很好，很强大！这就是理想中应该有的，理念非常好，效果也不错。
就是他这里的很多环节是需要money支持的。而我实现的，是完全免费的方案。
此外，根据我的实践，whisper及所有语音识别，目前其准确度并非完美，特别是长视频（whisper胡言乱语还是挺常见的），以及科技类的视频（很多话语中间杂着很多代码之类、说话断断续续，有时即使程序已经完美识别语言，但若纯粹只看文本，很可能还是一头雾水完全不能理解，因为需要对照视频内容，才知道在说什么，难以按日常语言来理顺）。此时，如果我们的要求比较高，程序就得支持人工参与编辑修改，而对于人工+AI的交叉参与，程序要想完美实现让普通用户无障碍使用还是挺有难度的。我是取巧一点，毕竟自己写的程序，在其中设置一些类似匹配容忍度的参数，这样遇到简单的修订就可以调试适应新的情况。