Τεκμηρίωση Kaptiono
Όλα όσα χρειάζεσαι για δημιουργία, διόρθωση, χρονισμό, σχεδίαση και export AI υποτίτλων με το Kaptiono. Η τεκμηρίωση αφορά το τρέχον production workflow της v1.0.3.
Δοκίμασε διαφορετική λέξη ή άνοιξε το μενού θεμάτων.
Τι κάνει το Kaptiono
Το Kaptiono είναι generator και editor AI υποτίτλων που λειτουργεί μέσα στον browser και έχει σχεδιαστεί για creators. Ανοίγεις video από τη συσκευή σου, κάνεις απομαγνητοφώνηση με Local Whisper ή προαιρετικό Cloud High Accuracy, διορθώνεις κείμενο και timing, σχεδιάζεις τους υπότιτλους και κάνεις export χωρίς Kaptiono watermark.
Το original video παραμένει στη συσκευή σου. Με Local Whisper παραμένει τοπικά και το audio της απομαγνητοφώνησης.
Local για privacy και ανεξαρτησία από Cloud, Cloud High Accuracy όταν προέχει η μέγιστη ακρίβεια.
Διόρθωση κειμένου και timing, τυπογραφία, χρώματα, θέση, animation, box, outline και άλλα controls.
Λήψη SRT, TXT ή τοπικά rendered video με burned-in captions.
Γρήγορη έναρξη
Άνοιξε MP4, MOV, M4V ή WebM από τη συσκευή σου. Το αρχείο χρησιμοποιείται απευθείας από τον browser.
Το Whisper Small είναι το προτεινόμενο Local model. Υπάρχουν επίσης Base, Tiny και Cloud High Accuracy. Η ρητή επιλογή γλώσσας βοηθά ιδιαίτερα στα μικρά clips.
Το Kaptiono εξάγει audio, τρέχει transcription και δημιουργεί caption groups με word timing.
Διόρθωσε ορθογραφικά στο caption list. Άλλαξε Start/End ή χρησιμοποίησε το timeline όταν ένας υπότιτλος δεν συγχρονίζεται σωστά.
Χρησιμοποίησε το Caption Studio και μετά κατέβασε SRT, TXT, Social Compatible MP4 ή Fast Export, ανάλογα με τον browser.
Από τη v1.0.2 το διορθωμένο caption text συγχρονίζεται στο ενεργό transcript. Στη v1.0.3 προστατεύονται και οι χειροκίνητες αλλαγές timing, ώστε αλλαγές design να μην επαναφέρουν σιωπηλά το αρχικό αποτέλεσμα του Whisper.
Local AI και Cloud High Accuracy
| Mode | Processing | Privacy | Ιδανικό για |
|---|---|---|---|
| Local AI | Το Whisper τρέχει στον browser μέσω WASM. | Video και audio transcription μένουν στη συσκευή. | Privacy, επαναλαμβανόμενη χρήση, ανεξαρτησία από Cloud. |
| Cloud High Accuracy | Το extracted audio στέλνεται στο Kaptiono Cloud transcription endpoint με Whisper Large v3 Turbo. | Το original video δεν ανεβαίνει. Στέλνεται μόνο το audio που απαιτείται για transcription. | Μέγιστη ακρίβεια όταν υπάρχει διαθέσιμη Cloud χωρητικότητα. |
Το Cloud High Accuracy εξαρτάται από σύνδεση και διαθέσιμο compute quota. Όταν δεν είναι διαθέσιμο, το Kaptiono μπορεί να επιστρέψει σε Local model χωρίς να μπλοκάρει το βασικό workflow.
Models και γλώσσα ομιλίας
Πρώτη Local χρήση
Τα Local models κατεβαίνουν από τον browser πριν από την πρώτη χρήση και μπορούν να αποθηκευτούν στην browser cache. Το Kaptiono δείχνει το μέγεθος του model πριν το download και μπορεί να προτείνει μικρότερο Local model ή Cloud.
Επιλογή γλώσσας
Χρησιμοποίησε Auto Detect για άγνωστη ή μικτή ομιλία. Σε σύντομα clips, η ρητή επιλογή της πραγματικής γλώσσας μπορεί να βελτιώσει αισθητά την αναγνώριση. Η γλώσσα του interface είναι ανεξάρτητη από τη γλώσσα ομιλίας.
Μεγάλα videos και πιο αργοί υπολογιστές
Από τη v1.0.1 το Local transcription γίνεται σε chunks περίπου 30 δευτερολέπτων και δίνει progress μεταξύ των chunks. Το παλιό fixed timeout των 90 δευτερολέπτων αφαιρέθηκε, ώστε ένα πιο αργό σύστημα να συνεχίζει αντί να σταματά όσο το Whisper δουλεύει.
Διόρθωση generated κειμένου
Κάθε generated caption εμφανίζεται στο Text panel. Πάτησε μέσα στο κείμενο και κάνε τη διόρθωση απευθείας. Το Kaptiono αναπροσαρμόζει το word timing του συγκεκριμένου caption μέσα στο υπάρχον χρονικό του εύρος.
Caption Width, Max Words, Max Lines και pacing μπορούν να προκαλέσουν reflow. Από τη v1.0.2 το Kaptiono συγχρονίζει πρώτα τις χειροκίνητες διορθώσεις στο working source ώστε να μη χαθούν.
Διόρθωση χρόνου υποτίτλων
Η v1.0.3 προσθέτει δύο τρόπους για timing correction: ακριβή Start/End πεδία σε κάθε caption και draggable timeline κάτω από το video.
Start / End πεδία
Μπορείς να γράψεις τιμή όπως 0:03.250. Πάτησε Enter ή βγες από το πεδίο για αποθήκευση. Μη έγκυρες τιμές απορρίπτονται και επανέρχεται το προηγούμενο timing.
Timeline controls
Τα manually timed captions παίρνουν protected timing group. Μελλοντικό visual reflow μπορεί να οργανώσει τα υπόλοιπα captions, αλλά δεν αναιρεί σιωπηλά τη χειροκίνητη χρονική διόρθωση.
Design controls
Το Design panel καθορίζει την εμφάνιση και τη ροή των captions. Οι περισσότερες αλλαγές φαίνονται άμεσα στο live preview.
Font family, font size, letter spacing, scale, bold, italic και uppercase.
Text, active-word highlight, outline color/width, text opacity και background color.
Horizontal/vertical position, caption width, alignment και πλήρης περιστροφή.
Maximum words, maximum lines και Fast / Balanced / Relaxed pacing.
Animation, animation strength, fade timing και word-by-word highlight.
Shadow, background box opacity και box padding.
Controls που μπορούν να κάνουν reflow
Caption Width, Max Words, Max Lines και Caption Speed μπορούν να αλλάξουν τον τρόπο που ομαδοποιούνται οι λέξεις. Οι text corrections συγχρονίζονται πρώτα και στη v1.0.3 διατηρούνται και τα χειροκίνητα timing groups.
Λήψη αποτελέσματος
| Export | Τι παίρνεις | Σημειώσεις |
|---|---|---|
| SRT | Subtitle file με timestamps και το διορθωμένο caption text. | Για editors, players και πλατφόρμες που δέχονται εξωτερικούς υπότιτλους. |
| TXT | Καθαρό transcript. | Για copy, περιγραφές, notes και reuse. |
| Social Compatible | MP4 με H.264 video + AAC audio και burned-in captions. | Recommended για TikTok, Reels και Shorts όταν ο browser υποστηρίζει τα απαιτούμενα codecs. |
| Fast Export | Browser-native MediaRecorder export, συνήθως WebM σε Chromium. | Συνήθως γρηγορότερο, αλλά το format εξαρτάται από τον browser. |
Το video rendering γίνεται τοπικά. Το Kaptiono χρησιμοποιεί controlled MP4 pipeline για Social Compatible και browser MediaRecorder για Fast Export. Σε Safari/iPhone, το audio decode μπορεί να χρησιμοποιήσει bundled LibAV/FFmpeg WASM fallback όταν το native decode δεν αρκεί.
Το βασικό Kaptiono workflow δεν προσθέτει Kaptiono watermark στα video exports με captions.
PWA, storage και privacy
Εγκατάσταση Kaptiono
Σε Chromium browsers το Kaptiono χρησιμοποιεί το browser install prompt όταν το PWA είναι installable. Σε iPhone/iPad άνοιξε το Share menu του Safari και διάλεξε Add to Home Screen. Η επιτυχής εγκατάσταση καταγράφεται τοπικά ώστε να μην εμφανίζεται συνεχώς νέο prompt.
Updates
Το service worker εντοπίζει waiting έκδοση και εμφανίζει in-app update flow αντί να κάνει αναγκαστικό reload όσο δουλεύεις.
Διαχείριση δεδομένων
- Το original video μένει στη συσκευή.
- Με Local Whisper μένει τοπικά και το extracted audio.
- Το Cloud High Accuracy στέλνει μόνο το audio που χρειάζεται για transcription.
- Caption editing και video rendering παραμένουν local.
- Τα optional analytics ελέγχονται από το consent interface.
Συνηθισμένα προβλήματα
Το Local transcription αργεί
Δοκίμασε Whisper Base ή Tiny σε χαμηλότερης ισχύος συσκευές. Το Small δίνει καλύτερη Local ποιότητα αλλά χρειάζεται περισσότερη μνήμη και compute. Σε παλιότερο PC ένα μεγάλο transcription μπορεί να χρειαστεί αρκετά λεπτά. Από τη v1.0.1 δεν σταματά επειδή απλώς ένα Whisper chunk ξεπέρασε τα 90 δευτερόλεπτα.
Ο browser δυσκολεύεται με μεγάλο model
Κλείσε memory-heavy tabs, δοκίμασε Base/Tiny ή Cloud High Accuracy όταν είναι διαθέσιμο. Το mobile Safari μπορεί να έχει αυστηρότερα memory limits από desktop browsers.
Το Cloud High Accuracy δεν είναι διαθέσιμο
Μπορεί να οφείλεται σε σύνδεση ή Cloud quota. Συνέχισε με Small, Base ή Tiny. Το βασικό caption workflow έχει σχεδιαστεί ώστε να λειτουργεί και χωρίς Cloud.
Το video export δεν υποστηρίζεται
Δοκίμασε το άλλο export mode. Αν δεν μπορεί να ξεκινήσει το Social Compatible, ίσως λειτουργεί το Fast Export. SRT και TXT παραμένουν ασφαλή fallbacks επειδή δεν εξαρτώνται από video encoding support.
Το timing δεν είναι σωστό
Διόρθωσε Start/End ή χρησιμοποίησε το timeline της v1.0.3. Τα overlaps επισημαίνονται ώστε να τα ελέγξεις πριν το export.
Architecture και repository
Το Kaptiono είναι static browser application. Το βασικό UI/editing logic βρίσκεται στο app.js, το Local Whisper στο whisper-worker.js, το service worker στο sw.js, ενώ το video/audio handling χρησιμοποιεί Mediabunny και bundled LibAV/FFmpeg WASM fallback για συγκεκριμένες περιπτώσεις audio decoding στον Safari.
/ app.js
/ whisper-worker.js
/ sw.js
/docs/ public documentation + project docs
/docs/legal/ license and third-party compliance notes
/docs/releases/ release notes
Το deployment είναι σχεδιασμένο για GitHub Pages/custom-domain static hosting. Δες τα deployment και legal αρχεία του repository για operational λεπτομέρειες. Ο first-party κώδικας είναι source-available σύμφωνα με την άδεια του project, ενώ τα third-party components διατηρούν τις δικές τους άδειες.
Πρόσφατες εκδόσεις
| Έκδοση | Κύρια αλλαγή |
|---|---|
| v1.0.3 | Χειροκίνητο Start/End timing, draggable/resizable caption timeline, zoom, seek και overlap warnings. Τα timing edits διατηρούνται μετά από design changes. |
| v1.0.2 | Οι χειροκίνητες διορθώσεις caption text παραμένουν όταν design controls προκαλούν reflow. |
| v1.0.1 | Chunked Local Whisper processing και adaptive watchdog για μεγαλύτερα transcription σε πιο αργές συσκευές. |
| v1.0.0 | Stable Local/Cloud caption workflow, Caption Studio, exports, PWA update flow και privacy-first production release. |
Αναλυτικά technical notes παραμένουν διαθέσιμα στο /docs/releases/ του repository.