只补拍说错的一句
口播视频说错一句时，在转写稿里改字并补录声音，只修复附近几秒，无需整段重拍。
讲师录完课程、创作者拍完口播或销售录完产品介绍后，常会因为一句口误面临整段重拍。用户把自己拥有使用权的视频导入后，先在转写稿中点选说错的句子，再输入替换文本，或补录一小段声音。产品会圈出预计改动的几秒钟，用户确认范围后才开始生成。
系统只处理口误附近的人脸、嘴型和语音衔接，镜头中的背景、衣物和其余画面保持原有像素。预览页提供原片与补丁版的来回切换，用户可以检查口型、停顿、光线和呼吸节奏是否自然。若替换文字过长，时间轴会明确显示需要删减原句、补录音频或接受更长停顿，而不会悄悄拉伸整段画面。
首个版本服务于单人正脸口播，处理长度限制在一句话附近，并要求上传者确认拥有视频中人物的编辑授权。它不用于重写整段采访或替换他人说过的话。导出文件附带修改区段清单，方便团队复核，也让创作者只补掉那句失误，不必重来整场拍摄。
为什么是现在
截至 7 月 31 日观察时，CraftStory 位于 Product Hunt 新品流第 8 位。它主打写实口播与精准口型同步，使“只修一句、不重拍整段”成为用户容易联想到的相邻需求。S1
目标用户
核心用户是独立讲师、知识型创作者、产品营销和销售团队。他们往往在长段口播录完、剪辑接近交付时，才发现一个名称、数字或措辞说错。此时重搭灯光、机位和妆造很费事，硬切又会留下明显跳点。若只需修正一句，他们更愿意为可复核的局部补丁付费。
最小切入点
导入后先由语音识别生成带时间码的转写稿，用户点选原句并校正边界。前后各留一段可调缓冲，预览中明确标出补丁范围。声音优先接受本人补录；文字转语音仅在完成声权确认后开放。口型层可调用 Sync API，将原视频片段和替换音频提交生成；其接口支持视频与音频输入，也支持定义分段。S3 输出只取嘴部附近的生成画面，再用人脸跟踪遮罩合回原帧。FFmpeg 可负责裁切、叠加和音视频封装。S4 首版限制单人正脸、固定镜头和一句话长度，不处理侧脸、遮挡及多人抢话。
以小博大
第一批用户可从 YouTube 教程作者、课程讲师和独立产品创始人中寻找。在创作者社群征集真实口误片段，取得授权后制作原片与补丁版对照。内容分发围绕“修一个产品名”“更新一句价格说明”等具体案例。每个预览页提供可分享的对照链接，让讲师交给编辑或同事复核，也自然进入团队采购流程。
竞品与缝隙
- Descript Video RegenerateGoogle
- Descript 的 Video Regenerate 已能在转写稿中改词，并生成匹配原声的语音和嘴部动作。它明确适合修正单词或短语，也强调无需重录。S2 这与本方案正面重叠，意味着“改字修口误”本身没有差异。公开说明更强调成片无缝，没有把“其余像素保持原样”作为用户可验证的承诺。它也未突出补丁范围确认、原片来回对照和逐段修改清单。可争取的缝隙是更窄的授权流程、像素复核和团队审计。还可把本人补录设为默认，减少声音克隆带来的顾虑。若这些证据无法稳定导出，用户没有理由从成熟编辑器迁移。
- 重录、跳剪与 B-roll 遮挡Google
- 常见做法是重录整句，再用跳剪、B-roll、字幕或画面放大遮住接点。它不依赖生成模型，编辑者能直接掌控结果，敏感内容也更容易通过内部审核。代价是恢复机位、光线、服装和声音状态。录制结束后才发现口误时，这条链路尤其麻烦。若只补录音频，嘴型不匹配仍会暴露修补。本方案的缝隙是把重录成本压缩到一句，并保留原画面的大部分内容。可它必须证明补丁比一次跳剪更自然，否则专业编辑仍会选择熟悉流程。对镜头晃动、侧脸或遮挡素材，传统遮挡法甚至可能更可靠。因此失败回退应能直接导出音频补丁或剪辑点。
怎么赚钱
按实际生成的补丁时长收费，预览不扣额度，确认导出后再结算。团队版提供共享额度、授权记录和修改清单归档。
反方视角
人脸补丁一旦出现牙齿闪烁、边缘漂移或声画错位，观众会比普通跳剪更快察觉。为了修好几秒，系统仍要完成转写、对齐、声音替换、人脸跟踪、生成和合成。任一步失败都会要求重跑。本人补录能降低声音授权压力，却会引入麦克风和房间声不一致。文本生成声音更省事，却需要严格的身份验证和撤回机制。修改清单还要真实反映每次生成范围，否则团队复核只是形式。若高质量补丁的成功率不稳定，客服、退款和人工排查会吞掉按秒收入。