01
逐字稿删词路径跑通
界面识别出 Remove fillers (3)。一键标记 3 个填充词后，再手动选中 6 个 false-start 词，共形成 9 个删词标记和 4 段 cut ranges，编辑状态时长变为 27.6 秒。
独立实测·部分用成实测日期 2026-07-29
按逐字稿剪视频
不会剪时间线，能不能像删文字一样剪掉口误？
在 Rescript 官方仓库 exact commit 的本地构建中，一段 30.77 秒自制英文样片通过逐字稿标记了 3 个填充词和 6 个 false-start 词，形成 4 段 cut ranges，并导出 27.64 秒 MP4。项目恢复和缓存后断网复导成功，但全新离线转写失败，导出内容仍必须人工复听。
- 原片
- 30.77s
- 标记删词
- 9
- 导出成片
- 27.64s
- 文件体积
- 2.237×
1280×720 / 30fps
4 cut ranges
观察到 ≤5.1s
相对原文件
独立实测·部分用成EXACT-COMMIT 本地构建 · 63fa992线上 GitHub Pages 未实测
同一份样片：从 30.77 秒逐字稿到 27.6 秒编辑状态
左图是 Whisper Base 转写完成后的原始状态；右图是一键标记 3 个填充词、再手动选中 6 个 false-start 词后的界面。两图证明编辑状态和 cut ranges 已发生变化，不单独证明每个词已从声音中完整消失。
删词前：原始逐字稿原始状态
标记后界面：4 处剪切标记后界面
使用同一个 Whisper Base 对导出文件再次转写时，3 个位置仍被识别为 “Ah”，并且 “Actually” 仍出现。前后由同一个模型判断，结果不独立，不能据此证明导出音频变差、自动删词失败或转写准确率；它只说明导出后必须人工复听删词位置。
- 界面标记删词
- 9
- 导出成片时长
- 27.64s
- 导出文件体积
- 2.237×
4 段 cut ranges
原片 30.77s
相对原文件
02 / 这次到底跑通了什么
把可确认的结果和仍需确认的结果分开
截图、媒体参数和恢复测试可以证明流程走到了哪里；它们不能替代你对成片的逐处复听。
02
MP4 导出可解码，但文件更大
观察到导出在 5.1 秒内完成。成片为 27.64 秒、1280×720、30fps 的 H.264/AAC MP4，可完整解码且未见可见水印；文件为 10,338,087 bytes，是原文件的 2.237 倍。
03
当前项目可恢复，缓存后可断网复导
刷新页面后项目仍在；模型与项目已缓存时，断网复导在 2.452 秒完成。但全新离线转写失败，因此不能写成“第一次打开就能完全离线使用”。
测试版本边界
本次只测试从官方仓库 commit 63fa992272d69e4fc3cf6a5ce49ca658cbafde89 构建的本地版本。没有在 GitHub Pages 线上版本上传素材或执行任务。 线上 GitHub Pages 未实测；不能把本地结果直接视为线上版本结果。
03 / 成片证据
导出了什么，也看导出改变了什么
本次 MP4 可完整解码、未见可见水印，但音频被重新编码为 AAC 22050 Hz mono，文件体积变成原文件的 2.237 倍。
04 / 必须人工复听
同模型复转写只是一条人工复听警告
使用同一个 Whisper Base 对导出文件再次转写时，3 个位置仍被识别为 “Ah”，并且 “Actually” 仍出现。前后由同一个模型判断，结果不独立，不能据此证明导出音频变差、自动删词失败或转写准确率；它只说明导出后必须人工复听删词位置。
不要把这张图解读为“自动删词失败”，也不要解读为“自动删词准确”。前后都由 Whisper Base 判断，因此只能把它当作需要人工复听的风险信号。
05 / 适不适合你
先按自己的任务条件判断
这次结果支持一个很窄的使用场景，不支持把它泛化为所有语言、时长和交付要求。
可以先试
- 有一段较短、无敏感内容的英文讲解、播客或采访，想先用逐字稿定位口误和停顿。
- 可以使用最新版 Chrome 或 Edge、等待首次模型下载，并在导出后逐处人工复听。
- 接受输出可能重新编码、文件变大，并会保留原素材做对照。
这次结果还不适合
- 第一次断网打开就必须完成转写，或不能预先下载约 200 MB / 600 MB 模型及辅助模型。
- 需要已经验证的中文、多人长视频、精确无损音频或批量生产路径。
- 不能接受人工复听，或必须把自动填充词删除当作无需检查的最终结果。
06 / 宣传里容易被忽略的限制
这些结论现在不能扩大
只测试 30.77 秒自制英文样片；没有测试中文、长视频、多人对话、复杂背景声或真实会议。
缓存后断网复导成功不等于首次完全离线，也不等于已经完成媒体网络请求审计。
未见可见水印只适用于这一次导出；没有验证所有格式、设置或未来版本。
导出音频为 AAC 22050 Hz mono，文件体积为原文件 2.237 倍；没有完成独立听感、音质或同步精度测量。
README 写明 MIT，但 exact-commit checkout 中没有 LICENSE 文件；同时使用标记为 GPL-2.0-or-later 的 @ffmpeg/core-mt，整体许可边界仍需确认。
07 / 最低成本尝试
用非敏感短片做一次最小测试
不要先上传会议、客户或未公开素材。用一段可以删除的 20–30 秒自制短片，主动说一个填充词和一句可删除的 false start。
- 01
记录实际 commit 或线上版本、浏览器、模型名、首次下载时间和网络状态。
- 02
只删一个填充词和一句 false start，确认界面产生对应 cut ranges。
- 03
导出后从头播放，重点复听每个删词位置；不要用同一个转写模型代替人工复听。
- 04
对比时长、分辨率、音频参数、文件大小、同步、水印和项目刷新恢复；任一关键项不可接受就停止。
公开线上版本还没有经过这次独立实测
打开 Rescript 公开页面如果你仍要尝试，只用自己制作、可以删除的非敏感短片；先完成上面的最小测试，不要从会议、客户或未公开素材开始。
08 / 原始资料
回到仓库、固定 commit 和公开发布页
产品方表述、BitShovel 的本地实测与仍未确认的事项已分开书写。点击可回到原始页面自行复核。