今天要來寫我一直嘗試，但始終不滿意他的操作，還常常被氣到的小工具 - 影音轉文字！！！

最早有類似的需求跟操作體驗，也是在處理訪談類型的節目，那時還是用在 youtube 工作台裡面的字幕編輯小工具在處理，跟著聲音、情緒調整每一句話的長度、斷點，偶爾也需要再補上一些情緒化的細節，讓整理的文字更貼合影音的表現。

要用心處理好一份影音作品，剪輯、圖卡、字幕、動態無一不細節，在 AI 之後的時代也嘗試透過 Mac whisper、notebookLM、語音備忘錄等工具來做影音轉文字。也嘗試過自己動手做，但可能我使喚 AI 的技術還不夠到位，目前只有一個版本在編輯字幕上讓我覺得還行。

能快速斷句、合併句子、藉由聲波確認句子顯示時長，我想是字幕最核心的要求。當然如果在最一開始的「辨識」階段就能抓到位，就能有效減少後期非常大量的手工微調時間，只需要查看通用字詞、專有名詞是否有錯漏就好。

萬年需求＋專業對口，經驗值是騙不了人的

浪頭過了一陣子，今天才熱騰騰刷了壹加壹打造的「what's sub」字幕工具來使用，操作體驗也是新鮮出爐，趁著感受還在快快寫下分享！

作為 10 年的 YT 頻道，也算是產業裡的「長青樹」了，對於以拍攝為業的人，字幕是他們是日常每日都需要面對的，記得以前線上課程還有個角色，是專門打講師的課程影片逐字稿，讓學生可以只看文字學習。Youtuber 團隊應該也多是走外包處理文字，但令老闆在多年的 Youtuber 後製經歷打磨下，將過往遇到的常見問題，藉著 AI 在 what's sub 中打通了這一個工作流～

細節控的操作體驗

我沒有特別用上影片上壓字幕的功能，單純談「逐字稿生成」跟「斷句處理」這兩件事。

逐字稿生成

1.5 小時左右的音訊，大約花 7 分鐘就完整的跑完，跟 MacWhisper 比起來實在是太有效率（淚）

聲音夠乾淨，他抓出來的句子其實不太需要修改，跟其他 AI 每一句都是兩三倍量的情況下，還需要重新斷句、拉時間軸，已經省下超多時間。

聲音夠乾淨，他抓出來的句子其實不太需要修改，跟其他 AI 每一句都是兩三倍量的情況下，還需要重新斷句、拉時間軸，已經省下超多時間，不同人同時講話，也會有個空白隔開，可以說是 oneshot 就完成。

再來是字幕右側的數字，代表的是這句有幾個字，可以快速瀏覽一下是否要合併句子。顏色部分也會提示說偏快（藍）、太快（紅），讓你做其他後期的補錄或修正。

斷句處理

這部分雖然手工了點，但是因為前面的轉文字的好品質，讓這步驟比較像是「精修」，而不是過往的還在跟「粗胚」打架的型態，光是看到要改的東西不多，整個人心情就好起來了！！！

在快捷的編輯器上，感受到令老闆的剪輯經驗跟用心的細節，用快捷鍵點按處理，聽上下句的的切入跟銜接關係，真的比起我用滑鼠點來點去來的有效率許多！句子文字底下的藍色波浪，則是代表不確定轉譯的文字，點選後會顯示信心指數，方便檢索確認。

小結

Mmm 好想要用文字好好描述，但有些功能上的體驗細節，若沒有相關的操作經驗，我想是很難有相同的共鳴。以處理字幕這件事情來說，我經手的數量可能沒有他們的千分之一，都能在 what's sub 產品裡得到這麼好的體驗，那對於日日夜夜都在處理字卡、上字幕的剪輯師們，肯定有「啊！終於有人懂我」的強烈共鳴，恍如神兵利器落入我手的喜悅～

從這產品中也很強烈的感受到，在 AI 的幫助之下，難的不是你想怎麼做，而是你想做什麼。what's sub 也在這波 AI 開發浪潮中，證明了專業知識加上 vibe coding，足以打造一個能商業化的產品。

大概就是這樣啦～詳細的產品介紹，我想直接看本人拍攝的影片會更清楚，附上連結歡迎大家前去
觀看！