逐字稿文字預覽
大家好啊,這期也是一位小夥伴點播的工具。 他把鏈接發給我,說這個工具對他的學習很有幫助。 問我能不能做。 我研究了一下,這是一個非常優秀的開源項目。 專注於將複雜文檔,比如含公式的PDF等轉換為機器可讀的Markdown或JSON格式, 使用於大模型訓練準備、知識庫構建、科研文獻解析、教育資料處理等場景。 這個項目本身官方有在線平台,也有Windows客戶端,但有一定的限制。 我用Github原碼打包了這個懶人包,純本地運行,完全沒有限制。 這……就是今天的作弊碼。 老規矩下載網盤裡的壓縮包。 解壓到沒有中文和特殊字符的路徑。 雙擊一鍵啟動Web UI。 稍等片刻,會自動打開瀏覽器。 非常熟悉的Gradio介面。 左邊這裡可以看到支持處理的文件類型。 我這裡找一個PDF文件。 這是一篇千問3TTS的技術論文。 拖放或者點擊上傳都可以。 然後選擇解析後端。 這裡有三個選擇。 老架構的10系4G到6G顯存的小夥伴。 用Pipeline後端。 20系以後8G顯存以上的顯卡。 官方建議使用VLM或者Hybrid引擎。 最大轉換頁數。 使用默認值。 主標指向高級選項。 可以看到幾個選項。 啟動表格識別的話, 可以把表格內容也識別成可檢索內容。 取消的話表格會以圖片形式保存。 公式識別。 如果你的文檔裡有Latex公式、 化學方程式等, 一定要開啟這個選項。 解析強度。 如果轉換後效果不滿意的話, 可以嘗試切換到Hi試試。 如果你的文檔轉換好效果非常差的話, 勾選強制OCR試試。 默認不使用。 好了,點擊轉換。 這裡可以看見轉換的進度。 轉換完成後, 右邊的預覽窗口可以預覽結果。 在這裡。 在這裡。 在這裡。 在這裡。 在這裡。 在這裡。 在這裡。 在這裡。 在這裡。 在這裡。 在這裡。 在這裡。 在這裡。 在這裡。 在這裡。 在這裡。 在這裡。 在這裡。 在這裡。 在這裡。 在這裡。 在這裡。 在這裡。 在這裡。 在這裡。 在這裡。 在這裡。 在這裡。 在這裡。 在這裡。 在這裡。 在這裡。 在這裡。 在這裡。 在這裡。 在這裡。 在這裡。 在這裡。 在這裡。 在這裡。 在這裡。 在這裡。 在這裡。 在這裡。 在這裡。 在這裡。 在這裡。 在這裡。 在這裡。 在這裡。 在這裡。 在這裡。 在這裡。 在這裡。 在這裡。 在這裡。 在這裡。 在這裡。 在這裡。 在這裡。 在這裡。 在這裡。 在這裡。 小提示。 如果上傳的是Doc或者Execl文檔。 預覽窗口可能會提示不能預覽, 但不影響轉換,直接轉換即可。 感謝Open Data Lab團隊帶來的如此優秀的開源作品。 MinaU的不斷迭代, 讓我們在AI時代處理文檔數據變得如此輕鬆。 下載鏈接還是放在置頂評論了。 需要的小夥伴自取即可。 如果覺得工具還行, 轉評讚, 隨便給一個吧。 您的支持是我更新的最大動力。 我是生活作弊馬。 關注我。 把你想要的工具在評論區留言告訴我吧。 咱們下期見。 我們下期見。 我們下期見。
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：25.0 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：22.1 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：0.1 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：0.2 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：0.2 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：0.3 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：0.3 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：0.4 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：0.4 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：76.3 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：0.3 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：0.4 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=17 已先套用暫定修正：脫放或者點擊上傳都可以。 → 拖放或者點擊上傳都可以。；segment=16 待確認：術語錯誤或聽誤；暫定：這是一篇千問3TTS的技術論文。；segment=26 待確認：語意不通；暫定：主標指向高級選項。；segment=115 待確認：語法略彆扭；暫定：下載鏈接還是放在置頂評論了。
- 逐字稿可先使用，但有待校正清單
segment=33 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=16 rapid_semantic_review: MinerU 為文檔解析工具，TTS（語音合成）非其核心處理對象。且「千問3TTS」非標準術語。；segment=26 rapid_semantic_review: 介面操作中無「主標指向」這一動作，應為點擊或展開。；segment=115 rapid_semantic_review: 口語中常說「放在置頂評論裡」，「了」字結尾略顯突兀。
- Qwen3-ASR 未完成，需確認 qwen_asr_lab 環境與音訊後重試精進模式。