逐字稿文字預覽
大家好,今天給大家介紹一下如何使用英視頻翻譯軟件 Silhouette來給日語視頻生成字幕並進行翻譯。 那我們先打開軟件,然後打開一個視頻,選擇一下語言。 那這裡呢,我們是使用了來自新世紀福音戰士第9集的一個5分鐘的一個片段 然後呢,我們直接點識別語音 我們是在Mac mini上 进行的操作 使用到它的GPU 这个识别速度还是很快的 当然这里为了 这个演示呢 我们也还是做了一定的加速的 好识别好之后呢我们可以看一下效果 那可以看到 大部分的时间轴和文字 还都是正确的 然后我们可以再往下看 我們在軟件中可以結合這個波形圖 来看这个每行字幕 它这个对应的这个波形图 然后呢再做相对应的调整 这里呢可以看到这一段 这个句子太长了 我们可以做一个拆分 那么 就这里 进行分割 使用换行进行一个拆分 然后可能看到这个时间轴啊 它还是不够准确啊 我们可以直接拖动这个 这个区域 去调整这个范围 然后在右键播放所选 可以看看它 这个实际的播放效果 那这样调整好 之后呢我们可以再进行一个翻译 这里呢我们点这个预翻译 使用百度啊 做一个机器翻译 那这个百度翻译呢 就是他的这个响应速度是很快 但是他的准确性呢 还是不够好的 大致上是我们看这些文本还是能看懂的 不过有些地方 它这个翻译的确是不够好 比如说这里 Fast Chiro Doren 就是第一试格者 它都没有翻译出来 那我們可以再使用像Deepseek這種大語言模型去進行翻譯 那因为调用API它比较贵而且响应也比较慢 这里我们可以直接导出文本 然后在网页版的Deepseek中去进行操作 导出一下字幕文件,請保留原文 然後啊,這個粘貼到 Deepseek裡面 指令呢 我这里输入的是翻译以下内容到中文 不要给多余的解释 这个内容比较多 可以看到 他已經把第一試格者 已经翻译出来了 好 好输出完成了 然后我们可以把这个字幕再复制一下 替换原来的内容 然后呢 再导入这个字幕文件 选择导入文本到现有行的译文 这样呢就导入了Deep Seek的翻译 這是第一試格者 以上就是使用Silhouette來生成日語視頻的字幕並翻譯的一個操作過程 谢谢大家 啊 就此在噴火人大地球上投之下 水剑龟再也无法应战
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：26.1 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：19.2 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：0.3 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：0.3 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：0.3 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：450.6 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：0.7 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：56.4 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：0.6 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=2 已先套用暫定修正：那我們先打開軟件,然後打開一個視頻,選擇一下語言隊。 → 那我們先打開軟件,然後打開一個視頻,選擇一下語言。；segment=17 已先套用暫定修正：我们在软用中可以结合这个波形图 → 我們在軟件中可以結合這個波形圖；segment=52 已先套用暫定修正：那我们可以再使用像Deepseek这种大语的模型去进行翻译 → 那我們可以再使用像Deepseek這種大語言模型去進行翻譯；segment=58 已先套用暫定修正：Deepseq裡面 → Deepseek裡面；segment=3 待確認：語句冗長且重複使用「一個」，口語感過強但邏輯通順；暫定：那這裡呢,我們是使用了來自新世紀福音戰士第9集的一個5分鐘的一個片段；segment=49 待確認：外語專有名詞識別結果，無法僅憑中文上下文確認準確性；暫定：Fast Chiro Doren；segment=78 待確認：「噴火人大地球」語意不明，疑似人名或地名識別錯誤；暫定：就此在噴火人大地球上投之下；segment=79 待確認：「水劍龜」與前文「噴火人」的對應關係需確認是否為特定語境；暫定：水劍龜再也無法應戰
- 部分時間軸可能不精確
unit 13: 5 chars owns 11.640s (max 8.000s)；unit 41: 8 chars owns 17.240s (max 8.000s)；unit 62: 7 chars owns 27.640s (max 8.000s)
- 逐字稿可先使用，但有待校正清單
segment=3 rapid_semantic_review: id 3；segment=49 rapid_semantic_review: id 49；segment=78 rapid_semantic_review: id 78；segment=79 rapid_semantic_review: id 79
- Qwen3-ASR 未完成，需確認 qwen_asr_lab 環境與音訊後重試精進模式。