ARTICLE · 1304992
AI 手搓软件不难,难的是能不能真用起来.
知观 丨 009
只要有明确的需求，对 AI 动动嘴，它就可以交付一个看起来还不错的工具。
但在工作流的实际应用中却发现，这个工具用起来好像并没有那么顺手。
就比如我录口播，一篇文章会产出多个音频。
我的需求也很明确，就是把这些音频降噪、去语气词、去口水音、无缝组合到一起，然后再统一响度。
这些在剪映里只需要点一点就可以解决，但我不想充会员，于是就试图让 AI 帮我解决。
一开始还不错，整体思考和产出都很专业，起码在我看来是很专业，而且也确实帮我解决了问题。
虽然中间反复折腾、磨合了好几天，但最终也算是交付了一个还不错的 SOP 工具。
到最后，我只需要把源文件导入，然后点击处理，等一会儿就有了一个还不错的音频文件。
结果是有模有样，但并没有我想象中的那么好，小问题一堆，比如会出现噪音、气音、修声过度等等的问题，反复调整了很久也不尽如人意。
而我丢到剪映里，一个人声分离就解决了我绝大多数的痛点。
那一刻，我极为震撼。
另一个是音频转字幕。
丢剪映里也是很简单的事，甚至在之前我都习以为常，觉得这不算什么。
但当我打算自己手搓时才发现，这件事还挺难的。
难的不是做出来，而是能不能真正使用。
我在手搓工具时，AI 让我反复试了几个模型，比如Whisper large-v3-turbo、Paraformer、SenseVoice，字幕确实识别出来了，整体也还可以，其中的一些小问题也修改了，但导入剪映后处理字幕细节时，却让我极为难受。
痛点主要在于识别的准确度，交付时看着不错，但真正校准时却是问题百出。
因为我录的是长文，字幕有好几百条，工作量比较大，实际操作都是一个字一个字改，加上我还有些强迫症，改到最后我都快要崩溃了。
而且断句也是很大的问题，需要自己根据音频去反复校正，非常耗时。
那一刻我才发现，做出来和真的能用，这是两码事。
二者之间的鸿沟，远比我想象中的要大得多。
针对这些问题，我反复思考，到底是哪里出了问题？
功能明明都做出来了，导入、点击、处理、导出，流程也跑通了，但为什么最后的结果却是问题一堆？
是自己没有讲清楚需求，还是 AI 手搓的工具真的不行？
不过后来我也想明白了，问题其实出在我这里——我太想要一个简洁高效的方案，试图通过 AI 一劳永逸。
需求和目标没有错，但我忽略了这中间最重要的部分——那些功能背后的细节。
技术模型能替掉一个功能，
却替不掉那些功能背后被反复调教、纠错、验证、打磨过的细节。
AI，它照出的不是能力，而是边界。
是做出来和能交付之间的那道缝。
AI 拆掉的是“做出来”的门槛。
几句话之后，一个软件、一套工具就能跑起来，能看，也能带来真实的成就感。
人很容易在这一刻觉得，原来自己也可以。
但做出来和能交付，不是一回事。
问题在于反馈来得太早。
成品的样子先摆在那儿，人就容易把“看见了”当成“做成了”。
可看见的是样子，不是底子。
就比如音频处理，通用模型往往能给出大致结果，却未必给得出可以直接应用的答案。
“大体对”在交付场景里常常等于不对，因为一个时间戳飘了，很多相关的部分就得重新调过。
专业软件卖的从来不只是功能，而是把大量不确定性提前收敛掉。
说白了，它替用户预设了大量默认值，也替用户兜住了大量异常。
默认值越多，异常兜得越稳，用起来就越顺手。
功能可以生成，收敛不能。
生成面对的是通常情况，交付面对的是“最后一次就得对”。
中间那层，是海量真实样本，是异常处理，是体验细节，是行业已经踩过的坑。
它不炫，甚至看不见，但缺了它，东西就停在“能用”和“好用”之间那道缝里。
再回头看剪映那“点一点”，我才明白，那不是按钮，是别人把大量异常、边界和反复试错提前消化掉了。
我这边是一边试一边改，改完这一处，下一处又冒出来；
专业工具背后，是大量样本反复喂、反复调，最后才稳下来。
差别不只是功能多少，是试错的方式。
所以做出来和能交付之间那道缝，不是靠再生成一版就能补上的。
再后来我又想，或许不是工具的问题，而是我站的位置不对。如果换到另一边看，很多东西就不一样了。
作为使用者，我只看见界面，觉得还不错。
而作为生产者，才会看见界面底下的乾坤——数据怎么存、出错怎么兜、用户在哪一步会卡、一个按钮摆左还是摆右。
同一个软件没变，但变的是站位。
以前“还不错”是我用出来的评价；
当站到生产侧，才知道它背后有多重。
落差不在软件，在视角。
以前没看见，不是因为没有差距，是压根没走到能看见差距的地方。
那时候有什么软件就用什么软件，不会去想它底下是什么，也不会去想自己行不行。
那笔会员费、那些成熟软件、那些年别人踩过的坑，早就替我挡在前面了。
AI 一来，这层挡板先被拆了。
所以，AI 并没有抹平业余与专业之间的差距。
它拆的是入口，而不是标准。
入口一低，进场的人多了，可交付那条线没有跟着降，反而被专业工具越抬越高。
于是出现一个看似矛盾的现象：工具越强，越能自己动手，越清楚自己离“能交付”有多远。
不是差距变大了，是差距第一次被看见。
落到具体的事上，"收尾"反而更难了。
以前这些判断轮不到我做，现在 AI 把活干完，判断却落回我手里——哪里不对、为什么不对、改到什么程度算对，都得自己拿主意。
生成可以很快，验收快不了；功能能交给我，责任交不了。
活真交到我手上，我才发现，生产侧不是那么好站的。
我以为自己进来了，其实只是站在门口。
以前我觉得 AI 是个放大器，把我够得着的地方放大。现在不太这么看了。它更像一面照妖镜，或者说一面太真实的镜子。
不负责好看，只负责照。
照见你够得着的地方，也照见你够不着的地方。
想明白这些，也就知道：能做，是技术；能交付，是积累。
没被照过，你根本不知道自己离专业还差多远。
照过之后才明白：原来我也能做，但也就只能做到这儿。
