工作清單

AI专业日语字幕软件上新，日语识别准确度 94%，词语级音频对齐率 99%，30 分钟视频 3 分钟内完成转录

逐字稿文字預覽

選擇日語的專用模型，選擇日語，勾選上AI智能拆行。
等待2分鐘，2分鐘的日語視頻就轉錄好了。
浩叔開發的字幕軟件Hawang發布V10版本了。
這個版本最主要的更新就是增加了日語轉錄與翻譯的功能。
那麼轉錄的質量如何呢？
播放一下看一下。
可以看到，準確率還是非常不錯的，語感也比較合理。
人聲與音頻的對齊率非常高。
以日劇轉錄的場景為例，軟件重點解決了如下三個遇到的核心問題。
如何提高日語轉錄的準確率與穩定性?
Hawang軟件，啟用的Vespa的模型。
啟用的Parakeet這個日語專用的模型。
這是經過浩叔認真評測的選擇。
詳細的可以看我上一期的視頻。
銳評2026年日語ASR開源模型。
經過評測，Parakeet模型無論在識別的準確率、穩定性、詞語級的對齊都好於Vespa。
如何提高轉錄的速度呢？
日劇都是長視頻。
Hawang轉錄非常的快。
30分鐘的視頻,3分鐘就可以完成轉錄了。
一般性能的顯卡也能實現高速的轉錄。
Hawang軟件針對長音頻優化。
2小時的日劇轉錄之後，也不會出現局部的崩壞、時間戳漂移等問題。
Hawang還支持批量的轉錄。
你可以一次性轉錄一批日劇，不願等待時間一個個的操作。
第三個問題就是,如何實現快速的糾錯?
日語的AI識別是必然有錯誤的。
Hawang作為專業的字幕軟件,在字幕糾錯上面效率非常的高。
帶有AI識別與糾錯的功能，你可以利用AI快速找出錯誤點並修正，並且支持將糾錯詞一鍵配置到熱詞表中。
帶有AI熱詞替換的功能，你可以把人名與專有名詞配置在熱詞表中。
實現轉錄時的自動替換。
帶有日語文稿匹配的功能。
比如我會使用Gemini轉錄出文字稿。
Gemini的轉錄很準，但時間戳不行。
將文稿黏貼到文稿匹配中，就可以實現快速的糾錯。
接下來,來完整演示一下軟件的操作。
第一次試驗,請先下載日語專業模型。
然後將文件導入到軟件中。
點擊本地轉錄。
選擇日語專業模型。
選擇日語。
勾選上AI智能拆行。
可以解決轉錄的日語容易出長句的問題。
調整合適的單行字幕最大長度。
點擊執行轉錄。
等待一會兒日語字幕就轉錄完成了。
下一步你可以點擊AI識錯與糾錯。
這是日語的識錯提示詞。
你可以添加自己的識錯的規則。
執行完成之後，會出現二次確認的表。
檢查後沒有問題。
你就可以將常見的錯誤。
一鍵批量添加到熱詞表中。
點擊確認後，程序會自動完成批量的替換。
你可以到設置的頁面中，找到熱詞表。
切換到日語。
你就會看到熱詞了。
在這裡你可以管理你的熱詞。
然後在轉錄的時候，開啟AI熱詞替換開關就可以了。
最後，有雙語字幕需求的。
可以點擊生成雙語字幕。
上行可以選擇日語，下行選擇中文。
點擊開始處理。
等待一會兒，雙語的字幕就生成好了。
點擊導出,就可以將ASR的字幕導出了。
我是浩叔,我們下一個視頻見。

來源：transcript.txt

本次執行流程與問題處理

  1. 下達指令

    指令：videonote https://b23.tv/mS9zyZ0 --language zh --auto-source-subtitles

    來源：https://b23.tv/mS9zyZ0

    辨識語言：zh ｜ 參數：--language zh --auto-source-subtitles

  2. 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

  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：32.2 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：33.4 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：0.4 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：0.4 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：0.5 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：0.5 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：0.5 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：0.6 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：0.6 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：86.0 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：1.0 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：0.1 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