录完一段视频，最难熬的不是拍摄，是后期剪辑。口误、停顿、反复说的废话片段，真正有用的内容，可能只占录制时长的六七成。
剩下那些，得一段一段找，一刀一刀剪，在时间轴上来来回回拖。素材稍微多一点，一下午就这么没了。
正好最近，我在 GitHub 上发现了一个项目：FlyCut Caption，专门用来解决这件事。
FlyCut Caption 是什么
思路很直接：先让 AI 把视频里的语音全部转成字幕，再逐条勾选哪些片段要删掉，最后一键导出裁剪后的视频。
「找废话」这件事，从逐帧拖动变成了逐行阅读，省下来的时间感受很明显。
AI识别语音
勾选删除片段
保护数据隐私
开源无收费
上传视频，AI自动生成字幕
把视频文件拖进界面，进入 ASR 配置页面，选好识别语言，点击开始识别。
底层用的是 Whisper 模型，支持中文、英文等多种语言。时间戳精确到字级别，识别结果比想象中细。
识别过程跑在 Web Worker 后台，不卡界面，等进度条走完，带时间戳的字幕列表就出来了。
勾选要删的片段，实时预览效果
字幕生成之后，进入编辑界面。
哪段说错了、哪段在磨嘴皮子，直接在列表里勾掉。支持批量选择，全选、反选都有。
每条字幕点一下，视频就跳到对应时间点，确认一下再删，比较踏实。
预览模式会自动跳过标记删除的片段，还没导出就能先看最终效果。改了后悔也没关系，撤销重做都支持。
字幕样式与导出
剪完之后，可以给视频烧录字幕，字体大小、颜色、显示位置都能调，所见即所得。
导出时选好质量与格式，视频只保留未删除的片段。字幕也可以同步导出成 SRT 或 JSON 格式备用。
💡 隐私安全亮点
整个处理流程，AI 识别和视频裁剪，全在浏览器本地完成。
Whisper 模型跑在 Transformers.js 上，视频处理用的是 WebAV，不需要把文件上传到任何服务器。
对于商业素材这类对数据有要求的场景，这一点算是额外的保障。
本地部署教程
环境要求是 Node.js 18+ 和 pnpm，四步跑起来：
第一步：克隆项目
git clone https://github.com/x007xyz/flycut-caption.git cd flycut-caption
第二步：安装依赖
pnpm install
第三步：启动开发服务器
pnpm dev
启动后访问 http://localhost:5173 即可。
只想体验一下的话，也可以直接访问作者部署好的演示站点，省去本地搭建的步骤。
总结
视频创作里，最消耗精力的那部分，往往不是想法本身，而是把想法「整理干净」的过程。
FlyCut Caption 做的事不复杂，就是把「找废话、剪废话」这个环节，从体力活变成了扫一眼的事。
经常录制教程、做分享内容的朋友，可以试试看。