Rescript: 一個開源的、基於瀏覽器的 Descript 替代方案
Rescript: 一個開源的、基於瀏覽器的 Descript 替代方案
Rescript 是一個開源的、基於逐字稿的視頻編輯器，使用戶能夠像編輯文字文件一樣編輯視頻文件。通過刪除生成的逐字稿中的單詞，對應的視頻片段會自動被剪切，提供一種完全在設備上、在瀏覽器內運行的精簡工作流程。
本地處理與隱私
Rescript 預設設計為私密，確保媒體和逐字稿永不離開使用者的設備。不需要任何服務器端處理、身份驗證或文件上傳。
雖然 AI 模型（約 90 MB）會在首次轉錄時從 Hugging Face Hub 下載並緩存於瀏覽器存儲中，但所有後續操作——包括轉錄、編輯和導出——均可在無網路連接的情況下運行。應用程式僅會對外發出一個請求，即透過 Google Analytics 進行匿名頁面分析，當使用者離線時此請求會靜默失敗。
關鍵技術特性
Rescript 提供了一套用於基於文字的視頻操作和自動清理的工具：
- 單詞級編輯： 使用者可以選擇特定單詞並按下退格鍵來移除視頻中對應的片段。
- 填充詞移除： 一鍵功能可識別並移除常見的填充詞，例如 "um" 和 "uh"。
- 逐字模式： 此模式會提示轉錄引擎在逐字稿中保留填充詞，以便手動編輯。
- 說話者分離： 逐字稿會自動按說話者分組，以組織對話。
- 實時預覽： 播放引擎會在實時跳過已剪切的區域，從而允許即時檢閱編輯。
- 瀏覽器內導出： 應用程式使用
ffmpeg.wasm在本地執行幀準確的 MP4 渲染。
技術棧
| 組件 | 技術 |
|---|---|
| 框架 | Next.js, React, TypeScript, Tailwind |
| 轉錄 | transformers.js running whisper-base_timestamped (WebGPU with WASM fallback) in a Web Worker |
| 說話者標籤 | pyannote-segmentation-3.0 (ONNX) |
| 媒體處理 | Multi-threaded ffmpeg.wasm for audio extraction and export |
| 狀態管理 | zustand |
編輯工作流程是如何運作的
應用程式透過四個階段的管道處理視頻：
- 提取：
ffmpeg.wasm將音軌解碼為單聲道 16 kHz PCM。 - 轉錄： Whisper 在 Web Worker 中運行，帶有 `return_timestamps: