逐字稿文字預覽
大家好。 今日AI分享Audio8 ASR 0. 1B，僅0. 1B參數。 超輕量多語言語音識別模型來了。 準備好項目文件並完成解壓。 雙擊Run. bat，頁面搜索127. 0. 0. 1:7860。 上傳音頻文件,修改推理參數,然後點擊開始識別按鈕。 兩年半的個人練習生蔡徐坤,喜歡唱、跳、rap、籃球、music。 這裡識別的內容有問題,可以通過熱詞控制。 把 '唱、跳、rap、籃球、music' 改成 '唱、跳、rap、籃球、音樂'。 最後再次點擊生成按鈕,就可以開始創作了。 如果覺得這個項目不錯,記得點贊關注。 後續繼續分享更多AI開源項目。 最後再次點擊生成按鈕，就可以開始識別了。 如果覺得這個項目不錯，記得點贊關注。 後續繼續分享更多AI開源項目。
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
- 多語內容處理
- 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：17.6 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：26.9 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：0.9 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：1.0 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：1.0 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：0.1 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：0.1 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：0.1 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：0.2 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：57.0 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：1.1 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：0.2 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=1 已先套用暫定修正：今日AI分享AudioBar ASR0.1B,僅0.1B參數。 → 今日AI分享Audio8 ASR 0.1B，僅0.1B參數。；segment=4 已先套用暫定修正：雙擊Run,Bet,頁面搜索127.0.0.1,7860。 → 雙擊Run.bat，頁面搜索127.0.0.1:7860。；segment=8 已先套用暫定修正：把唱、跳、rap、籃球、music,改成唱、跳、rap、籃球、music。 → 把 '唱、跳、rap、籃球、music' 改成 '唱、跳、rap、籃球、音樂'。；segment=12 已先套用暫定修正：最後再次點擊生成按鈕,就可以開始創作了。 → 最後再次點擊生成按鈕，就可以開始識別了。；segment=8 待確認：原文前後兩次提到的詞組完全相同（'唱、跳、rap、籃球、music'），邏輯上無法構成 '修改' 動作。根據常見語境，'music' 應被修正為中文 '音樂' 以符合熱詞控制的語義，但需確認原意是否為其他特定詞彙。；暫定：把 '唱、跳、rap、籃球、music' 改成 '唱、跳、rap、籃球、音樂'。；segment=12 待確認：該段落與 [9] 完全重複，且 [9] 已出現過。雖然可能是口語重複，但 '開始創作' 在語音識別（ASR）場景下語意不明，更可能是 '開始識別' 或 '開始生成結果' 的誤識。由於與 [9] 重複，建議合併或確認是否為口誤。；暫定：最後再次點擊生成按鈕，就可以開始識別了。；segment=13 待確認：該段落與 [10] 完全重複。可能是錄製時重複口播或ASR錯誤。若為重複口播，可保留；若為錯誤，應刪除。此處暫定修正為與 [10] 一致，但標記為待確認是否為無效重複。；暫定：如果覺得這個項目不錯，記得點贊關注。；segment=1 待確認：模型名稱錯誤；暫定：Audio8 ASR 0.1B
- 逐字稿可先使用，但有待校正清單
segment=8 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；segment=9 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；segment=10 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；segment=11 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；segment=12 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；segment=13 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；segment=14 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；segment=8 rapid_semantic_review: 全文速讀上下文判斷；尚未回聽或交叉比對；segment=12 rapid_semantic_review: 全文速讀上下文判斷；尚未回聽或交叉比對；segment=13 rapid_semantic_review: 全文速讀上下文判斷；尚未回聽或交叉比對；segment=1 rapid_semantic_review: 影片標題為 'Audio8-ASR-0.1B'，逐字稿寫成 'AudioBar'。；segment=4 rapid_semantic_review: Windows腳本通常為 .bat 文件，URL格式應為冒號分隔端口。
- Qwen3-ASR 未完成，需確認 qwen_asr_lab 環境與音訊後重試精進模式。