🎙️ OpenAI 威脅數學家？Meta 居然能幫你刷卡花錢｜AI 日報 Podcast
頂尖數學家控訴 OpenAI 為了搶先發表解開數學難題的成果，竟然私下威脅要毀掉他的職業生涯！歡迎收聽「Mark 的 Tech Insights」，我是沐妍，今天除了這樁科技界最勁爆的八卦，我們還要聊聊 Meta 全新推出的 AI 助理 Muse，它能看信還能直接幫你刷卡花錢，至於這背後隱藏的隱私危機，我等一下告訴你。
v0.134.0 · MIT 開源
AI Podcast Cut
AI Podcast／音訊剪輯桌面工具。丟進一段錄音，它會剪掉贅字與口吃、平衡音量、保留句尾的呼吸感，並在輸出前讓你逐個接縫聽過。辨識與去人聲都在你自己的機器上，不上傳也不需要金鑰。也有一套對 AI 友善的 CLI 與內建 MCP server，讓 agent 直接下指令幫你剪。
★ 完全免費 · MIT▢ Windows / macOS / Linux · 9 個安裝檔 · 每個都附 sha256
AI Podcast Cut · 主編輯畫面
90 秒看它怎麼運作
從開檔、分析、審核到輸出驗收，一次看完整條流程。
它幫你做掉什麼
不是「一鍵變好聽」那種黑箱。每一項都看得到它動了哪裡、為什麼。
🗣
剪贅字與口吃
嗯／呃／那個／就是，以及講到一半重講的片段。以自然順暢為最高原則：句首的「然後」、有節奏感的語助詞會留著，不是全部剪光。
🎚
逐段音量平衡
逐段 BS.1770 量測 → 增益規劃（±12 dB、峰值守門、3-tap 平滑、階差 ≤3 dB）→ EBU R128 loudnorm 兩趟 + 限幅器。成品落在你選的目標響度。
🫁
留得住呼吸感
剪完不是把句子黏成一團。句中留 170 ms、句尾 340 ms、段落之間 575 ms；靜音不夠長時補 room tone，而不是硬接。
✂️
剪在完整波形上
剪點先貼字邊界，再貼到 ±30 ms 內的能量最低點，最後對齊 ±3 ms 內最近的上升零交越。每一刀都有漸弱漸強，安靜處 4 ms、語音接語音 24 ms。
👂
兩個 agent 互相把關
剪輯 agent 提議、審核 agent 只挑「剪了會壞」的那幾筆。兩邊意見相反時它不自己決定，標成「分歧」交給你裁決。
🧹
贅字依「詞」整群處理
一集 57 分鐘會提上千筆贅字候選，逐筆審是審不完的 —— 但它們其實只有二三十個「詞」。攝成一張表（次數 / 已剪 / 待決 / 可省多少），一列一鍵全剪或全留，另有跨集有效的個人詞表。
📚
多集批次跑完
勾選集數與步驟（分析 → 智慧剪輯 → AI 判讀 → 輸出）一次跑完。一次只跑一集（辨識吃 CPU / GPU，平行不會比較快），已有逐字稿的自動跳過分析，某一集失敗不影響其他集。
📖
領域詞（讓辨識器聽得對）
人名、產品名、公司名、技術術語 —— 辨識器聽不出來的那些。晶片式增刪、批次貼上，並且會從這一集辨識信心低的字直接推薦（排除贅字）。沒有人憑空想得起來要加哪些字。
✅
輸出後還要驗收
成品每段的波形包絡跟來源做正規化互相關，抓出接錯段或位置偏移；有逐字稿時再重新 ASR 逐字比對，列出漏字、該剪沒剪、可疑接縫。
它還能做的事
AI 是選項不是前提：波形、手動剪、輸出這條路完全在本機，不需要任何金鑰。
🌊
開檔就有波形
不必先分析。幾秒內看到整段波形與時間尺，馬上可以播放、縮放。
🖱
手動也能剪
按 S 切選取工具，拖一段就能播放（可循環）、剪掉、只保留、靜音、淡入淡出、增益。常用的動作右鍵就在手邊。
📝
在逐字稿上剪
Shift + 點選一段範圍，或雙擊某個字直接剪掉它。
🥁
節拍格線與貼齊
從波形能量自動抓 BPM，時間軸畫出拍線與小節線，選取自動吸附拍點。抓錯可以 ÷2 / ×2，或跟著音樂敲三下重抓。
⚡
自動精華片段
選 15 / 30 / 60 / 90 秒，依能量與律動挑出最像副歌的一段，有拍網格時起訖貼齊小節。
🎤
去人聲 / 分軌
一鍵分成人聲 + 伴奏（2 軌）或人聲／鼓／貝斯／其他（4 軌）。伴奏軌就是去人聲版本，可以接著剪。同樣在本機跑（demucs）。
🤖
AI 助手（工具迴圈）
本機 claude CLI 透過內建的 MCP server 直接操作剪輯決策：「把 10 分鐘後的『就是』都剪掉，但句首的留著」。每個工具呼叫都看得到。
⌨️
鍵盤審核模式
一次一筆、自動預聽剪後結果，A 接受 / R 拒絕並自動前進。整組相同的贅字可以一次決定。
🔍
三種預覽
原始 / 剪後（即時近似）/ 剪後（成品）。成品預覽走與正式輸出同一個剪接器，關掉逐段平衡時與成品逐 byte 相同。
✂️
刀片與漣漪修剪
B 刀片、T 修剪工具（拖中間是捲動、拖兩側是漣漪）、N 統一吸附、Shift+Delete 提起。右鍵接縫可以打開精準修剪器，上下兩排並排看這一刀有沒有吃掉半個字。
🔖
章節寫進成品
標記與章節可以直接寫進輸出檔：mp3 得到 ID3 CHAP、m4a 得到 QuickTime 章節（Apple Podcasts / Spotify 讀得到），時間自動從來源換算成剪完之後的位置。
🎛
配樂軌與人聲閃避
波形下緘兩條 lane 放配樂與音效。閃避不丟給壓縮器猜，而是依人聲區間算出看得見也拖得動的音量控制點，位置釘在成品時間 —— 之後再多剪幾個贅字，音樂不會跟著跑掉。
⬇️
本機辨識一鍵安裝
辨識用你電腦上的 faster-whisper。選好模型（small 到 large-v3）再按，模型一併下載；按之前先給你看實際會執行的指令，跑起來輸出逐行顯示。每個模型都標了顯存需求，並拿你的顯示卡去比，直接寫「跑得動」還是「還差多少」。
💾
專案存檔
存成 *.aicut.json，含逐字稿、候選、決策、效果與 AI 判讀快取。同一個音檔重開沿用快取，不重跑 ASR。
實際畫面
上方是四步流程列，中間波形疊著候選色塊與拍線，右側是決策 / 助手 / 驗收側欄。
開始之前要知道的三件事
說在前面，免得你下載完才發現。
- 1
不用網路也能用一半
看波形、手動剪、套效果（靜音／淡入淡出／增益）、輸出 mp3 / m4a / wav，全部在本機跑，不需要任何金鑰或連線。
- 2
辨識與去人聲也在你的電腦上
逐字稿走 faster-whisper、去人聲走 demucs，兩個都在本機：不上傳、不需要金鑰、沒有伺服器要顧。第一次用會先裝套件與模型（按之前先給你看指令），之後就都在這台機器上。要自備 Python 3.9 以上。
- 3
AI 判讀與 AI 助手需要 Claude Code CLI
用你本機已經登入的 claude CLI，預設模型 sonnet —— 點狀態列那顆晶片就能換模型，也可以整個換成 Codex。沒裝也不影響前面兩項。
全部在地端：整條流程不需要伺服器
辨識與去人聲都跑在你自己的機器上，音檔不會離開這台電腦，也不需要任何金鑰。
🔒
音檔留在你的硬碟上
辨識不上傳任何音訊。逐字稿依音檔指紋存成本機快取，同一集重開直接沿用，不會再跑一次辨識。
🧩
規則層拿到完整訊號
輸出帶著字級時間戳、no_speech、avg_logprob、compression_ratio 一個不少，贅字、口吃、含糊那些規則需要的訊號全都在，不是閹割版。
💻
沒有顯示卡也跑得動
以 int8 量化載入、裝置設 auto：偵測得到 CUDA 就用 GPU，沒有就用 CPU 慢慢跑。差別在等多久，不在能不能跑。
🐍
不會偷動你的 Python
偵測只用 importlib 探測、不真的 import（載 ctranslate2 要好幾秒，為了畫一個勾不值得）；安裝走 python -m pip 而不是裸 pip —— 機器上常有好幾個 python，裝完 import 不到是最難查的失敗。按下去之前，先給你看實際會執行的指令。
四個模型可以挑
名字直接餵給 faster-whisper。越大越準也越慢；顯存是 int8 的估計值，App 會拿你的顯示卡去比。
small~0.5 GB · 顯存 0.9 GB機器比較弱，或只是想先確認整條流程跑得動。medium~1.5 GB · 顯存 1.7 GB折衷選項。中文人名與技術術語開始接得住。large-v3-turbo~1.6 GB · 顯存 1.9 GB體感跟 large-v3 差不多，但快很多。趕時間選這個。large-v3~3 GB · 顯存 3.0 GB預設值。中英混講的 podcast 直接用它；顯存不夠時 auto 會自動往下挑。安裝時可以順便把模型抓下來（預設打勾）。不先抓的話，第一次分析才開始下載 —— 那時候你正等著看結果，卻卡在一個沒有進度的下載上。pip 與模型下載的輸出逐行顯示，你分得出是在下載還是掛了。
什麼留在這台機器、什麼會離開
留在這台機器
- 波形、響度與節拍分析（Rust，開檔幾秒內就有）
- 所有剪點運算、效果與輸出編碼（ffmpeg）
- 語音辨識（faster-whisper）與逐字稿快取
- 去人聲與分軌（demucs）
- 專案檔 *.aicut.json，含決策與 AI 判讀快取
- 輸出後的音訊比對驗收（成品對來源逐段比波形）
唯一會離開這台機器的
- AI 判讀、助手與節目筆記送的是逐字稿文字，交給你自己登入的 claude 或 codex，音檔不會送出去
- 不用 AI 判讀的話，整條流程完全不連外
地端辨識與去人聲要自備 Python 3.9 以上，這個 App 不會替你裝 Python。桌面版與 CLI 走的是同一組模型與參數，同一個檔在兩邊得到同一份逐字稿。
技術棧
音訊的重活在 Rust，介面在 React。
桌面殼層Tauri 2
前端React 18 + TypeScript 5 + zustand
波形wavesurfer.js 7.12.11
音訊處理Rust（ebur128 / hound / blake3）
轉檔與編碼ffmpeg（Windows 內建 LGPL 版）
AIClaude Code CLI（可換 Codex）+ faster-whisper / demucs（本機）
下載：一份程式碼，三大平台 9 個安裝檔
同一份原始碼一次建出 Windows（exe / msi）、macOS（Apple 晶片與 Intel 各一）、Linux（deb / rpm / AppImage）共 9 個安裝檔，每個都附 sha256。桌面版與 CLI 共用同一套剪輯核心，所以在哪個平台上跑，結果都一樣。
Windows 10 / 11
x64-setup.exe（47.3 MB）· x64_en-US.msi（63.6 MB）
安裝檔內建 LGPL 版 ffmpeg，裝完直接能用。你自己裝的 ffmpeg 優先權更高。
macOS
aarch64.dmg（10.1 MB）· x64.dmg（10.4 MB）
Apple Silicon 與 Intel 各一版。需要自行安裝 ffmpeg 7 以上（brew install ffmpeg）。
Linux
amd64.deb · x86_64.rpm（各 6.4 MB）· amd64.AppImage（80.1 MB）
deb / rpm 已宣告相依 ffmpeg，套件管理員會一起裝。AppImage 需自行準備 ffmpeg。
Windows 版比其他平台大 40–60 MB，差額就是壓縮後的內建 ffmpeg。目前沒有 Windows ARM64 與 Linux aarch64 版本，這兩個平台請從原始碼建置。
從原始碼建置
- 1
npm install --legacy-peer-deps：peer 依賴刻意用 legacy 解法，不加這個旗標會裝不起來。
- 2
node scripts/fetch-ffmpeg.mjs（選用）：抓內建的 LGPL ffmpeg，URL 與 sha256 釘死在 scripts/ffmpeg-manifest.json，對不上就直接失敗。不跑也能開發，只是會退回用 PATH 上的 ffmpeg。
- 3
npm run tauri dev：前端跑在 1420，Rust 首次編譯要 5 到 10 分鐘，之後就快了。
一行版（複製後貼進終端機）：
也有 CLI： aicut
無視窗跑完整條流程，每個子命令都能單獨呼叫，verify 有問題會回 exit code 2，腳本或 AI agent 都驅動得動。
打包成單檔（Node 20+）
npm run cli:build只要逐字稿
node dist-cli/aicut.mjs transcribe ep12.m4a分析並存成專案檔（含 AI 判讀）
node dist-cli/aicut.mjs analyze ep12.m4a --judge --project ep12.aicut.json一步剪完輸出
node dist-cli/aicut.mjs cut ep12.m4a --judge -o ep12_cut.mp3去人聲
node dist-cli/aicut.mjs separate song.mp3 --format wav抓 BPM 與拍點
node dist-cli/aicut.mjs beats song.mp3 --bars驗收成品（自動化用）
node dist-cli/aicut.mjs verify ep12.m4a ep12_cut.mp3CLI 跟桌面版用同一組地端模型與參數。要注意 CLI 只做全域 loudnorm，沒有桌面版的逐段音量平衡。
授權與第三方元件
AI Podcast Cut 本身是 MIT。Windows 安裝檔內建 LGPL-2.1-or-later 授權的 ffmpeg（n8.1.2，下載 URL 與 sha256 釘死在 repo 的 scripts/ffmpeg-manifest.json，對不上就讓 build 失敗），以獨立程序加動態連結的方式使用，不會連進主程式，也不是 ffmpeg 的衍生作品。你可以換成自己 build 的 ffmpeg 放同一個目錄，或在設定裡指到別的路徑。完整聲明與 LGPL 全文見 repo 的 THIRD-PARTY-NOTICES.txt。
看 THIRD-PARTY-NOTICES.txt