更快拿到首批片段:两遍转写
先用一遍快速转写整段视频来挑选片段,再只对选中的片段做一遍精确转写。在我们用 13 种语言、15 个视频做的测试中,片段选定大约快了 3 倍,98% 的情况下字幕完全一致。尚未上线:每 5 个片段中仍有 1 个识别出的说话人更少,这会影响分屏布局。
Katto 把长视频变成带评分、带字幕的竖版短片。这里是我们已经上线的内容和接下来要做的事:从 AI 字幕和智能重构图,到配音、4K 导出和公开 API。
为接下来的功能投票 →先用一遍快速转写整段视频来挑选片段,再只对选中的片段做一遍精确转写。在我们用 13 种语言、15 个视频做的测试中,片段选定大约快了 3 倍,98% 的情况下字幕完全一致。尚未上线:每 5 个片段中仍有 1 个识别出的说话人更少,这会影响分屏布局。
正在为 Studio 方案准备:源视频本身是竖屏 4K 时输出原生 4K,片段经过放大时会清楚标注。从横屏视频裁出的 9:16 画面真实像素更少,我们会在每个片段上说明。
部分放在直播画面角落的大尺寸摄像头没有被识别,片段会跟随主播,而不是把游戏画面叠放在摄像头上方。我们正在用真实直播测试修复,前提是播客和脱口秀不受影响。
Katto 已提交到 Anthropic 的连接器目录和 ChatGPT 插件目录,均在审核中。在此之前,可以在两者中把它作为自定义连接器使用:添加 https://mcp.katto.tech/mcp 并登录。
重写的重构图引擎在浏览器实时预览和最终导出中呈现完全相同的画面:所见即所得,渲染完成后不会有意外。
给每个镜头单独的构图:全屏人脸跟随、广角、分屏、游戏画面加摄像头上下叠放,或 3 到 4 人的网格,而不是整条片子只用一种版式。
点击视频,拖动带四角控制点的裁切框,平移、缩放并调整任意镜头的构图,框外仍能看到原始画面作为参照。
在分屏里安排每位说话人,在叠放版式里摆放游戏画面和摄像头,或者把最多四个人排进网格,全部通过拖动各个区域完成。
更清爽、更快的编辑器:独立的视频面板、深色时间线轨道、可拖动的缩放滑块和应用更改的流程,打磨到像一个真正的剪辑工具。
用跟随速度和死区滑块,细调自动重构图的镜头如何跟随你的主体。
当原视频已经压制了字幕时,Katto 的字幕会叠加在上面。Katto 将识别这类字幕,并提供关闭或移动自身字幕的选项。
为每期节目的每位嘉宾准备一个私密页面:他们的精彩片段、可直接发布的文案,以及无需账号的下载。
面向短剧和解说视频的视频类型:以悬念结尾的片段、标注出的反转与揭秘,以及可选的加速版本。
根据讲话内容生成一段简短的配图镜头并插入片段,始终标注为 AI 生成。
勾选你高亮过的段落,选好画面比例,Katto 就会把它们剪成独立的片段,不用回到原视频。
把原视频的另一个瞬间拉进你正在编辑的片段,而不是重新开一个。
用当前镜头生成的小预览来选择分屏、网格或叠放,而不是读一串名称。
你手动画出的裁切框,以及拖动过的分格、单元和条带,都会绑定在设置它们的那个镜头上,刷新页面也不会丢。
用作插入素材的横版图片或视频会用模糊背景填满画面,而不是生硬的黑边。
把上传的文件从存储里删掉,而不只是从编辑器的列表里移除。
片段的每个镜头、它的时间范围和构图,都在侧边栏里,而不是盖在预览上的菜单里。
把字幕、标志、片头和配色保存一次,之后自动套用到每一条新片段。
预览里可见的安全区,让字幕和人脸在任何平台上都不会被裁掉。
逐词字幕、插入素材和音频,都放在真正可编辑的轨道上。
镜头之间干净的淡入淡出、叠化和缩放转场。
几秒钟生成让人想点的 YouTube 和竖版封面图。
上传并在字幕里使用你自己的品牌字体。
为团队和代理机构提供席位、共享项目和共用品牌包。