逐字稿文字預覽
你是來白嫖的吧?沒關係。主包也是從零粉絲開始的AI教學新人。覺得有用,求個一鍵三連,咱們一起升級。 这个模型今天刚出来 我看到有网友 他通过一个简单的这个图纸 他就做出了一个可编辑的一个模型 他不是通过咱们以前 3D打印用的那种视觉方案 他好像是直接通过建模的方式 也就这些图纸上的这个火车 他通过这个图纸生成后 是可以编辑的 今天我就想试一下 所以我就找了一个 二战的乘客 就是德国的鲍尔主战坦克 我找了一张图纸 主要是三式图 我看看复刻网友的 因为我找的图是比较 比他的这个火车可能要复杂一些 但没关系 我们测试一下看看 它最终效果怎么样 我们给他说一下 这是德国的鲍尔主战坦克 我希望你生成可以编辑的 Blender Blender是怎么拼来着 Blender的 可以编辑的3D模型 根据图纸分析和生成 如果数据不够清晰 我还有些参考图片 我给他找了一些参考图片 保证我们算了不给他参考图片 我直接就去给他三个30图 看他什么效果 我们可以看到Astro 我们给他选择Astro极高 我们选择这个极高就行了 好文件放到桌面 好我们见证奇迹的时刻 稍等一下 最近TNGPT可以生成模型 有新的模型 其实谷歌的GEMI 3.8 也是新模型 我给大家看一下 这个国外的一个网友 他做的 他仅仅通过四张三张的CED图纸 甚至说不是CED 就是图片 他做的这个可编辑的火车 我觉得还蛮震撼的 对他不是说像 我们之前有那种 图生模型的那种 软件或者是网站 你给他一张图纸 他生成一个对象 那个对象是一体的 他不是那种用结构化 你理解为有点像结构化的东西 他不是 使用Codex生成的这个火车 一看就是 他其实是通过这种 类似于CED的这种数据生成的 参数生成的方式 这种方式 其实整个行业来讲 还没有做得很好 但是他这个火车 我觉得做得还可以 而且每一个对象 都是可编辑的 大家可以看这个模型 我给大家图纸 那个图纸可能都不准确 但我也不是军事专家 这个图纸切心爆缆和短炮管 他给我的意见是更接近爆2A5 其实我觉得他这种视觉 已经到了挺牛逼的程度 因为我们给大家图纸 其实是个很笼笼的爆2 但实际上爆2应该是有很多型号 应该跟iPhone手机一样 也有很多型号 你不能笼笼的说爆2 他找到了准确的型号 通过视觉分析反推出型号之后 他会按照图纸的外形 并保留侧面七个负重轮 独立履带 侧边群板 好打附线 首先他如果要 我觉得他应该很快就能做出来 首先他分析图纸 现在已经比以前要强了 他能分析出正确的产品型号 也能分析出他的一些组装结构 这是他成功的第一步 他首先能看懂了 他才会去编辑 图纸没有尺寸标志 模型比例会做 做金丝校准 厂家资料也确定了 A5使用较短的 那他其实就是 你这张图纸 我们可以看 我们学习的作者 他给的图纸也没有 有 我看看 有尺寸参考 但是没有那种 CED型的那种尺寸参考 我们就尽量跟他一样 我们给他 连个总参考都没有 因为我觉得 他可以去这个网站上找一个 整个报二的数据库 他应该是在网上能找到的 就是他的总长之类的 我们再稍等一会 报家伙 他正在分析 我看他有一个参考资料 他直接就跑到这来参考了 这应该是一个 德国的报二的官网 还是什么的 不太清楚 他这上面就有报二的所有的参数 那这就没办法了 其实我给他图纸 也真的就给了个寂寞 他有一些不清楚的数据 他自己会去找 确实是挺厉害 我们在等的过程中 你看主要模型已经完成 原图也会打包进blender文件 接下来生成模型 并渲染测试之图 检查比例 他自己其实新的这个模型 他的整个逻辑闭环还可以 他模型建完之后 不是说把图原图给我们就行了 他接下来还会生成渲染 因为blender是开源软件 所以它调用blender是没有问题的 它测试三视图之后 检查比例 组装 它已经生成了各个部件之后 它自行组装 但是我们现在还没看到具体 它生成的样子是什么 但我们稍等的过程中 给大家顺便再说一下 最近还有一个新模型出来 就是这个Gemini 3.8 因为最近几个月 我一直在用这个3.7 其实还不错 它其实等价于 TedJPD的一个中等型号的模型 这个3.8出来 我还没有测试 那我们今天顺便就让3.8测试一下 但我们可以肯定的是 Gemini可能不太和这个Astro相比 应该是不是同一个级别的模型 但是我们也可以测试一下 让它我们TGC一样 让它去做一下 我们放到桌面 名称文件加名为Gemini测试 我们主要是这个做测试用 所以我们让它名称换一个 否则就跟这个ChatGPT一样了 好我们让它试着跑一下 当然它做东西 我认为可能跟这个新出的Astro还不太一样 因为我就没有见过谁用这个Gemney 做出过比较复杂的网页还可以 但是复杂的Blender模型还是没有见过 所以我今天就让这两家做一个 我手上现在直接能用的两个 应该是这两天都前后角 这是前天出来的模型 这是昨天出来的模型 我们让这两家进行一个 比较现实的对比 让他感受一下一线的一个模型 他们的一个能力水平 其实有时候为什么 你看我 看我频道的很多人都是刚入门的 这个小白 为什么我要录这种比较 前沿的这些模型的视频 主要是我感觉 就算你有些人暂时用不到 或者是也用不到这么先进的技术 但是他 比如说用这个豆包 或者用Workbody之类的软件的时候 他也知道整个行业发展 最终的方向在哪 有一些东西他不要自己去折腾了 有时候模型一迭代 你准备的那些结构 包括一些想法 可能无用功 是这样子的一个情况 Gemini 3.8的特点 根据我自己的使用 他速度比较快一些 他干什么事速度都特别快 但是不保质量 看似要比这个Gemini 喷东西喷出来的要快 但是他有时候 靠谱性就比较差一些 有时候玩了 它质量很差 好家伙 我感觉 大家现在看右边这张图 这张图不是网上的 这张图它是 根据它生成的模型 做了一个自测渲染 那我觉得 以后建模 图纸设计的应该是没问题 大家再稍等一下 我觉得我还有点激动 我觉得他这个有点神 为了区别 我们现在直接用AI 直接用AI生成这种图纸模型 为了区别 有些人说 这AI早都能生成模型了 就类似于这种 它是通过照片 然后通过神经网络 生成的这种一体化模型 它也能拆件 但是两个工作原理是不同的 两个工作原理 这个要跟大家区别说明一下 因为这些模型 它是通过那种 怎么讲 它内部直接用AI 去做的一个神经网络生涂 它本身是一种 怎么讲 生出来的这些模型 它是浑然一体的 也就是说每个部件 它是不可编辑的 这么来讲 它是不可编辑的 这个跟最近 我们经常见的这个 涂生3D的原理 是完全不一样的原理 好 我们这里接着看 它走到哪一步了 Gemini这边也在做 Gemini正在系统的 Blender引擎和模型生成 正在后台运行 我不知道它会不会两个打架 但是这边已经用完了 我们再稍等一下 因为我们刚说的这个图声 看一下 因为我们刚说的这种模式 它生成游戏动漫是没问题的 生成好 激动人心的时刻到了 这个我们可以看到 Gemini是跟这个 ChatGP同时完成的 但是Gemily是后开始的 你就想它速度有多快 大家可以看 Gemily生成的就是这个样子 我们快速看一下 Gemily生成的是这个样子 那就很开玩笑的 我们的ChatGP生成的 我认为已经达到 我把它文件打开看一下 我们首先看一下 他们的生成文 这是Gemily生成的文件 放到这个包 这个应该是 我给大家写一下 这个应该是 JetVS所生成的 这个应该是我中文区全网第一个去做的实测 因为我没有看到谁真的 我们可以看一下它外头 你看参考图报告使用说明 这个对模型圈来说 这种参数化的模型 我们可以看非常的精准 这个大家可以对比图纸看一下 大家可以对比图看 如果有做模型的小伙伴 应该对这种参数化模型的设计非常了解 就知道我的意思 它不是那种随便做的 而且对于这个 我觉得以后可能会对于整个CED行业 包括参数化这种设计行业 会产生巨大震荡 因为参数化设计行业 他们现在拿到的这个 大家可以看 它连涂装都给做好了 我们可以看 不得了不得了 连涂装都给了 大家觉得如果说我们这种参数化模型 可以做到这一步 那我们后期比如说做一些游戏 或者需要这样的精准的 游戏里面有一些不需要精准的 甚至我们游戏行业其实不需要 我觉得这个可能对这种工业 大家可以看模型 大家可以看这个模型不是 这个模型不是这个 大家可以看它是完全可编辑的 也就是说我们 当然它做了涂装我比较震惊 但是怎么说 你大家可以看完全是可编辑的 也就是说我们的 比如说我们现在选择一个对象之后 它的一些这种参数 包括它的一些分切 这些都是可以进行一个改变的 分段什么尺寸 相当于跟人手工去做成这个模型 差不太多 大家可以看 这些分段是可以改变的 跟人手工做模型 做出来的效果几乎是一样的 这个懂得 今天给大家展示的 基本上内容就是这样子 这个Blender 因为我很久没有做过这个三维模型了 我以前是做过这种3D模型的工作的 但是好久不用有点生疏了 但是基本原理就这样 懂行的应该是一眼能看懂这个事情的牛逼程度的 不用我去多去吹这个东西 我们比如说这个简单看一下 我所说的整个模型 大家可以看 我给大家这个可编辑 有些因为没有做过模型工作的小伙伴 可能不太了解什么意思 我说的是什么意思 这里面有多少个对象 应该有几十个有上千个对象了 他做我们这个工程应该是用到了上千个对象 我给大家把一个一个拆开给看 每一个螺丝 它应该是达不到工业级的标准 但是如果说你是做这种手办模型来说 我认为它 你们拆件这件事就不用去考虑了 它直接给你们把拆件工作就做 大家可以看 大家可以看 这就是我们 我说的这个 是真的牛逼的一种生涂的方式 就是它完全理解图纸 然后一件一件做 做完之后进行了一个组合 这个就是我给大家看的 今天我非常震惊的一个东西 我们现在可以看一下 这个使用说明 我不知道它啥意思 我们都看看 它给写了一份使用说明 我是告诉大家可以看 用途完整模型材质控制器灯光 舞台摄影机打包 透视参考图 用户给的参考图 图纸分析如何编辑结构 我们车辆一共有789个对象 762个网络对象 27个 这不得了 这个东西 我只能说 不得了 你想想看 他顺便给我们 把几十图也做了 最后给了一个 工业级的渲染图 如果做手办和模型的 可以稍微 关注一下 我这期视频 我觉得 有些事情可能 会产生一些变化 那我们看一下 比较拉垮的 Gemini模型 它也是3.8 昨天才出来的 我们可以看一下 它做的 那我们就不打开 它应该是 把OBJ做出来 但是你看 这个是其实 大家看 这个做的比较拉垮 但其实这也是行业 我们ChadGPT昨天出来的 宇航员模型是比较顶尖的模型 Gemini这个模型 其实是属于行业 行业大多数情况现在 我认为也不惊讶 但是就这情况了 我们主要做一个对比 知道这个新出的宇航员模型 到底我给他调的是极高 到底厉害到什么程度 这个是我们的灵感来源于 Tom的一个 因为他坐了一个火车 我认为火车太简单了 我就坐了一个报时坦克的 希望这期视频对大家有帮助 这两天我自己录制了一个 AI新手入门课 如果你想熟悉熟练使用AI的课程 可以登录我的个人博客 我的个人博客地址是 whosebird.com 就是我B站的账号 海森堡的账号 加上.com 就可以到网站上购买课程 课程其实地址就是在这个 B站 我使用了半年的 这个情况搜集了上百条用户留言 总结的这个课程 也就是针对个人和公司 怎么样去从不懂用AI 到AI的整个过程 希望大家可以关注一下我这个课程 我觉得我最近刚刚上前这个课程 还在做优惠 希望大家可以去参考一下 这期的这个模型就是这样的 如果说有用户感兴趣 想看一下这个图纸 你也可以登录我的个人博客 我有联系方式 你可以联系我 我可以把这张 报式坦克的图纸给你 你实际感受一下 AEA到底能做到什么程度 也不会让我们的很多 尤其是做手办模型 或者是做这种 需要拆件精确图纸的这些用户 或者是想看一下 到底AEA最新的模型 能做到什么程度 可以联系我 我今天把这个 报式坦克的图纸 可以免费送给你们 你只要登录我的这个 个人博客 就是我刚说的这个地址 地址在这 whosebook.com 点击联系 这里面有我的QQ群 还有微信群都有 还有各种联系方式 好 这期节目就是这样子 谢谢大家收看
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：40.3 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：46.5 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：0.6 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：0.7 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：0.7 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：0.7 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：0.8 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：0.8 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：0.8 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：116.9 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：1.0 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：1.1 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。