AI 分析
痛点:视频字幕转录错误多、不同屏幕比例下排版需手动修正,耗时且容易漏错。
目标用户:视频制作团队、营销团队(如把邮件做成个性化视频的公司)、内容创作者。
证据:Video captions cost us manual work twice: fixing misheard words, then fixing layout... Sure, the cost is higher because we use up to 3 different STT models + an LLM, but it still removes mistakes... For us it's worth it.
变现:托管SaaS订阅(按视频分钟数或席位收费)、转录纠错API、企业私有部署版。
MVP:基于开源Overtone封装一个网页:上传视频→多STT模型转录+LLM交叉纠错→按16:9/9:16规则切分字幕→导出SRT或烧录,2周可完成。
竞品:Descript、Veed、CapCut、Rev、Whisper-based caption tools
摘要:Lont团队因制作个性化视频时字幕修正耗时,推出开源工具Overtone,用gpt-transcribe、Azure STT、Elevenlabs Scribe三个模型加LLM交叉校验降低WER,并按屏幕比例规则切分字幕。作者称成本更高但值得,但帖子仅10分0评论,外部需求尚未验证。