工作清單｜「DSH-Launcher」V3-更新介绍多实例并行

逐字稿文字預覽

今天給大家帶來DSH Launcher V3版本的版本介紹。
這個版本的核心功能是多實例並行系統。
簡而言之就是DeepSeaCars的同步多開。
我們可以在啟動器內快速切換不同的實例。
每個實例可以設置獨立的插件組合、繪畫記錄。
這極大地提高了DeepSeaCars的可玩性。
例如我們可以進行多屏協同。
將多個對話分別打開到多個窗口。
可以同時跟進多個繪畫,效率加倍。
在創建實例的時候,我們可以選擇獨立或者共享繪畫。
共享可以和現有的某個實例同步使用一組繪畫,便於協同。
獨立則可以創造一個隔離的環境。
為了便於新手起步,我們準備了兩款整合包。
整合包相當於一群插件的集合,支持一鍵下載。
我們點擊下載,選擇好模式便可等待使用。
進入整合包創建的實例。
我們可以看到一些功能已經安裝完成。
然後便可以正常使用。
我們的啟動器不同於市面上常見的封裝端。
沒有將功能封閉式的塞入啟動器。
而是以整合包的形式允許用戶選擇性下載。
當用戶逐漸熟練便可自己組件最適合自己的工作流。
而非被定死在一個模板之內。
此外,傳統模式常常存在多個第三方插件互相不兼容的問題。
使用多實例模式,可以在不同實例內保存不同的插件組合,完成不同的角色。
例如,我們可以給一個實例安裝一些有助於資料收集的插件。
給另一個實例增加一些代碼增強,有助於落實任務的插件。
實現實例層面的分工協同,避免插件矛盾導致的效率低下。
甚至對於插件開發者,可以一個實例做Webcoding,一個實例做測試。
通過實例系統隔離損壞風險。
以上就是本次V3更新的主要內容,歡迎下載嘗試。

來源：transcript.txt

本次執行流程與問題處理

下達指令
指令：videonote https://b23.tv/aCR3gtU --language zh --auto-source-subtitles

來源：https://b23.tv/aCR3gtU

辨識語言：zh ｜參數：--language zh --auto-source-subtitles
預期流程
依指令產生的處理順序：
1. 自動字幕優先，Whisper 作為備援
2. 來源選擇與品質檢查
3. 文字校正與句子單元
4. 筆記與發布
5. 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：12.2 秒
關係：依序執行
結果：完成
2. 全文快速校讀
工具：videonote_rapid_transcript_review.py
處理：先速讀完整逐字稿，再修正高可信突兀詞句並列出待確認項目
產出：rapid_transcript_review_report.json（產出檔案）
耗時：18.3 秒
關係：依序執行
結果：完成
3. 建立句子單元
工具：videonote-build-sentence-units
處理：將逐字稿切成帶時間軸的句子單元
產出：sentence_units.json（句子單元）
耗時：0.4 秒
關係：依序執行
結果：完成
4. 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：0.4 秒
關係：依序執行
結果：完成
5. 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：0.4 秒
關係：依序執行
結果：完成
6. 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：0.5 秒
關係：依序執行
結果：完成
7. 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：0.5 秒
關係：依序執行
結果：完成
8. 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：0.5 秒
關係：依序執行
結果：完成
9. 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：0.5 秒
關係：依序執行
結果：完成
10. 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：50.5 秒
關係：依序執行
結果：完成
11. 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：0.5 秒
關係：依序執行
結果：完成
12. 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：0.6 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

subtitle_acquisition.json 下載140 bytes

Whisper 字幕

transcript.whisper.json 純文字 JSON1,828 / 14,827 bytes
transcript.whisper.srt 下載2,873 bytes
transcript.whisper.tsv 下載2,216 bytes
transcript.whisper.txt 下載1,828 bytes
transcript.whisper.vtt 下載2,611 bytes

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 1,828 / 14,827 bytes
校正後 transcript.presegmentation_corrected.json 純文字 JSON 1,828 / 28,051 bytes

目前待解決問題與初步改善方向

⚠️ 全文快速校讀：已套用暫定修正，請確認待修正
segment=1 已先套用暫定修正：這個版本的核心功能是多實力並行系統。 → 這個版本的核心功能是多實例並行系統。；segment=3 已先套用暫定修正：我們可以在啟動器內快速切換不同的實力。 → 我們可以在啟動器內快速切換不同的實例。；segment=4 已先套用暫定修正：每個實力可以設置獨立的插件組合、繪畫記錄。 → 每個實例可以設置獨立的插件組合、繪畫記錄。；segment=5 已先套用暫定修正：這極大的提高了DeepSeaCars的可玩性。 → 這極大地提高了DeepSeaCars的可玩性。
Qwen3-ASR 未完成，需確認 qwen_asr_lab 環境與音訊後重試精進模式。

進一步精進字幕與筆記
使用 Workbench 上傳校正字幕、中文參考稿或回饋 SRT，重新產生雙語與學習單元。
開啟 Workbench

逐字稿文字預覽

本次執行流程與問題處理

下達指令

預期流程

1. 下載與語音辨識

2. 全文快速校讀

3. 建立句子單元

4. 句子密度平衡

5. 時間軸稽核

6. 品質檢查

7. 播放時間軸回填

8. 逐字稿交叉檢查

9. 來源句整理

10. 生成筆記摘要

11. 建立筆記頁面

12. 發布公開頁面

手動來源字幕

自動來源字幕

Whisper 字幕

Qwen 字幕

Parakeet 字幕

MOSS 字幕

聲學時間證據（PyAnnote / WhisperX）

校正前後逐字稿

目前待解決問題與初步改善方向