工作清單

【视译宝】独立开发的开源视频翻译神器！

逐字稿文字預覽

今天我向大家介紹一下最近一段時間我在開發的一個項目。叫做試意寶。
它是一款全自動的AI視頻轉移過的工作台。集成了這個語音識別。
多模型智能翻譯。聲文克隆。配音與雙语字幕。生成的一體式平台。
我今天教學一下大家這個平台怎麼用。
拿到這個項目以後,我們點擊查詢這個部署文檔。此時我們會來到我們的這個Github 頁面。
Github 頁面以後,我們可以往下滑有個Redmi。
Redmi裡面有一個AI Agent一鍵部署的這個項目。
我們只需要複製我們的這個提示詞。
我們給了Workbody也好。給了Codex也好。給了Cloud Code也好。
給了任意的Agent。他就會拉取我們的倉庫。
然後進行一個環境的配置。就配照環境啟動我們的這個Web服務。
也可以安裝這裡面的ReleaseBall。
這兩種方式都是可以的。我一般習慣性的用這個網頁版。
所以說我今天的演示是用網頁版來給大家演示的。
就是我們十一寶的項目。我們這個項目是進行一個翻譯。
就是說,比如說我們在一些YouTube平台上面看到一些乾貨的一個英文視頻。
但是我們看不懂。
又想把這個視頻好好地學習一下。
此時就需要用到我們的這個十一寶這個APP。
我已經更新了我們的8個版本。
從1.0版本到0.18版型。
中間修復了一堆Bug。
現在這個項目已經初步成熟了。
我們見證一下這個怎麼用。
剛拿到的第一步,我們先去配置我們的翻譯的API。
和我們語音以等文字轉語音的TDS。
這個API它支持主流的一些模型。
比如我們的Gemini,Deepseek,Kami,Dobal。
還有我們的OpenAI,SRubic這些。
我們只需要選擇預設,或者我們可以自定義API。
可以通過中轉的模型去用。
也是可以的。
比如說我就選擇Google Gemini。
我們點擊這個獲取谷歌的GeminiK。
此時我們就打開我們的AS Studio的密钥。
我們只需要創建一個AS Studio的密钥。
然後複製這個。
最後粘進去。
就給我們的模型配置好了。
配置好以後我們可以點擊拉隧模型。
拉隧道模型以後,我們可以看看使用什麼模型。
像我翻譯的話就使用Gemini3.5Flash Lite模型。
選擇好模型以後,我們可以點擊測試K。
我們測試一下能不能用。
他說,教員成功,可以使用。
此時,我們的翻譯模型也配置好了。
翻譯模型配置好以後,我們需要配置我們的TTS。
語音合成的一個模型。
我用的是小米的Memo。
我們點擊測試。
好,我們Memo也配置好了。
我們可以在這裡面獲取我們的小米的一個K。
我們也是可以獲取的。
兩個配置好以後,我們這邊可以選擇兩種模式。
一種模式就是我們的這個邊緩存邊看的模式。
一種模式是我們的處理完再看的模式。
像我一般推薦大家打開急速流秒開的一個模式。
我們設置好這些以後,我們點擊保存。
保存選擇好以後,我們去我們的音色庫裡面。
這裡面可以選擇我們喜歡的音色。
像我默認喜歡冰糖。
你好,我是冰糖。
我的聲音甜美清亮。
讓我來為你朗讀視頻內容吧。
你好,我是茉莉。
我的聲音溫柔優雅。
很高興為你服務。
或者選擇蘇打。
這些都是可以的。
你好,我是蘇打。
我的聲音沉穩有力。
適合各類視頻配音。
這個就看你們的一個喜好了。
我們點擊性能調度這個頁面,
能調配我們整體的一個性能。
比如說我可以選擇任務併發的一個個數。
還有字母的一個大小。
還有我們這個模型的一個變化程度。
還有我們翻譯模型和我們轉譯模型的一個變化。
配置好以後,或者根據本級的硬件智能推薦這個皮位值。
我們把這些操作步驟配置好以後。
我們就可以進行一個視頻的翻譯了。
我們可以選擇這個。
比如說我們選擇自動識別。
自動識別它的初始的一個語言。
翻譯成中文。
比如說我現在給他們舉個例子。
比如說我現在有個項目。
就像有個視頻想翻譯一下。
我現在找到這個視頻。
比如說我這個視頻。
這個視頻。
當然你會學會如何建立這些3D、
電影的、電影的、電影的網站。
全部都會。
這是一個純英文視頻。
但是我看不懂。
我就想把這個視頻給翻譯一下。
就是說只需要把這個視頻。
我們把這些參數選好以後。
這邊能選擇翻譯的模型和音色。
還有原生。
我給它打開20%的原生。
我們只需要把這個視頻給它拖進去。
然後它就會自動上傳我們的一個視頻原文件。
然後進行一步一步的整理。
先是上傳視頻到我們的B檢平台。
我們進行一個音頻分離。
然後最後進行字幕的一個翻譯。
還有我們的這個TDS的轉譯。
最後合成。
這是我們做的這一步工作。
到達這個頁面以後,
我們可以選擇等待上一會。
在本課程中,你將學習如何創建。
此時我們就會處理好我們的第一部分。
它說只要處理好前30秒。
後面它會在後台自動去進行一個翻譯,
一個識別。
我們此時就可以一邊看,一邊進行學習。
這三個三維動畫互動網站。
所有這些都將結合人工智能。
然後我們可以放大一個化大語言。
我們不會使用任何三維軟件。
像這樣的網站在當今時代是完全可能的。
通過滾動進行互動的網站。
我將與你分享關於人工智能網站你需要知道的一切。
在這個完整課程中,
了解如何使用人工智能的網站。
所以如果你觀看了,
你將能夠生成像這樣的圖像素材和視頻。
所以請務必觀看至最後。
當我們整體發言好以後,
就回到我們的歷史項目裡面。
我們可以讓它在後台树立。
我們可以讓它在這個歷史項目。
我們可以看到我們之前翻譯好的一個結果。
右側是我們的這個字幕列表。
我們可以看到每一個字幕。
下面是我們的時間軸。
我們可以看到不同的時間軸。
還有我們可以在這個右側,
進行一個AI的分析和總結。
總結一下我們的一個核心摘要。
還有我們的一個學習大綱。
字幕問答。
我們都可以通過右邊的AI問答區域。
然後我們可以點擊導出視頻。
也可以導出翻譯好的視頻,
給我們預覽、觀看。
在本課程中,
你將學習如何創建這三個三維動畫互動網站。
所有這些都將結合人工智能來使用。
我們不會使用任何三類文件。

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/5pzX0u0 --language zh --auto-source-subtitles

    來源：https://b23.tv/5pzX0u0

    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：29.2 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：38.9 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：0.9 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：1.0 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：1.0 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：1.0 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：0.0 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：0.1 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：0.1 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：86.5 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：0.5 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：0.6 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