逐字稿文字預覽
本地模型。 AI校准和翻譯。 雙语字幕。 免費ASR。 還有這些功能。 這些功能全都加上了。 嗨,我是Moi。 如果你之前下載了Maw 1. 3版本,趕緊更新吧。 因為新版的1. 4多了非常多的新功能。 比如免費的ASR服務。 來自B站，不需要填寫API Key，直接就能用。 老師講，我不確定這玩意兒能耗多久，所以且用且更新吧。 還有很高呼聲的本地模型。 現在可以用自己的顯卡直接跑轉錄了。 目前支持畫面上的這些模型,之後還會繼續增加。 雙语字幕。 你可以導入第二條字幕來快速編輯雙语字幕。 導入之後呢,相同時間範圍的字幕會自動綁定。 然後就能同時移動或者調整範圍。 拆分面板。 在沒有可靠時間碼的情況下,會回退到手動的拆分面板操作。 鼠標放在想要斷開的位置,或者用WASD來移動這個剪刀符號。 然後點擊B就可以拆分啦。 多重字幕的情況下,可以同時選擇主副字幕的拆分點。 按Tab切換,按空格確認。 批量延長。 這是用戶建議的功能。 可以給所有的字幕同時往前或者往後延長一段時間。 AI修正和AI翻譯。 還有更多LM處理功能。 在啟動器右下角的這個工作箱圖標中。 勾選對應的功能,就能在轉寫完畢之後自動調用AI去做後期處理。 你也可以在Launcher裡勾選對應的項目。 轉寫之後會自動依次執行這些步驟。 這樣就是一條自動化的管線啦。 OCR去重。 利用OCR識別文本，將屏幕上存在近似文字的字幕給禁用掉。 避免重複文本。 遊戲實況超好用。 Linux客戶端。 到底是誰在用Linux做視頻啊？ 但是達芬奇都提供了Linux客戶端,我們就也跟上吧。 感謝量子貓的PR貢獻。 還有一些我自嗨用的功能。 比如說字幕忍者。 拆分字幕的時候閃過酷炫刀光。 還有音效。 以及在量子貓的幫助下，增加了我最愛的DAW Ripper的Repeak波形支持。 編輯器中的很多配置都放進了四大區域自己的齒輪按鈕中。 操作方面也增加了一些快捷操作。 比如說像Ctrl Shift A或者D可以合併前後兩句字幕。 按Z或者X可以快速地將字幕的起始或結束位置設置在鼠標所在的位置。 在按住字幕的時候,AD可以前後微調。 我們也可以設置微調的幅度,單位是毫秒。 按住邊界的時候也可以單獨微調邊界。 播放的過程中,以前JKL是慢放和快放。 現在增加了可選模式，JKL變成了倒放和正放。 就和達芬奇一樣。 然後左右方向鍵跳轉的時長也都支持自定義了。 還有一些體驗提升。 比如說拆分位置帶有拆分的指示符。 並且在成功拆分時會顯示一個特效。 鼠標位置也會常態顯示一個Cursor,方便辨認波形。 OK,大概就是這些啦。 其他零零碎碎的可以在Release發布頁或者我的動態圖文中查看。 現在距離1. 4發布其實已經兩周多了,因為期間一直在做新功能的開發。 但總之,下期更新視頻再見。
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：18.5 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：29.7 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：0.8 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：0.8 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：0.8 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：0.9 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：0.9 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：1.0 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：1.0 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：130.3 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：0.4 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：0.5 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：因為新版的1.4多了非常多的新功能。比如免費的ASR服務。來自B-不需要填寫API Key,直接就能用。 → 因為新版的1.4多了非常多的新功能。比如免費的ASR服務。來自B站，不需要填寫API Key，直接就能用。；segment=3 已先套用暫定修正：老師講,我不確定這玩意兒能耗多久,所以且用且更新吧。 → 老師講，我不確定這玩意兒能耗多久，所以且用且更新吧。；segment=4 已先套用暫定修正：還有很高呼聲的本地模型。現在可以用自己的顯卡直接跑轉路了。 → 還有很高呼聲的本地模型。現在可以用自己的顯卡直接跑轉錄了。；segment=12 已先套用暫定修正：批量延長。這是造軍建議的功能。 → 批量延長。這是用戶建議的功能。；segment=3 待確認：「老師講」在語境中突兀，可能是「官方講」或「聽說」的誤識，但保留原意風險較低，暫定為口語化表達或特定稱呼。若無上下文確認，保留原樣或標記待確認。此處暫定為高可信度的口語習慣或特定稱呼，但若為誤識，可能是「聽說」。鑑於「老師」與「聽說」發音差異大，暫定為高可信度的口語，但若為「官方」則需確認。此處暫定為medium，因為「老師講」在技術視頻中不常見，可能是「官方說」或「聽說」的誤識。；暫定：老師講，我不確定這玩意兒能耗多久，所以且用且更新吧。；segment=12 待確認：「造軍」語意不明，可能是「用戶」或「大家」的誤識。結合上下文「建議的功能」，「用戶建議」或「大家建議」更合理。；暫定：批量延長。這是用戶建議的功能。；segment=25 待確認：「Repeak」可能是「Peak」或「Waveform」的誤識，或者是特定插件名稱。若為「Peak」則更合理。此處暫定為medium，因為「Repeak」可能是特定術語或誤識。；暫定：以及在量子貓的幫助下，增加了我最愛的DAW Ripper的Repeak波形支持。；segment=14 待確認：「LM」可能是「AI」或「LLM」的誤識。；暫定：還有更多AI處理功能。在啟動器右下角的這個工作箱圖標中。
- 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=38 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=3 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=25 rapid_semantic_review: 全文速讀上下文判斷；尚未回聽或交叉比對；segment=14 rapid_semantic_review: 上下文為AI相關功能，「LM」可能為縮寫誤識。
- Qwen3-ASR 未完成，需確認 qwen_asr_lab 環境與音訊後重試精進模式。