CaptionX 推出 Clips，将长视频和播客转成可发布短片

CaptionX 推出 Clips，可从最长三小时的视频或播客中提取完整、可独立发布的短片，并按相对质量排序。该功能仅依据带逐词时间戳的转录文本判断内容，不分析视频画面或音频波形；生成和预览免费，用户只为最终保留的短片付费。Clips 现已在 Adobe Premiere 内及浏览器中提供。

系统首先以规则将转录文本划分为完整句子，终止标点、约 0.75 秒的停顿或长度上限均可触发分句，同时标记因说话者换气而形成的虚假结尾。模型接收编号句子列表，为每段候选短片返回连续的起止句及一个承载吸引点的“峰值”句，而不直接返回时间戳；随后由独立的确定性引擎校验边界，拒绝从半句开始或以无实质内容的“yeah”结束，最后才从所选词语的真实时间戳换算成秒。

候选短片按吸引点、回报感、独立完整性、情绪、可引用性和节奏六个维度评分，再由代码确定排序。CaptionX 将分数定义为同一视频内的相对质量指标，而非播放量或传播潜力预测。

处理长文件时，浏览器分片读取文件，仅提取压缩音频并在本地重新编码为较小的语音级文件；两小时视频约生成 30MB 音频。转录文本按相互重叠的 10 分钟窗口分析，每隔八分钟滑动一次并行运行，因此厂商称三小时播客可在数十秒内完成。公司表示，生成的短片通常有 20%至40%会被用户舍弃。