词标记在字幕文本和时间线上；用户可以保留原词、直接改写，或者只重新转写当前字幕片段。官方首页还展示了「3 to check」和「Flag 1 of 3」这样的剩余数量。13

最后一个细节更关键：待检查数量会一路减到「All clear」。这个词不是装饰性的状态提示，而是给校对工作补上了完成条件。用户面对的任务从「把整份字幕再读一遍」变成「处理系统标出的几个例外」，并且能在界面上看到清单何时归零。产品团队在官方博客里明确把「标记不确定词、显示剩余数量、给出 All clear」称为 Fix 体验的核心。3

这个设计把 AI 的不确定性变成了界面对象。传统的「生成完成」只告诉用户系统已经交付了一份结果；Fix 流程还告诉用户系统自己最没把握的地方在哪里，以及用户还需要处理多少项。对于字幕这种最终要公开发布的内容，第二个信息比一个笼统的准确率描述更容易转化成动作。

代价也很明确：置信度是模型的判断信号，不是真假裁决。产品的服务条款仍要求用户在发布前检查生成的字幕；官方博客也特别提到姓名、数字和背景音乐下的语句需要人工确认。用户可以优先处理被标记的词，再抽查专业名词和关键句，不能把「All clear」理解成内容已经获得事实保证。34

SubtitleGenerator 没有把「本地处理」写成一句笼统的口号，而是把视频、音频和导出文件分成不同的数据边界。原始视频留在浏览器里；浏览器从视频中提取只用于转写的音频，把音频发送给转写服务；转写完成后，音频会被删除；字幕烧录和导出则继续在浏览器中完成。产品的隐私页面还说明，原始视频和浏览器渲染出的导出视频都不会成为上传内容。4

这套拆分解决的是创作场景里的具体顾虑：用户可以拿未发布的客户视频、访谈素材或内部录屏开始试用，而不必先把完整视频文件上传到服务器。产品仍然需要把音频交给转写服务，所以这条路径属于「原视频留在本地」，而不是完全离线。用户若处理敏感内容，仍然要把转写服务这一段纳入自己的权限判断。4

数据边界还和后续交付方式接在了一起。用户修正过的字幕可以导出为 SRT、VTT 等带时间范围的文件，也可以导出为带有视觉样式的烧录视频；SubtitleGenerator 的官方说明还把审核过的 SRT 定位成 Premiere Pro 和 DaVinci Resolve 之间可以复用的字幕来源。这样，用户校对的是同一份文字和时间信息，剪辑软件负责后续的轨道与视觉处理。15

这种设计也把成本留在了产品和设备一侧。官方博客承认，原视频不上传之后，浏览器就要面对 MKV、WebM、MOV 以及 AAC、Opus 等不同容器和音频格式；浏览器还要承担音频处理、格式转换和最终渲染。长视频或高分辨率导出因此更依赖用户设备的处理能力。13

SubtitleGenerator 的两个选择，其实在处理同一个问题：AI 生成物什么时候才适合交给人确认。

Fix 流程把「可能错在哪里」变成一组可以逐项处理的对象，再用「All clear」告诉用户这轮检查已经走完；本地优先流程把「哪些文件要离开设备」拆成视频、音频和导出三个不同层级，再让同一份校对结果进入后续剪辑。

可迁移的原则很窄，也很实用：对于仍然需要人签字的 AI 生成任务，产品不要只交付一份看似完整的初稿。产品还要把高风险的例外、人的检查范围，以及这一轮什么时候算结束，放到用户能直接操作的界面里。