# 影片筆記：【视译宝】独立开发的开源视频翻译神器！


<!-- VIDEONOTE_PUBLICATION_WARNINGS_BEGIN -->
## ⚠️ 可先使用，仍有待修正項目

本筆記已完成可閱讀的逐字稿與時間跳轉；下列為待處理問題，建議播放原片確認。

- 待修正：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。）
- 待修正：逐字稿可先使用，但有待校正清單（segment=96 unnatural_sentence_boundary: 標點出現在句首或停在逗號位置，斷句可能不符合文法/口語）

<!-- VIDEONOTE_PUBLICATION_WARNINGS_END -->

## 一句話總結

影片介紹了一款名為「試意寶」（Shiyibao）的開源全自動 AI 視頻翻譯工作台，支援從 GitHub 一鍵部署或網頁版使用，整合了語音識別、多模型翻譯（如 Gemini、OpenAI）、TTS 語音合成及雙語字幕生成，提供「邊緩存邊看」的流暢體驗與後台 AI 摘要分析功能。

## 核心重點

*   **產品定位**：「試意寶」是一個一體式的 AI 視頻翻譯工作台，旨在解決觀看 YouTube 等外文乾貨視頻時的語言障礙。
*   **核心功能**：集成語音識別、多模型智能翻譯、聲文克隆、配音及雙語字幕生成。
*   **部署方式**：
    *   **GitHub 一鍵部署**：透過複製提示詞給 AI Agent（如 Workbody、Codex、Cloud Code）進行自動部署與環境配置。
    *   **ReleaseBall**：另一種安裝方式。
    *   **網頁版**：講者主要演示網頁版操作。
*   **配置流程**：
    *   **翻譯 API**：支援 Gemini、Deepseek、Kami、Dobal、OpenAI、SRubic 等模型，需配置 API Key。
    *   **TTS 語音合成**：支援小米 Memo 等模型，需配置 Key。
    *   **運行模式**：提供「邊緩存邊看」（推薦，急速流秒開）與「處理完再看」兩種模式。
*   **操作體驗**：
    *   使用者上傳視頻後，系統自動進行音頻分離、字幕翻譯、TTS 轉譯及合成。
    *   處理前 30 秒後即可開始觀看與學習，後續內容在後台自動處理。
    *   支援自定義音色（冰糖、茉莉、蘇打）及性能參數（任務併發、字母大小等）。
*   **後台管理**：提供歷史項目查看、字幕列表與時間軸、AI 摘要分析（核心摘要、學習大綱）、字幕問答互動及視頻導出功能。

## 詳細大綱

### 1. 項目介紹與背景
*   **名稱**：試意寶（Shiyibao），逐字稿中亦提及「十一寶」。
*   **功能**：全自動 AI 視頻翻譯工作台，包含語音識別、多模型智能翻譯、聲文克隆、配音、雙語字幕生成。
*   **版本迭代**：講者提及從 1.0 至 0.18 版型，修復 Bug，項目初步成熟。
*   **使用場景**：輔助學習 YouTube 等平台上的英文乾貨視頻。

### 2. 部署與配置
*   **部署途徑**：
    *   透過 GitHub 頁面，複製提示詞給 AI Agent（Workbody、Codex、Cloud Code）進行一鍵部署。
    *   安裝 ReleaseBall。
    *   講者偏好使用網頁版進行演示。
*   **API 配置**：
    *   **翻譯模型**：支援 Gemini、Deepseek、Kami、Dobal、OpenAI、SRubic。講者示範使用 Google Gemini，獲取 API Key 並配置，選擇模型如 Gemini3.5Flash Lite 測試通過。
    *   **TTS 模型**：講者示範使用小米 Memo，獲取 Key 並測試通過。
    *   **其他提及**：獲取 API Key 時提到「打開我們的 AS Studio 的密钥」。
*   **運行與性能設置**：
    *   **模式選擇**：「邊緩存邊看」（推薦，急速流秒開模式）或「處理完再看」。
    *   **音色庫**：冰糖（甜美清亮）、茉莉（溫柔優雅）、蘇打（沉穩有力）。
    *   **性能調度**：任務併發個數、字母大小、模型變化程度、翻譯與轉譯模型變化、硬件智能推薦。

### 3. 視頻翻譯操作流程
*   **步驟**：
    1.  選擇自動識別初始語言（如英文）翻譯成中文。
    2.  拖入視頻文件。
*   **後台處理流程**：上傳視頻至 B 檢平台 -> 音頻分離 -> 字幕翻譯 -> TTS 轉譯 -> 合成。
*   **即時體驗**：處理前 30 秒後即可開始觀看與學習，後續在後台自動進行。

### 4. 後台管理與功能
*   **歷史項目**：查看已翻譯結果。
*   **字幕列表與時間軸**：查看不同時間軸的字幕。
*   **AI 分析與總結**：提供核心摘要、學習大綱。
*   **字幕問答**：透過右側 AI 問答區域互動。
*   **導出**：導出翻譯好的視頻進行預覽觀看。

## 工具 / 模型 / 名詞整理

*   **項目名稱**：試意寶（Shiyibao）、十一寶、十一寶 APP
*   **平台/網站**：GitHub、YouTube、AS Studio
*   **AI Agent / 開發工具**：Workbody、Codex、Cloud Code
*   **部署相關**：ReleaseBall
*   **翻譯 API / 模型**：
    *   Gemini（Google Gemini）
    *   Deepseek
    *   Kami
    *   Dobal
    *   OpenAI
    *   SRubic
    *   Gemini3.5Flash Lite
*   **語音合成 (TTS) / 音色**：
    *   小米 Memo
    *   音色名稱：冰糖、茉莉、蘇打
*   **其他提及**：B 檢平台（上傳目標）、三維動畫互動網站（視頻內容範例）

## 操作流程整理

1.  **部署環境**：
    *   選擇 GitHub 一鍵部署（需 AI Agent 輔助）或安裝 ReleaseBall，或直接使用網頁版。
2.  **配置 API**：
    *   配置翻譯 API Key（如 Gemini）。
    *   配置 TTS 語音合成 Key（如小米 Memo）。
3.  **設置參數**：
    *   選擇運行模式（推薦「邊緩存邊看」）。
    *   選擇音色（冰糖、茉莉、蘇打）。
    *   調整性能參數（併發數、字母大小等）。
4.  **上傳與處理**：
    *   設定目標語言（自動識別源語言，如英文，翻譯為中文）。
    *   拖入視頻文件。
    *   系統後台執行：音頻分離 -> 字幕翻譯 -> TTS 轉譯 -> 合成。
5.  **觀看與管理**：
    *   前 30 秒處理完成後即可開始觀看。
    *   在後台查看歷史項目、字幕列表、時間軸。
    *   使用 AI 摘要分析功能獲取核心摘要與學習大綱。
    *   透過字幕問答區域進行互動。
    *   導出最終翻譯好的視頻。

## 值得注意的限制或風險

*   **版本號邏輯疑點**：講者提及版本從「1.0 到 0.18 版型」，通常版本號不會倒退，可能為口誤或特定版本策略，需留意實際軟件版本狀態。
*   **平台名稱不確定**：上傳目標提及為「B 檢平台」，需確認是否為「B 站」或其他特定平台的口誤。
*   **依賴外部 API**：功能高度依賴 Gemini、OpenAI、小米 Memo 等第三方 API 的可用性及 Key 的有效性。
*   **硬體資源需求**：涉及音頻分離、TTS 轉譯及大模型推理，對硬體資源有一定要求，雖有「硬件智能推薦」，但具體性能表現可能因設備而異。

## 逐字稿辨識疑點

*   **segment 96: unnatural_sentence_boundary** — 標點出現在句首或停在逗號位置，斷句可能不符合文法/口語。
*   **試意寶 / 十一寶**：逐字稿中交替出現「試意寶」與「十一寶」，需查證正確產品名稱。
*   **Redmi**：在 GitHub 頁面描述中出現「有個 Redmi」，疑點：通常 GitHub 頁面不會直接提到 Redmi（手機品牌），可能為聽寫錯誤或特定倉庫名稱。
*   **Workbody**：疑點：常見 AI 開發工具為 "Windsurf" 或 "Cursor" 等，"Workbody" 需查證是否為特定工具名稱或口誤。
*   **Cloud Code**：疑點：通常指 Google Cloud Code 插件，需確認是否為該意圖。
*   **ReleaseBall**：疑點：常見部署包格式為 "Release" 或 "Wheel"，"ReleaseBall" 需查證是否為特定打包名稱或口誤。
*   **TDS / TTS**：逐字稿中交替使用「TDS」與「TTS」指代語音合成，疑點：標準縮寫為 TTS (Text-to-Speech)，TDS 可能為口誤。
*   **AS Studio**：疑點：獲取 API Key 時提到「打開我們的 AS Studio 的密钥」，疑點：常見 API 管理工具為 "Google AI Studio" 或 "DashScope" 等，"AS Studio" 需查證。
*   **GeminiK**：疑點：應為「Gemini Key」或「API Key」的口誤。
*   **拉隧模型 / 拉隧道模型**：疑點：應為「拉取模型」或「加載模型」的口誤。
*   **教員成功**：疑點：應為「調用成功」或「測試成功」的口誤。
*   **皮位值**：疑點：應為「參數值」或「配置值」的口誤。
*   **三類文件**：疑點：視頻內容範例中提到「不會使用任何三類文件」，疑點：應為「三維軟件」或類似詞彙的口誤。
*   **1.0 版本到 0.18 版型**：疑點：版本號通常不會從 1.0 倒退至 0.18，需查證是否為口誤或特定版本策略。
*   **B 檢平台**：疑點：需查證具體上傳平台名稱，可能為「B 站」或其他平台的口誤。

## 可延伸追問

*   「試意寶」的開源協議為何？是否允許商業使用？
*   網頁版與本地部署版在功能與性能上有何具體差異？
*   支援的 TTS 模型除了小米 Memo 外，還有哪些選擇？
*   「邊緩存邊看」模式的具體技術實現原理為何？
*   如何確保翻譯過程中用戶數據的隱私與安全？