逐字稿文字預覽
GPT6來了。發佈第一天,拳王已經完封了。38個真實案例,一口氣看完。 先看遊戲,一句話,一個遊戲。 一句話,做出一個實打實的光環風格設計遊戲。 還是多人聯機的,作者說,用Tesana加GPT6,就一個prompt。 再來一句話,上古卷轴風的開放事件,有任務,有城市,最後還有一條巨龍Boss等你。 給他一個揮合卡丁車原型,他一口氣做出海盜、糖果、賽博三套皮膚。 還自己進Unity試玩,修Bug。作者說手工修的地方比上一代少一半。 《糖豆人》克隆版,漂浮平台、跳躍手感、鏡頭跟隨,全是他自己寫的。 大家最愛的Minecraft測試,他一次成型,作者說就一句話的事。 還有人一口氣做了兩個小遊戲,他的評價就一句,看起來真的不錯。 作者說他是Blender和三維推理的世界級選手。 這個遊戲一次生成,直接在瀏覽器裡跑。 風格,隨便點。 一個Go指令,做出水下探索遊戲。 3D模型和音效全是從零生成的。 Promptly,寫了PS1風格,他就真做出一個千禧年味的戰鬥陀螺。 作者說,還挺上頭。 摩托艇遊戲,看這個水,水面下還有珊瑚礁。 又是一個購置令。 換個口味,預線空間恐怖遊戲。 空檔的走廊閃爍的燈,氛圍他也會拿捏。 無限後世,程序化生成,永遠走不到頭。 作者的評價,他把這事幹絕了。 甚至能用字符畫出一座3D城市。 車流行人雨,全是esky。 接下來,平空造世界。 OpenAI員工揭秘發布博客裡,那棟房子是怎麼來的。 Astra用Python在Blender裡寫出模型,再搬進虛幻引擎5。 作者說能在虛幻引擎裡60幀走進去。 他又讓他家道具,調燈光。 咖啡機現在真的能用。 給他一張房子照片。 他在Blender裡連玩具、家電、家具都還原了。 給一張圖,也能直接變3D動畫。 OpenAI訓練團隊的Yan Dubois也秀了一棟房子。 這是Astra自己操作Blender做出來的。 Higgsfield只描述了一段場景。 Astra就寫出場景代碼。 他們在Blender裡建模、渲染。 橢圓形辦公室就這麼出來了。 這艘船從0在Blender裡建,再渲成4K。 作者說他還會自己開Final Cut剪視頻,調色。 把現成資產在Unity裡拼成一座能逛的城市。 你想要什麼樣的世界,它就給你搭什麼樣的。 還有這個迷你生態世界。 地形、動物、天氣,鏡頭繞著轉,細節多道離。 不止遊戲。 畫畫也行。 這支孔雀是純SVG代碼畫的。 一根線一根線寫出來的。 再看兩張。 作者說他SVG真的很強。 矢量圖這種活,以前AI是畫不像的。 給他接上Ableton。 他叢林寫了一首曲子。 每個樂器都用合成器自己造。 分軌編曲一首包辦。 左邊是一段視頻。 右邊是他照著視頻寫出來的可交互網頁。 卡片和動畫都復刻了。 作者說他當時是震驚的。 普通網頁開發就更不用說了。 作者的原話是好到離譜。 看這個交互和排版。 作者說一個prompt不到兩小時做出來的東西。 作者說這是他用過最好的編程模型。 記得看到最後有彩蛋。 他還能替你操作電腦。 瀏覽器控制。 讓他規劃一條京都圖步路線。 他自己開地圖,看街景,排順序。 官方demo。 讀一張W2工資單。 自己把數字填進報稅表。 找R科醫生這種瑣事也能交給他。 自己搜,自己比,給你結論。 在Excel裡做財務建模比賽的題。 官方說這段是實時錄製,沒有加速。 甚至畫電路板。 在KCAD裡擺元件,走線。 官方說完整過程2分54秒。 最後,讓他自己跑幾天。 完整的模擬城市克隆版。 作者用GO讓他連跑5天。 發視頻的時候他還沒跑完。 沃頓商學院的Ethan Molec說。 他能連續幾天自主幹正經活。 順手還做了一個亞歷山大圖書館的歷史模擬。 Matt Wolf自己掐了3個表。 Blender裡做狼人8分鐘。 MegaBunk,克隆12分鐘。 地球改造模擬網站17分鐘。 最後這個最離譜。 他讓他在虛幻引擎裡造了個世界。 每個小人背後都是一個GPT-6。 必須合作才能活下去。 一天後,他在臥室聽見客廳有人說話。 走出去一看,是這些小人自己聊起來了。 Matthew Berman測了34個項目。 他的原話是,這是我用過最好的模型。 句號。 但先別急著風神。 OpenAI自己發的成績單裡,有兩項評測。 Fable 5.1反而更高。 OpenAI自己的研究員也承認。 代碼太水,問得太勤。 發佈當天,還有人發現佛克一度被撤下。 看完38個案例。 我的判斷是,這不是小步升級。 是一次大幅度的迭代。 做遊戲造3D世界,他已經斷層領先。 替你操作電腦,才剛剛開始。 AGI的門,今天被推開了。 感謝這19位測試者。
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：20.7 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：39.1 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：0.2 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：0.2 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：0.3 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：0.3 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：80.8 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：0.9 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：0.9 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
- 校正前 transcript.whisper.json 純文字 JSON
- 校正後 transcript.json 純文字 JSON
目前待解決問題與初步改善方向
- 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。；RAPID_REVIEW_STATUS=REVIEW_REQUIRED_INVALID_OUTPUT
- Qwen3-ASR 未完成，需確認 qwen_asr_lab 環境與音訊後重試精進模式。