一个工具，而非一个平台
你说话；Punchbox 转写；你校对；它可以把文本朗读出来并生成带字幕的竖屏视频。客户自行发布——不托管、不推荐任何内容，这正是让一款单人产品在法律与伦理上保持洁净的原因。
每一个引擎都在 Wolf 自己的服务器上本地且冻结运行：faster-whisper 用于转写，Piper 用于语音，ffmpeg 用于视频。没有第三方可供调用——因此也没有任何对象可供泄露。
案例研究 · Wolf 的能力，在一款真实产品上得到验证
Punchbox — 一个隐私优先的语音转视频工作室
Punchbox — 一个由 Wolf Agency 设计并运营的口述、转写与竖屏视频工作室。
这是一次工程演示，而非销售推介。Punchbox 是 Wolf 构建并运营的一款真实产品：你说话，它书写，你校对，它可以把文本朗读出来并生成带字幕的竖屏视频。它已在 punchbox.fr 上部署并运行。
诚实为先：Punchbox 处于预生产阶段。免费试用可用，但付费订阅尚未开放——因此没有客户、没有营收，也没有可供陈述的客户评价。本页面上的一切都有真实的痕迹作为支撑：一份任务报告、一次提交，或一次测量。
处于预生产阶段
20 种语言界面
WCAG 对比度经测量
第三方 API 调用——引擎是本地的且冻结的
已部署并运行
亲自看看
Punchbox 运行在自己的域名上，由一个带 TLS 的 nginx 边缘节点从加密卷提供服务。免费试用——30 分钟音频，无需银行卡——今天即可使用；付费结账尚未开放。
punchbox.fr
打开 punchbox.fr
在新标签页中打开。公开 URL——预生产阶段；付费订阅尚未开放。
一个口袋里的语音转视频工作室
Punchbox 是一个只做一件事的工具：把你所说的话变成文本，再把文本变成一段可供发布的竖屏视频。它作为一款可安装的应用在浏览器中运行，不涉及任何第三方 API。
口述 → 转写
对着浏览器说话；faster-whisper（large-v3-turbo）跨 27 种语言进行转写，并自动检测语言。
校对与编辑
转写稿会落入一个编辑机架——在它成为视频之前，对其进行修正、翻译与准备。
语音合成
文本变成合成语音：跨 8 种欧洲语言的 13 种嗓音，每一份嗓音许可都可追溯至其来源。
翻译
已安装九对翻译语言对，每一对都带有经验证的许可，因此一份转写稿可以被渲染为另一种语言。
竖屏视频
一段带字幕的 9:16、16:9 或 1:1 视频，由你自己的音频或合成语音生成——无需 GPU。
归你所有，且私密
可作为应用安装于 Windows、Linux 与 Android；源音频在一小时内自动删除；不出售、不共享任何内容。
它看起来是什么样
为运行中产品的截图预留的位置。真实截图可直接放入，无需改动布局。
-
口述控制台 截图——预留位置
录制控制台——走带、电平表与实时文本。
-
走带与电平 截图——预留位置
录制按钮与 VU 风格的电平计量。
-
文本监视器 截图——预留位置
转写稿，源文与译文并排显示。
-
视频工厂 截图——预留位置
竖屏视频生成器及其设置。
-
浮动模式 截图——预留位置
带完整走带控制的紧凑浮动面板。
-
章程与法律 截图——预留位置
Punchbox 章程与法律页面。
设计、测量、交付
一份关于 Wolf 在 Punchbox 上实际产出内容的非详尽清单——每一项都有一份报告、一次提交或一次测量作为支撑。
设计系统与章程
一套封闭的设计系统，体现于三份正式章程——图形、界面与密度——一种黄铜配胶木的收音机控制台调性，一份单一样式表，以及零第三方资源。
经时间戳标注的在先权
每一个代码库与交付物都用 OpenTimestamps（SHA-256 → Bitcoin）锚定：哈希是公开的，文档保持私密，任何人都可以验证它。
20 种语言界面
一个 20 种语言的界面，具备完整的字典对等——各处的键都相同，无一缺失——包括通过 CSS 逻辑属性实现从右到左的阿拉伯语与希伯来语。
多语言转写
faster-whisper large-v3-turbo 覆盖 27 种语言并自动检测；在 CPU 上测得约为实时的 4×，每个任务占用 1.66 GB 内存。
语音合成
跨 8 种欧洲语言的 13 种 Piper 嗓音；每一份嗓音都可追溯至其语料库与许可（CC BY / CC BY-SA），并在产品内附带强制性的署名。
翻译
已安装九对翻译语言对，每一份许可都经过验证，因此一份转写稿可以从一种语言跨越到另一种语言。
竖屏视频引擎
一个提词器，可渲染 9:16、16:9 与 1:1 视频；一段一分钟的竖屏片段约耗费 7 秒的算力——经测量——且无需 GPU。
对齐的字幕
生成一条 .srt 字幕轨并将其与语音对齐。
静态加密
客户数据置于一个 LUKS2 卷（AES-XTS，512-bit）之上，该卷在启动时自动挂载——通过前后逐字节一致的账户数据库加以证明。
GDPR 设计内建
源音频由一个 systemd 定时器在一小时内自动删除；IP 地址从不以明文存储（加盐的 HMAC-SHA256，有界保留）；客户选择一个上限为 30 天的保留窗口。
备份，已证明可恢复
异地、加密、去重的备份（restic 至一个 1 TB 的 Storage Box）；已从异地执行了一次真实恢复并加以验证——检查了转储完整性，回读了 37 张表。
经测量的可访问性
WCAG 2.1 对比度由脚本逐对计算：正文文本为 16.26:1（AAA）；将强调色用作文本被标记为 2.07:1，低于 AA，随后予以修正，使两种主题下低于阈值的配对数量均为零。
技术链条
各部件如何契合：一个 nginx 边缘节点位于一款可安装应用之前，本地语音引擎，一个加密数据卷，以及一条能自证的交付链。
边缘节点与 TLS
一个 nginx 边缘节点终结 TLS（Let’s Encrypt）并提供 punchbox.fr 的服务。
应用（PWA）
一个可安装的渐进式 Web 应用——HTML/CSS/JS，无框架、无构建——带有版本化、破缓存的资源。
转写 API
一个 FastAPI 服务，配有严格的单工作者队列、密钥鉴权、配额与 GDPR 清除——经测量，并行工作者并未带来任何提升。
本地语音引擎
faster-whisper 与 Piper 在 Wolf 的服务器上本地且冻结运行；从不调用任何第三方 API。
加密数据卷
客户数据存放于一个自动挂载的 LUKS2 卷上，由一个 systemd 定时器在一小时内清除源音频。
能自证的部署
一个部署脚本，证明容器确实已重启——120 s 内的新鲜度、镜像 ID 匹配——否则拒绝宣称成功。它曾诚实地报告某次部署为「未获证明」并随即停止。
备份与在先权
每夜异地加密备份（restic，已测试恢复），外加对每一个代码库与交付物的 OpenTimestamps 锚定。
一条诚实编写脚本的链条——以证据取代断言，而非一套笨重的现成 CI。
经测量，而非断言
Wolf 测量而非声称的两件事：引擎运行有多快，以及界面在 WCAG 上的评分如何。这些数字来自已执行的基准测试与一个逐对进行的对比度脚本。
引擎的开销
基准测试在生产 CPU（4 核）上运行，三次一致的测试——产品中任何地方都没有 GPU。
- 转写速度
- ≈ 4× real time
- 每任务内存
- 1.66 GB
- 1 分钟竖屏视频
- ≈ 7 s of compute
核心所在
0
第三方 API 调用——引擎是本地的且冻结的
由于模型在本地运行且从不改变，用你的声音进行训练是不可能的，而不仅仅是被禁止的。没有第三方可供调用，因此也没有任何对象可供泄露。
对比度，经测量
在实际使用的颜色配对上由脚本计算对比度——好的与坏的一并报告。
- 正文文本（浅色）
- 16.26:1
- 正文文本（深色）
- 15.45:1
- 被标记的强调色作文本
- 2.07:1
- WCAG AA 目标
- 4.5:1
审计发现了真实的失败并将它们指名列出；它们被修正为控制台中两种主题下低于阈值的配对数量均为零。
这是如何被证明的
本页面上的每一项主张都与一份痕迹相绑定。工程以受追踪的任务形式进行，每一项都以一份带有已执行证据（而非代码阅读）的报告收尾；基准测试运行了三次；界面审计随附其脚本与其公式。
- 数字是在真实服务器上测量的，而非估算的。
- 起初是缺口的优势以「缺口 → 修复」的形式呈现，两端皆经证明。
- 诚实地陈述了限制：构建主机上没有浏览器，因此视觉与屏幕阅读器检查尚待完成。
- 在先权被公开锚定（OpenTimestamps），而文档保持私密。