3: 字幕和配音

音频轨道不仅仅是时钟；它是等待发生的文本。Presentation 将其转录、翻译，并可以重新配音。

3.1: 转录

Whisper 将音频转录为定时段落，并自动检测源语言。结果是一个与音频时钟锁定的字幕轨道和一个可以下载的 SRT 文件。由于这些段落是定时的，它们也作为其他所有内容的支柱：配音和 AI 导演的工作都基于这些段落进行。

3.2: 翻译

从转录中，GPT 调用将字幕翻译成另一种语言，同时保留时间戳。每种语言都有自己的 SRT 文件和独立的轨道，播放器提供语言切换功能，以便观众在播放时选择他们的字幕。

3.3: AI 配音

字幕是阅读的；配音是听到的。Presentation 按句子对文本进行分组，并生成预设声音的 TTS 叙述，放回文本时间线中而不在句中切断。配音作为音频的语言替代附加，因此同一 Presentation 可以以原始声音或配音播放。

3.4: 语言选择无处不在

语言不仅仅是音频。每个媒体项目可以携带每种类型的语言替代品：每种语言不同的图像、不同的视频或不同的字幕。播放器的语言切换功能会同时切换音频、字幕和每个项目的替代品，因此一个展示是真正的多语言，而不是每种语言一个展示。