逐字稿文字預覽
最近大模型竞赛又有新动静了,DeepSeek网页端被发现悄悄开启了新模型灰度测试,疑似正式传闻中的DeepSeek V4 Pro。 从早期预览看,它在Web开发和复杂编程上表现很强,已经被拿来和顶级避原模型对照,但还得等正式发布后的独立测试和长期实测。 对手也在优化体验,Anthropic官方给Cloud Code新增了Concise精简模式,直接给最终结果大幅削减冗余解释省Token。 开源阵营同样在提速,Ornisk团队正式推出Ornisk 1.5系列开源大模型,从90亿密集型一直覆盖到3970亿的木屋架构。 商业端的多项数据也在指向同一件事,企业订阅和AI编程工具仍在增长,模型能力正在从发布会话题变成团队每天都在用的生产力,真正关键不在热度而在使用频率。 不止写代码,计算生物学也在往前走。 Moderna与Merker的个性化癌症疫苗完成三期临床试验,至少说明AI正进入更高价值的研发协作环节。 在看Deepseek的灰度迹象,开发者在响应里观察到了未公开模型的标志性短语,这是值得跟踪的信号,但还不能当成正式发布确认。 在Web3D游戏和交互渲染测试里,它交出了很有竞争力的结果,真正值得看的是复杂前端生成正在成为模型比拼的新考场。 生成、调试和迭代能否连成闭环才是下一关。 SVG实量图形测试也给出了不错的观感,细节和质感被认为很突出。 不过这类对比仍该看更多公开样例,而不是只看一张漂亮截图,数据和复现结果才更有说服力。 而想要控制这套生成效率,只需在Cloud Code的配置文件里将Output Style参数设为Consise,就能自动砍掉多余废话,省下大笔Token。 前面提到的开源模型,Onis 1.5也很聪明。 它通过自己构建任务脚手架和自发生成测试题来进行强化学习,极大摆脱了对传统人工标注数据级的依赖。 从公开基准成绩看,Onis 1.5已经拿到了很有分量的分数,开源模型离顶级商业能力还有多远,接下来要看更广泛,更可复现的评测。 这类效率提升最终都会落到使用数据上。 相关报告显示,AI变成工具在短时间内增长很快,开发者愿不愿意留下来,正在变成下一轮竞争的关键。 资本市场的反应也很直接,Moderna公布相关三期结果后,股价明显波动。 市场在压注的是AI能不能把新药研发从概念变成更可验证的效率,但股价不是技术价值的最终证明。 国内API服务也在跟进。 质朴开放GLM5.3的API,重点放在复杂agent,自动化编程和安全任务。 对开发者来说,关键是把能力、价格和稳定性一起算。 谷歌则在生态端大洒福利,面向全球高校学生推出返校技优惠。 符合条件的大学生可以免费领一整年Google AI Pro以及Gemini进阶服务。 我的判断是,前眼模型和生产力工具都得回到落地。 感谢你看到这里,这里是大雷早上好,想一起练的。 国内来星球,海外加入频道会员找大雷。
本次執行流程與問題處理
下達指令
預期流程
- 採用來源字幕（略過語音辨識）
- 來源選擇與品質檢查
- 文字校正與句子單元
- 筆記與發布
- 公開網頁發布
1. 下載與語音辨識
工具：videonote-transcribe-url（主辨識管線：下載、Whisper 辨識與選稿）
處理：下載音訊、以 Whisper 辨識並選出最佳逐字稿
產出：yt_dlp_meta.json（影片元資料）、audio_16k_mono.wav（16kHz 單聲道音訊）、transcript.whisper.json（Whisper 辨識結果）、transcript.json（正式逐字稿）、transcript_selection_report.json（來源選擇報告）
耗時：15.4 秒
關係：依序執行
結果：完成
2. 文字校正
工具：videonote_correct_transcript.py（校正語音辨識錯字）
處理：校正語音辨識錯字並整理成斷句前正稿
產出：transcript.presegmentation_corrected.json（校正後逐字稿）、transcript_presegmentation_correction_report.json（校正報告）
耗時：28.4 秒
關係：依序執行
結果：完成
3. 語意重斷句
工具：videonote-restructure-sentences
處理：以語意重新切分過長字幕區塊
產出：sentence_units.json（句子單元）
耗時：45.8 秒
關係：依序執行
結果：完成
4. 全文檢核
工具：videonote_global_review.py
處理：檢查斷句後的全文連貫性
產出：global_review_report.json（全文檢核報告）
耗時：40.7 秒
關係：依序執行
結果：完成
5. 句子密度平衡
工具：videonote_balance_sentence_units.py
處理：平衡句子長度與密度
產出：sentence_units.json（句子單元）
耗時：0.8 秒
關係：依序執行
結果：完成
6. 時間軸稽核
工具：videonote_timeline_audit.py
處理：檢查時間軸與音訊對齊
產出：timeline_audit_report.json（時間軸稽核）
耗時：0.8 秒
關係：依序執行
結果：完成
7. 品質檢查
工具：videonote_controlled_quality.py（檢查時間軸與品質）
處理：檢查語言、時間軸與可讀性品質
產出：controlled_quality_report.json（品質報告）、language_sanity_report.json（語言檢查）
耗時：0.8 秒
關係：依序執行
結果：完成
8. 播放時間軸回填
工具：videonote_rebase_display_timeline.py
處理：將網頁播放時間軸回填為校正字幕時間
產出：display_timeline_rebase_report.json（時間軸回填報告）
耗時：0.8 秒
關係：依序執行
結果：完成
9. 逐字稿交叉檢查
工具：videonote_cross_check_transcript.py
處理：交叉檢查逐字稿與來源字幕
產出：transcript_crosscheck_report.json（交叉檢查）
耗時：0.9 秒
關係：依序執行
結果：完成
10. 來源句整理
工具：videonote_prepare_source_entries.py
處理：整理來源句子供時間軸與頁面使用
產出：sentence_units.json（句子單元）
耗時：0.9 秒
關係：依序執行
結果：完成
11. 生成筆記摘要
工具：videonote-generate-note（生成筆記摘要）
處理：生成筆記摘要與重點
產出：note.md（筆記 Markdown）、note.html（筆記 HTML）
耗時：61.0 秒
關係：依序執行
結果：完成
12. 建立筆記頁面
工具：videonote-render-html（產生筆記 HTML）
處理：產生可閱讀的筆記 HTML 頁面
產出：note.html（筆記 HTML）
耗時：1.1 秒
關係：依序執行
結果：完成
13. 發布公開頁面
工具：videonote-publish（發布公開頁面）
處理：發布到公開網站與每日列表
產出：公開筆記網址、result.json（管線結果）
耗時：0.1 秒
關係：依序執行
結果：完成
手動來源字幕
- 尚未產生
自動來源字幕
Whisper 字幕
Qwen 字幕
- 尚未產生
Parakeet 字幕
- 尚未產生
MOSS 字幕
- 尚未產生
聲學時間證據（PyAnnote / WhisperX）
- 尚未產生
校正前後逐字稿
- 校正前 transcript.whisper.json 純文字 JSON
- 校正後 transcript.json 純文字 JSON
目前待解決問題與初步改善方向
- 逐字稿合併校正未通過驗證
原始逐字稿仍會用於筆記，並在筆記最前方標示待改善項目。；校正稿未通過 T2 證據、T1 覆蓋或順序檢查，因此不會覆寫逐字稿。；CORRECTION_STATUS=REJECTED；改善方向：查看 transcript_presegmentation_correction_report.json 的 validation_failures。
- Qwen3-ASR 未完成，需確認 qwen_asr_lab 環境與音訊後重試精進模式。