工作清單｜不限流！本地部署Qwen3.8-27B+破限版模型随意用

逐字稿文字預覽

各位小伙伴晚上好。
我是初级A。
8月15號阿里开源Qwen3.
8的27B大語言模型。
有點突然但也不意外。
而且之前在簽問3.
6的時候已經感覺到簽問3.
6模型的強大。
現在3.
8模型也是一個不小的升級。
我們簡單來看一下它這裡的介紹。
首先簽問3.
8模型在代碼。
專業工作中都有全面的改進。
在推理思維上有高度的可控性。
在完成複雜任務更加穩定可靠。
有更強智能體Agent的執行能力。
這次開源的簽問3.
8模型是更聰明更強大了。
那接下來看一下它的量化模型。
簽問的3.
8、27B的量化的GGUF模型有許多個版本。
大家可以根據自己的顯存大小來選擇模型大小的。
比如16G顯存的話,可以選擇Q4、Q3的模型都可以。
如果顯存有24G的話,可以選擇Q6、Q5的版本。
另外這兩個是它的視覺模型。
視覺模型等於是它的眼睛可以識別圖像。
等於下載一個主模型和一個視覺模型。
兩個都是一個視覺模型。
選擇其中一個即可。
另外簽問3.
8、27B模型也有無限制版的。
無限制版也是破限和越獄版。
它能回答更多受限的問題。
大家都懂的。
所以無限制版更加符合日常需求。
同樣這個版本也有不同大小的。
我們可以選擇Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、
Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4、Q4
把文件夹名改成Models
把Qwen3.
6的主模型还有视觉模型都放到Models文件中
然后把下载好的主程序解压好
解压后的文件重新改名
文件夹最好不要有中文出现
我这边改成Llama
然后再把这个驱动文件再解压出来
解压后把驱动的这三个文件剪切出来
再复制到刚刚解压的主程序中
最后再把Modos文件放到主程序中
把这两个压缩包删除掉
接下来我们用ComfyUI做一个启动文件
首先选择刚才的Lamma文件夹
直接写
做一个Lamma快速启动器
这里的模型
我们选择是Qwen3或者是DeepSeek
我选择是Qwen3
然后直接点发送就行了
启动器这边已经做好了
不想自己做的话
启动器我会放网盘
大家可以下载
右键打开启动器的所在的文件夹
双击启动
选择主模型
然后再选择视觉模型
点启动
再点打开WebUI
启动要等一会儿
因为要加载模型
然后测试下编程能力
做一个小游戏
等了好一会终于搞好
看来16G的显存
用16G的模型还是有点吃力的
要更快的速度的话
只能用Q3的模型了
接下来看一下游戏能不能玩
直接打开游戏
总体来说
游戏是没有问题的
是可以玩的
游戏的功能
现在是简单的初级阶段
可以增加游戏的其他功能或者优化
比如增加暂停
优化动态效果等
由于时间原因
这里就不继续测试了
感兴趣的小伙伴
可以自行部署本地来玩下
模型程序包和启动器都放网盘了
有需要的小伙伴可以自行下载
视频对大家有帮助的话
来个三连
谢谢了
再见了

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/bCCZMWt --language zh --auto-source-subtitles

來源：https://b23.tv/bCCZMWt

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：17.0 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：33.4 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：0.5 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：0.5 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：0.5 秒
關係：依序執行
結果：失敗
問題：exit code 46
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：0.6 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：0.6 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：0.6 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：0.6 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：77.7 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：0.8 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：0.9 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 JSON3,610 / 30,236 bytes
transcript.whisper.srt 下載5,743 bytes
transcript.whisper.tsv 下載4,496 bytes
transcript.whisper.txt 下載3,610 bytes
transcript.whisper.vtt 下載5,193 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 3,610 / 30,236 bytes
校正後 transcript.presegmentation_corrected.json 純文字 JSON 3,650 / 50,450 bytes

目前待解決問題與初步改善方向

逐字稿來源選擇未完全通過，仍先生成筆記待修正
no_trustworthy_transcript_source；原始逐字稿保留；請進入精進模式確認來源。
⚠️ 全文快速校讀：已套用暫定修正，請確認待修正
segment=0 已先套用暫定修正：各位小伙伴晚上好。我是初级A。8月15號阿里开源3.8的27B大語言模型。有點突然但也不意外。而且之前在簽問3.6的時候已經感覺到簽問3.6模型的強大。現在3.8模型也是一個不少的升級。我們簡單來看一下它這裡的介紹。首先簽問3.8模型在代碼。專業工作中都有全面的改進。在推理思維上有高度的可控性。在完成複雜任務更加穩定可靠。 → 各位小伙伴晚上好。我是初级A。8月15號阿里开源Qwen3.8的27B大語言模型。有點突然但也不意外。而且之前在簽問3.6的時候已經感覺到簽問3.6模型的強大。現在3.8模型也是一個不小的升級。我們簡單來看一下它這裡的介紹。首先簽問3.8模型在代碼。專業工作中都有全面的改進。在推理思維上有高度的可控性。在完成複雜任務更加穩定可靠。；segment=1 已先套用暫定修正：有更強智能體A震的執行能力。這次開源的簽問3.8模型是更聰明更強大了。那接下來看一下它的量化模型。簽問的3.8、27B的量化的GGUF模型有許多個版本。大家可以根據自己的顯存大小來選擇模型大小的。比如16G顯存的話,可以選擇Q4、Q3的模型都可以。如果顯存有24G的話,可以選擇Q6、Q5的版本。另外這兩個是它的視覺模型。 → 有更強智能體Agent的執行能力。這次開源的簽問3.8模型是更聰明更強大了。那接下來看一下它的量化模型。簽問的3.8、27B的量化的GGUF模型有許多個版本。大家可以根據自己的顯存大小來選擇模型大小的。比如16G顯存的話,可以選擇Q4、Q3的模型都可以。如果顯存有24G的話,可以選擇Q6、Q5的版本。另外這兩個是它的視覺模型。；segment=2 已先套用暫定修正：視覺模型等於是它的眼睛可以識別圖像。等於下載一個主模型和一個視覺模型。兩個都是一個視覺模型。選擇其中一個即可。另外簽問3.8、27B模型也有無限制版的。無限制版也是破線和越域版。它能回答更多受限的問題。大家都懂的。所以無限制版更加符合日常需求。同樣這個版本也有不同大小的。 → 視覺模型等於是它的眼睛可以識別圖像。等於下載一個主模型和一個視覺模型。兩個都是一個視覺模型。選擇其中一個即可。另外簽問3.8、27B模型也有無限制版的。無限制版也是破限和越獄版。它能回答更多受限的問題。大家都懂的。所以無限制版更加符合日常需求。同樣這個版本也有不同大小的。；segment=5 已先套用暫定修正：把文件夹名改成Modos → 把文件夹名改成Models；segment=6 待確認：1. '千万' 為 'Qwen' (阿里通義千問) 的音譯錯誤。2. 'Models文件' 語意不通，應為 'Models資料夾' 或 'Models文件夾'。；暫定：把Qwen3.6的主模型还有视觉模型都放到Models文件中；segment=16 待確認：1. 'Workbody' 語意不明。結合影片說明中的 'comfyui安装包' 以及後續 'WebUI' 的操作，講者極可能是在說 'ComfyUI' 或 'Workbench'。但考慮到 'Workbody' 與 'ComfyUI' 發音差異較大，若講者使用的是某個特定整合包（如某些一鍵包），可能是 'Workbench' 或口誤。然而，鑑於 [21] 提到 'Kimi3' (Qwen3) 和 'DeepSip' (DeepSeek)，這通常是 LLM 聊天界面。若為 ComfyUI 則用於繪圖。若為聊天，可能是 'WebUI' 或 'FastChat'。但 'Workbody' 極大可能是 'ComfyUI' 的嚴重誤識，或者講者自定義的名稱。暫定修正為 'ComfyUI' 並標記待確認，因為影片說明提到了 ComfyUI。；暫定：接下来我们用ComfyUI做一个启动文件；segment=21 待確認：1. 'Kimi3' 應為 'Qwen3' (阿里通義千問3)，因為影片主題是 Qwen3.8。2. 'DeepSip' 應為 'DeepSeek' (深度求索模型)。；暫定：我们选择是Qwen3或者是DeepSeek；segment=22 待確認：1. 'Kimi3' 應為 'Qwen3'，理由同上。；暫定：我选择是Qwen3
部分時間軸可能不精確待修正
unit 218: 4 chars owns 11.360s (max 8.000s)
逐字稿可先使用，但有待校正清單待修正
segment=14 unnatural_sentence_boundary: 標點出現在句首或停在逗號位置，斷句可能不符合文法/口語；segment=18 unnatural_sentence_boundary: 標點出現在句首或停在逗號位置，斷句可能不符合文法/口語；segment=21 unnatural_sentence_boundary: 標點出現在句首或停在逗號位置，斷句可能不符合文法/口語；segment=28 unnatural_sentence_boundary: 標點出現在句首或停在逗號位置，斷句可能不符合文法/口語；segment=35 unnatural_sentence_boundary: 標點出現在句首或停在逗號位置，斷句可能不符合文法/口語；segment=36 unnatural_sentence_boundary: 標點出現在句首或停在逗號位置，斷句可能不符合文法/口語；segment=37 unnatural_sentence_boundary: 標點出現在句首或停在逗號位置，斷句可能不符合文法/口語；segment=38 unnatural_sentence_boundary: 標點出現在句首或停在逗號位置，斷句可能不符合文法/口語；segment=39 unnatural_sentence_boundary: 標點出現在句首或停在逗號位置，斷句可能不符合文法/口語；segment=40 unnatural_sentence_boundary: 標點出現在句首或停在逗號位置，斷句可能不符合文法/口語；segment=41 unnatural_sentence_boundary: 標點出現在句首或停在逗號位置，斷句可能不符合文法/口語；segment=42 unnatural_sentence_boundary: 標點出現在句首或停在逗號位置，斷句可能不符合文法/口語
逐字稿品質檢核未完全通過待修正
{'stage': 'canonical_transcript_quality', 'action': 'published_with_warning', 'signals': ['transcript_selection_not_resolved']}
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