逐字稿文字預覽
大家好,今天我講一下羽目的一個本地使用的教程。這是羽目的一個整體的一個介面。本地使用的話,我們必須本市電腦上需要有一個顯卡。目前的話,羽目是支持英偉達的RTX20系以上的顯卡。有這些顯卡的話,都可以在羽目這裏。 这个软件上去本地去使用 OK 这是鱼幕的一个界面 对 我们可以打开高级设置 然后这个高级设置里面有我们 常用的一些模型的一些显示 首先是这个AISR模型 AISR模型就是语音识别的模型 我们点开这个可以看一下 鱼幕集成了十几种AISR的模型 而且这些模型都是比较 比较新的一些模型 有些也是比较稳定的一些模型 基本上本地比较新的某一些 长连的模型 在我们语幕里面都进行了一个集成 另一个是一个翻译模型 翻译模型的话 我们用的是当前开源的模型里面 最好的混元的一个模型 OK这是我们这个软件用到的 最主要的两款AI的一个模型 因为这些模型都比较大 所以说是在发布的时候 我们这个软件是没有把它打包进去 因为打包的话它的体积会太大 所以说大家下载到这个 装好这个软件以后 需要在其他地方去下 然后我主要就是讲一下 怎么去下这个模型 因为很多人其实在这一块有疑问 其实羽木这一块 已经做得非常清晰了 首先这个软件 比如说我的这个界面 它现在打开是 默认是用的这个千问三的一个模型 还有这个红原的一个模型 因为它是根据我自己本机的一个 这个显卡 显卡去默认推荐的一个模型 因为我的是4070 我的显存大概是12G 对 然后空前的大概是9个G 然后12G以上的话 基本上是能满足这个驴幕 用最好的本地模型 都是可以跑充起来的 8GB以上的话也基本上是可以 最低的话是可以支持4GB的 但是就是要用其他模型 然后具体的话我们可以点 我们先把这个重振过认 就是我们不知道我们显卡 可能适合哪个模型 我们可以点这个一件适配显卡 OK点了以后 他就把我当前这个电脑 它适合的模型 它会显示出来 OK主要就是这两个模型 然后现在我们就去下这两个模型 然后我们点开这个模型管理 对这个图标的模型管理 我们找刚才的那个模型 我们可以看到有一个是这个千万三的这个模型 这个是我们刚才那个机面推荐我们下的 但是我们我这我的这个软件因为已经下了 回来给大家演示 我把这个软件我先删了 我先把它删除 好我们现在演示怎么下载 其实下载非常简单 我们直接点这个下载 OK 点开下载以后 它就直接开始下载了 语幕其实集成了这么多软件 很多都是直接点这个下载 都可以直接下载 然后下好以后就能直接用 所以说也是为了用户方便 然后就尽量做成一种 简单傻瓜的一种模式 对 还有一种情况就是有时候比如说我们用户自己的电脑他的网络不太好 或者是下载的那个源他有时候会抽风 抽风的时候他下不下来 下不下来的时候我们可以点这个 点这个 我把所有的模型都已经放在这个网盘链接里 我们可以把这个夸克网盘打开 OK打开以后所有的都在 都在这个模型里面 所有的模型都在这个模型路径下 我们去客户端查看一下 OK大概就是这样 这些模型所有的模型都在这里 比如说我们刚才是应该推荐的是这个模型 那我们就可以把这个模型下下来 OK下载这个 下载这种矿客模型下载这个模型的话 我就不一样是怎么下的 我本地已经下好 OK我们把它先关掉 我们先等这个下载 等它下载好以后 其实就可以用了 OK我们稍等片刻 OK我们可以看到 魔镜已经下好了 OK这是第一种下载方式 然后我们再讲一下第二种 第二种我刚才已经说了一半 然后我们再把后面一半我们再讲一下 点删除 好我点第二种下载方 第二种下载方是刚才我讲的是 按这个跨客链接去下 刚才我已经演示了 然后我现在默认是已经下好了 下好以后我们去点这个按钮 这个 对 一定要点这个 点这个按钮 然后我们找到我们刚才下的那个 这是我们网盘下的那个压缩包 我们点开以后点打开 这个时候我们软件会自动 把我们刚才下的网盘下的那个压缩包 解压到正确的一个目录 这样我们用户就不用说我们手动去解压 手动解压的话 它有时候经常会放错位置 这就是我做这个软件过程中 很多用户会出错的一个地方 所以我在这里强调一下 大家一定要按照我刚才说这个操作 选这个去做那个去解压 这样的话它的路径肯定是对的 OK 可以看到这个解压是非常快的 然后显示以安装 OK 然后我们回到那个界面 然后还需要一个混元的模型 然后混元的模型的话 我们也是一个翻译模型 其实我已经下了 我就这我就不演示了 大家还是 大家没下的话 还是按刚才的步骤 然后去直接去下 OK 然后我们我们拖一个视频跑一下 我们拖一个日语的一个视频 比如说 我还是用这个 这个视频稍微短一点 我们现在开始 直接直接可以开始 OK老师演示快点 我把这 这两个先关了 这两个一般情况下我们是不开启的 如果说我们的背景 背景的背景音乐或者背景噪声比较多的话 我们可以开这个人声分离 还有就是说话 如果我们这个视频里面说话人不是很多的话 比方两三个人 或者是我们想让我们的字幕 它的分屏显示的效果更好的话 我们也可以把这个说话人打开 但是打了这个说话人的话 它会增加更多的一个耗时 因为这个说话分离的模型也是一个AI模型 它跑的话也是需要些时间的 在这里我为了快点我先把它关了 然后我们直接点开始处理 OK 我们可以看到 它说是缺少一个 OK,建議到模型管理區下載。 好,我們是這個模型。 我們看準次了。是這個False Anioner。 對,這個模型。 OK 然后我们去下载 OK 那个模型其实是在 它是一个自己时间出对齐的一个模型 对我们找到这 然后我们点下载 对 其实羽目 它下载的过程中还是比较人性化的 就是我们缺什么模型 它在你跑这个任务的时候 它都会提醒你去下这个模型 这个时候我们用户只需要 把软件提醒你的 要下什么模型的名字记住了 记准了 然后我们在这个模型管理 去找到对应的模型去下转 下好以后一般跑就是没什么问题 OK我们等着 等下再玩 OK我们看到这个模型已经装好了 我们回到主界面 好我们继续跑 好,这就是我们跑的一个界面 我们稍等片刻 好的,跑完了 我们打开输出目标看一下 OK,这是我们跑的所有的结果 我们其实不要在意 一个是这个字幕 一个是这个视频 这个视频我们其实已经累嵌到里面 我打开看一下 可以看到 这次目已经有了 现在思考到 很棒 看见了 看见了 最后我们再讲一下 关于激活的这一块 女目本身它是支持 五分钟以内的视频 免费去跑的 然后就像这个字幕编辑字幕压制 也是随便可以用的 如果你需要跑一个长视频 然后没有任何限制的话 是需要激活的 激活的话 我们可以打到这个 这个界面 对 然后我们可以联系 联系这上面的一个联系方式 然后去购买激活码 或者是在官网上去访问 主要还是看家微信吧 或者是加Payco去买激活码 得到激活码后我们把激活码输入 然后点激活 就会出现一个类似于这种状态 激活永久版 这样的话我们就可以无限制去使用云木了 OK 关于本地教程今天先到这里 谢谢大家
本次執行流程與問題處理
下達指令
預期流程
- 自動字幕優先，Whisper 作為備援
- 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：29.2 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：40.9 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：0.9 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：1.0 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：1.0 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：1.0 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：0.1 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：0.1 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：0.1 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：68.4 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：0.5 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
- 逐字稿全文快速校讀未完成
已保留自動字幕/原始逐字稿並繼續生成筆記。；未完成的全文速讀項目可在精進模式回聽確認。；RAPID_REVIEW_STATUS=REVIEW_REQUIRED_INVALID_OUTPUT
- 部分時間軸可能不精確
unit 224: 6 chars owns 10.720s (max 8.000s)
- Qwen3-ASR 未完成，需確認 qwen_asr_lab 環境與音訊後重試精進模式。