逐字稿文字預覽
可以聽到我說話嗎? 可以聽到我嗎? 先講實時翻譯吧。 實時翻譯的話,首先要去應用商店,下載豆包這個軟件。 直接搜索就可以。 如果搜不到呢,就按V加I,進入到地區語言裡面。 然後把這個區域改成中國就可以搜得到了。 搜到之後呢,就先下載一個豆包電腦端,前面這個。 下載完之後呢,打開豆包。 然後呢,在豆包的懸浮窗裡面,就可以找到開啟實時雙語字幕這個東西。 開啟完之後,把它抽到這裡。 它識別到之後就會自動翻譯了。 之後我們接著講一下如何實現同聲傳譯這個功能。 首先要實現同聲傳譯,我們需要先下載一個虛擬聲卡。 輸入這個網址,之後選擇這個新版。 主播這邊已經下載完了。 下載完之後呢,用我們的解壓軟件打開。 把它解壓出來。 解壓到你要存放它的文件夾裡。 解壓完成之後呢,我們在電腦。 然後呢,你放文件夾的位置找到它。 接著呢,如果你是32位的系統,就用管理員身份運行這一個。 如果你是64位的,就運行這一個。 選擇是之後,點擊這個。 接著呢,重啟就可以安裝完成了。 好的,現在我們已經調完了, 虛擬聲卡這個操作。 接著呢,我們打開音量合成器。 找到騰訊的這個圖表。 然後呢,把它的輸出設備, 改成我們的虛擬聲卡。 改成虛擬聲卡之後呢, 我們進入到遊戲裡面去。 之後進入到遊戲設置裡面。 我這邊以空軌正為例。 找到它的音頻。 把它的麥克風輸入改為你的虛擬聲卡。 之後點擊應用。 此時同聲傳譯就完成了。 然後呢,下面主播再給大家講解一下, 呃,有種情況。 它就是音量合成器裡面。 沒有出現騰訊這個圖表怎麼辦呢? 這邊我已經出現了對吧? 然後呢,我假設它沒有出現。 此時和豆包已經掛上了同聲傳譯。 此時和豆包已經掛上了同聲傳譯。 接著呢,我們打開Ctrl-Shift-ESC。 打開任務管理器。 之後我們找到這個騰訊移動應用引擎。 它是正常運行的。 接著呢,我們打開文件所在位置。 之後雙擊這個東西。 然後我們的豆包就會退出來。 退出來之後呢, 我們再重新把豆包打開。 然後呢,再點擊一下這個。 然後呢,此時音量合成器裡 就會有騰訊這個圖表了。 這是主播之前苦苦測試出來的方法。 然後呢, 出現這種情況的小夥伴可以跟著我的操作嘗試一下。 然後呢,再給大家總結一下。 使用豆包免費版的話, 它每天有一個小時的使用限制。 就是同聲傳譯的使用限制。 如果呢, 到達一個小時之後就不能再使用了。 然後呢, 這邊是可以選擇升級豆包專業版。 但是, 它一個月需要68元的費用。 所以說, 主播不是特別推薦。 然後還有一個呢, 就是去購買別人搭建的AI框架。 這個就可以實現無線的使用功能。 當然也可以說, 還有一個bug就是把那個豆包移動版的帳號進行切換。 切換到沒有屬於號上。 然後這樣子就可以繼續使用了。 所以說, 這裡還是有些限制。 只供小夥伴們輕度使用。 如果呢, 想要更好的體驗。 那就可以去做其他的選擇。 然後呢, 最後感謝一下比目老師。 這件事看了比目老師的同聲傳譯的這個視頻呢, 才有了這期內容。 因為發現它發的內容有些不是特別完善。 所以呢, 這個相當於那個教程的一個完整版。 如有不對, 請稍微指出一下。 好, 謝謝大家。
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：17.4 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：30.4 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：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：0.6 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：0.7 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：73.6 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：0.7 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：0.8 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
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
segment=5 已先套用暫定修正：如果搜不到呢,就按V加I,進入到時間語言裡面。 → 如果搜不到呢,就按V加I,進入到地區語言裡面。；segment=8 已先套用暫定修正：下載完之後呢,拔開豆包。 → 下載完之後呢,打開豆包。；segment=18 已先套用暫定修正：接壓到你要存放它的文件夾裡。 → 解壓到你要存放它的文件夾裡。；segment=19 已先套用暫定修正：接壓完成之後呢,我們在磁電腦。 → 解壓完成之後呢,我們在電腦。；segment=28 待確認：「圖表」一詞在音量合成器上下文中不準確，通常為「進程」或「窗口」，但聽感可能為「圖標」。；暫定：找到騰訊的這個圖表。；segment=79 待確認：「沒有屬於號」語意不明，可能是「未使用過的號」或「新號」的誤聽。；暫定：切換到沒有屬於號上。
- 逐字稿可先使用，但有待校正清單
segment=46 adjacent_duplicate: 與前一段完全重複，可能是滾動字幕或 ASR 重複；segment=28 rapid_semantic_review: 上下文為音量合成器操作，且後文多次使用「圖表」指代同一對象。；segment=79 rapid_semantic_review: 上下文為通過切換帳號繞過使用限制。
- Qwen3-ASR 未完成，需確認 qwen_asr_lab 環境與音訊後重試精進模式。