工作清單

本機 AI 基礎設施與自動化工具霸榜｜GitHub 開源週報 2026-08-24

逐字稿文字預覽

今天是2026年8月24日。Github本周開源熱榜由本機人工智慧基礎設施與自動化工具領跑。從模型部署代理記憶到短影片生產,一次掌握8個熱門專案。
第一名Modular,這是整合人工智慧開發與部署的平台,適合打造和服務高效能模型。
它把模型、框架、推論、伺服器和高效能程式語言放進同一套技術站。
開發者能用相容介面部署模型,也能參與標準函事庫和加速核心。
本周新增2017顆星,反映社群對開放式人工智慧基礎設施的高度關注。
第二名Money Printer Turbo,這是一套,一站式人工智慧短影片工具,
適合內容創作者和行銷團隊快速量產。
只要輸入主題,就能自動寫腳本、找素材、配字幕、配樂並合成高畫質影片。
它同時支援多種尺寸、語音服務、批次生成與跨平台發布。
本周暴增10953顆星,正好踩中短影音自動化和多摩胎創作熱潮。
第三名,MRKey,這是一套風格鮮明的現代開源作業系統,
發行版,瞄準向快速進入高效率環境的開發者。
它預先整理終端、編輯器、快解鍵主題、剪貼譜和常用開發工具。
和叢林拼裝桌面相比,它用明確取捨換來安裝後立即工作的體驗。
本周新增3151顆星,顯示開發者仍渴望艱巨美感與生產力的桌面系統。
第四名,Open Logi,這是羅技、滑鼠鍵盤與攝影機的本機控制工具,適合重視隱私和可自定性的使用者。
它能重設按鍵、調整靈敏度與手勢,還可依不同應用程式切換設定。
從文字設定,命令、列界面和跨三大桌面平台,是它相較官方軟體的關鍵差異。
本周新增4993顆星產品發布帶來的關注,也放大了隱私友善工具需求。
第五名,CoreDIS,這是一個用來組裝智慧代理能力的外掛原框架,適合建構可擴充的代理執行環境。
它以服務容器管理,依賴用型別花事件、協調工具、模型與工作流程。
所有註冊都能隨重新載入,安全撤銷,減少大型外掛系統的生命周期混亂。
本周新增3364顆星,但界面仍在快速變動,適合先研究架構,再投入正式環境。
第六名,Open Viking,這是面向智慧代理的上下文資料庫,
適合管理長期記憶,算案知識與可重用技能。
它把所有內容放進虛擬檔案系統,讓代理像瀏覽資料夾一樣定位資訊。
摘要、概覽和詳情,分三層。
案需載入、檢索路徑也能追蹤與除措。
本周新增3447顆星,代表上下文,工程正從零散技巧走向專門基礎設施。
第七名,Public Appies,這是一份由社群維護的免費應用程式介面清單,
適合開發者找資料源、測試服務或快速做原型。
內容依主題分類,並標示認證方式、加密連線與跨來源支援。
它沒有複雜框架,價值在於長年累積,容易搜尋,而且能直接縮短找服務的時間。
本周再增9381顆星,證明經典資源庫仍會因新一波開發者需求,重新爆紅。
第八名,OMEL,這是為蘋果晶片最佳化的本機大型語言模型。
伺服器,適合在個人電腦跑編碼代理和私有模型。
它用連續批次提升、吞吐,並把箭值快取分層,保存在記憶體與固態硬碟。
常用模型和常駐,較大的模型按需切換,還能直接從系統選單列管理。
本周新增1597顆星,凸顯本集推論正在從命令列工具變成日常桌面產品。
以上就是本周的Github熱榜,感謝你看到最後。
喜歡這類開源工具整理,記得按讚訂閱頻道,
我們下周再一起看最新趨勢。

來源：transcript.txt

本次執行流程與問題處理

  1. 下達指令

    指令：videonote https://youtu.be/2dLp2RbgGxM?si=NkQ4JrwASgrec3Wn --language zh

    來源：https://youtu.be/2dLp2RbgGxM?si=NkQ4JrwASgrec3Wn

    辨識語言：zh ｜ 參數：--language zh

  2. 預期流程

    依指令產生的處理順序：

    1. 下載與語音辨識
    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

  3. 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：17.2 秒

    關係：依序執行

    結果：完成

  4. 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：37.5 秒

    關係：依序執行

    結果：完成

  5. 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

  6. 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：0.6 秒

    關係：依序執行

    結果：完成

  7. 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：0.6 秒

    關係：依序執行

    結果：完成

  8. 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

  9. 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

  10. 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：0.7 秒

    關係：依序執行

    結果：完成

  11. 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：0.7 秒

    關係：依序執行

    結果：完成

  12. 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：83.5 秒

    關係：依序執行

    結果：完成

  13. 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：0.6 秒

    關係：依序執行

    結果：完成

  14. 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：0.7 秒

    關係：依序執行

    結果：完成

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

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