做 AI 自动剪视频，最难的不是"剪"，是让机器先"听懂"。本文记录了为剪辑工具挑选语音识别方案的真实过程：Whisper 与 Paraformer 的实测对比、字级时间戳的关键作用、从本地到云端的取舍，以及最终把验证过的本地链路开源的原因。