99 种语言的字幕，以及没人印出来的那条说明
短视频多数是在静音状态下被看完的，所以字幕不是装饰：对相当一部分观众而言，它就是声音。Katto 会自动把字幕压进画面。这一页也会说明技术在哪里停下，因为那正是你选定工具之后才会发现的部分。
转写由 Whisper large-v3 负责，所以你这期节目的语言几乎肯定被覆盖。
拥有强制对齐模型的语言。只有这 41 种，字幕才能准确高亮正在说出的那个词。
有名字的预设，其中 16 种在免费方案中可用。编辑器里的预览与导出使用同一个渲染器。
不只是列在菜单里，而是真的装在渲染的机器上。机器上没有的字体会被悄悄替换。
99 种语言，其中 41 种逐词对齐
这是两件不同的事，多数对比文章把它们压成了一个数字。转写把语音变成文字，在 99 种语言上都能用。对齐把每个词放到时间轴上，而这需要每种语言各有一个模型。我们有 41 个。在其余 58 种语言里，你的字幕依然准确、可读，只是按行出现，而不是逐词亮起。
我们写明这个划分，是因为逐词高亮恰恰就是人们说「动态字幕」时想到的效果。一个工具若宣称它支持的每种语言都能逐词对齐，它其实是在讲转写的覆盖范围，把剩下的留给你去假设。
这个想法本身失效的地方
日语、泰语和中文书写时不分词，因此根本不存在可供对齐的词边界。无论用谁的模型，逐词对齐在这些语言里都只是一个模糊概念，字幕改为按字符或按短语对齐。这不是我们实现上的缺口，而是诚实的上限，宣称相反的人没有在这些文字上试过。
预览就是渲染器
字幕被压进视频，而不是作为单独轨道附带，因此它能挺过重新上传，也能在忽略字幕文件的平台上留存。这让预览成为一种承诺：你在编辑器里排好的样子，连同字体一起被压进去。选择器里的 48 款字体是装在渲染机器上的，不只是列出来，因为只存在于菜单里的字体会被悄悄替换，而你要到导出时才发现。
修掉转写听错的地方
专有名词是转写最先出问题的地方，也恰恰是观众最先注意到的词。在你打开片段之前，会有一轮针对人名和生僻术语的校正；它漏掉的部分，可以在转写面板里逐词修改。这些修改会直接进入字幕，所以一个名字只用改一次，而不是每个片段改一次。
常见问题
转写和对齐是两件事。全部 99 种语言都会得到准确的文字。其中 41 种还拥有把每个词放上时间轴的对齐模型。其余 58 种按句对齐，因此字幕按行出现，而不是高亮正在说出的每一个词。
因为逐词高亮就是多数人说「动态字幕」时指的效果。如果一个工具宣称它支持的每种语言都能逐词对齐，那是在往上凑整，你用自己的语言一试就知道。
不分词书写的语言本来就没有可对齐的词边界，所以无论用什么模型，逐词对齐都是模糊概念。这些语言按字符或按短语对齐，这是诚实的上限，不是我们选择的限制。
是的。它被渲染进文件，因此能挺过重新上传，也能在忽略字幕轨道的平台上留存。编辑器预览之所以重要也是因为这个：你排好的样子就是被压进去的样子。
可以，在编辑器的转写面板里。通常问题出在专有名词，而它们在你看到之前就已被自动校正，所以手工这一遍通常很短。
51 种里的 16 种，其余 35 种在 Creator。免费这一组不是被阉割的试用，它覆盖了常见的外观，包括逐词高亮。
用你自己的语言试一下
免费方案包含 51 种样式中的 16 种，足够看出你这门语言的对齐是逐词还是按句。