010. 先看重點｜這不是「AI 幫你上字幕」而已
壹加壹在影片 〈我花了半年 20 萬，終於做出這個可以自動上字幕的網站！〉 裡公開了 What'Sub，一個主打自動辨識、字幕編輯、斷句與個人詞庫的字幕網站。表面上，它是在解決「影片上字幕很花時間」這件事；更深一層看，它其實是一個創作者把自己十年工作流產品化的案例。
影片裡最值得注意的，不是「現在又有一個自動上字幕工具」。自動轉錄已經不是新鮮事，真正難的是：辨識完之後，創作者要怎麼快速修字、斷句、合併、搜尋、建立常用詞，最後把字幕變成可以直接上片的狀態。
這也是 What'Sub 的切入點。壹加壹說，過去一支 30 分鐘影片，可能要花一天打字、上字幕、修改。問題不只在「字有沒有聽對」，還包括字幕出現時間觀眾讀不讀得完、每句字數要怎麼切、台灣用語與品牌名稱會不會被寫錯、同一個錯字能不能一次處理。
所以這支影片更像一份產品拆解：一個痛點夠深的人，如何把自己的操作習慣、品質標準與例外狀況，整理成可以給別人用的工具。
021. 辨識只是門票｜字幕工具第一關是讓人願意相信
壹加壹在正式介紹功能前，先做了兩段辨識測試。第一段是已經剪好的影片檔，裡面有音樂、音效與正式成片的混音；他直接丟進 What'Sub，影片裡顯示總共耗時 49 秒，斷成 270 句。第二段是現場用手機錄一段口語對話，再讓系統辨識，示範結果是 51 句、28 秒。
這個順序很合理。字幕工具如果辨識能力不行，後面介面再漂亮也很難救。使用者第一個問題一定是：我丟一段真實素材進去，它會不會產出一份「值得修」的草稿？
影片裡也刻意選了比較真實的場景。不是乾淨錄音室裡一個人慢慢念稿，而是正式影片、手機錄音、口語停頓、台灣用語，以及「ㄢㄤ不分」這種辨識容易出錯的細節。壹加壹沒有把結果講成完美無瑕，而是說現場測試大概抓到五個錯漏，但斷句表現不錯。
這裡有一個產品判斷：AI 工具不一定要把第一版做到零錯，才有價值。更實際的門檻是，第一版草稿能不能把使用者從「從零開始打字」推進到「快速校稿」。只要錯誤集中、可搜尋、可批次修，整體工時就會下降。
影片也提到，上傳檔案時網站只截取聲音，影片本身留在使用者電腦裡。這個設計說明 What'Sub 知道創作者會在意素材隱私與上傳負擔。對字幕工具來說，技術能力和信任感是綁在一起的：辨識要準，流程也要讓人放心把素材丟進去。
032. 真正產品力在編輯｜把修字幕變成連續手勢
辨識之後，What'Sub 的主戰場其實是編輯區。影片示範的操作都很小：雙擊文字修改、按 Enter 斷句、按刪除鍵合併、按 Tab 跳到下一行、用滑鼠直接點要修的位置。這些不是華麗功能，卻是高頻工作流的核心。
字幕編輯是一種密集的微操作。使用者不是偶爾改一個欄位，而是可能在幾百句字幕裡反覆看、聽、切、併、修。如果每一次操作都要開選單、移滑鼠、確認彈窗，AI 省下來的時間很快會被介面吃掉。
因此，What'Sub 把重點放在鍵盤與直接操作：句子要拆，就在位置上斷開；句子要合，就把兩行接回來；要移動，就用 Tab 在行之間跳。這些設計看起來樸素，背後其實是創作者工作流的細節。
影片裡還示範了 Alt / Option 工具層。按下快捷鍵後，編輯區會顯示斷句點與合併箭頭，使用者可以直接在字和字之間切開，或把時間軸中間的段落接回去。這種設計的好處是，平常畫面保持乾淨，需要精修時才把工具浮出來。
對產品來說，這比單純「AI 產生字幕」更有防禦性。轉錄模型會進步，大家都能接 API；但一套讓專業使用者修得很快、修得很少分心的編輯介面，會累積成使用習慣。工具最後留下來的原因，往往不是第一次輸出有多神，而是第 200 次修改時還順不順手。
043. 詞庫讓工具有複利｜每次修正都應該改善下一次
What'Sub 另一個關鍵功能是個人詞庫。影片裡舉的例子包括「壹加壹」常被寫成一般的一加一，YouTube 的大小寫，或某些特定品牌名、頻道名、口頭禪。使用者修正後，可以把詞加入詞庫，讓下一次辨識時優先套用。
這是字幕工具從「一次性 AI 輸出」變成「長期工作環境」的分界。沒有詞庫時，每支影片都像重新開始。模型可能每次都把同一個人名、品牌名或頻道名聽錯，使用者也只能一次次手動修。久了之後，人會覺得不是 AI 不夠聰明，而是工具不記得自己是誰。
有了詞庫，修正就變成投資。今天把「壹加壹」加入詞庫，不只是修好這一支影片，而是改善下一支、下下支影片。對固定創作者尤其重要，因為頻道名稱、人物暱稱、品牌合作、節目單元、口頭禪會反覆出現。
這也是「越用越聰明」比較務實的版本。它不是說系統神祕地學會所有語境，而是把使用者確認過的修正保存下來，在合適的位置重新利用。這種學習迴路可解釋、可控制，也比較容易取得使用者信任。
如果把它放到更大的 AI 產品脈絡，詞庫其實是一種輕量 memory。它不需要理解使用者人生，只要記住和任務高度相關的專有名詞，就能明顯改善體驗。很多垂直 AI 工具的價值，可能都會長在這種非常具體的 memory 上。
054. 創作者工具怎麼成立｜痛點、品味與工作流要一起賣
壹加壹在影片裡說，這個網站花了半年、一個人開發，投入了 20 萬。這些數字是講者自己的說法，魚塘不把它當成外包估價標準，但它能說明一件事：從「我想省時間」到「別人也能用的網站」，中間不是接一個模型 API 就結束。
What'Sub 的產品價值至少有四層。第一層是痛點夠明確：上字幕很慢，而且幾乎每支影片都會遇到。第二層是領域品味：什麼叫好的斷句、每句幾個字、觀眾讀不讀得完，這些不是通用模型自然知道的細節。第三層是工作流：辨識後怎麼修、怎麼搜、怎麼跳行、怎麼合併。第四層是學習迴路：個人詞庫讓工具逐漸貼近特定創作者。
這四層合在一起，才讓它像一個產品，而不是一個 demo。很多 AI 工具只做到第一層：把模型輸出包成網頁。但使用者真正願意留下來，通常是因為後三層：它懂我的工作標準、它讓我修得快、它下次記得我修過什麼。
從創作者經濟的角度看，這也很有意思。壹加壹不是從抽象市場分析出發，而是從自己的製作流程出發。這種產品常見風險是太個人化，只適合自己；但它的優勢是痛點密度很高，不會做出和現場脫節的功能。
What'Sub 最終能不能變成長期生意，還要看價格、穩定性、匯出格式、多人協作、不同剪輯軟體整合，以及和既有字幕工具的差異。但就這支公開影片而言，它已經示範了一個清楚方向：AI 創作者工具的競爭，不只是誰辨識最準，而是誰能把辨識後的整段工作流做得最少摩擦。
如果把這件事放回魚塘常看的 AI 產品問題，What'Sub 的啟發是：垂直工具的護城河不一定在模型本身，而在「模型輸出之後，人要怎麼把它變成可交付成果」。字幕如此，簡報、教案、報告、客服、銷售素材也一樣。AI 生成只是第一步；真正產品化，從使用者開始修改的那一刻才開始。