逐字稿文字預覽
大家好,我是红哥 今天给大家分享一下PPT Master是怎么使用的 这个是因为前几天我做了一个组内分享 把这个大模型的发展和现在怎么用大模型 给大家做了一个科普在公司的组内 在做科普的时候就免不了需要自己的这些 把自己的文案给做成PPT 在市面上找了一些PPT的Scale 最后还是用大家最推荐的那个PPT Master来做的 这我自己是做了两版 这是第一版 这个大概的样子 这是第二种风格 这个大概的样子 最终在组内分享用的是第一种风格 我们可以先快速的看一下 它就是你在用这个SQL的时候 它会自动帮你启动 帮你启动一个后台 你可以在后台上面去选择自己想要的方案 选择完方案之后 它就会根据你的这个方案 去按照你选择的风格去生成去 当然你在跑和生成之前 你是需要把自己的这些文案 以及你的这些口播的内容给准备好的 它会读取你的这个文案和口播的内容 去自动生成去 它涉及到这些图片的东西 是用那个GPT-MG2去生成的 你可以把GPT-MG2的接口给到它之后 它就会自动去调用去 就可以整个PPT去配图 可以看到整个PPT的风格还是非常统一的 包括每一章节的配图也是非常精美的 好 整体这是第一个 这是第二种风格我们也看一下 第二种风格是这种科技黑暗风格的 我们简单的过一下 好 你可以看到它的风格统一 并且每一章节的配图 也都是比较精美的 并且符合符合章节的这个内容 符合章节的内容描述 好 我们快速过一下 这是这个标题 第二种风格也就完毕了 下面就是我们来看一下 他们官方的官方的示例 你可以来官方仓库中 在hub上 你搜索这个hugr3pptmaster 它这个是正版的 可能有其他跟它同名的一些 或者说你直接找星星最多的 比如说它这个是39k的 关注的人非常多 你可以进入它仓库之后 来右侧点进来 你可以看到它的一些 官方是这种其实做的比较好的 我认为是最下面图文结合的 我们可以点进来 也就是说这个图文结合代表了 它的这个PPD Master的这个Skill的能力上限 我们来看一下它官方的这个效果 是非常的精美的 前两张可能是比较平常 到后面会越看感觉它做得越好 包括这些图像肯定也都是通过GPT Image Tool来生成的进行的配图 OK我们也是快速的过一下 这就不长时间停留了 你如果感兴趣来观网看 可以看到减纸效果也是非常好的 我刚才的第一版就是用的减纸的这个效果 但实际上我的这个效果它做出来没有官方视力的这个好的 这是富污海报 这样子的 好这个是它的官方视力还有其他的 你也可以在这个上面去下拉菜单去选去 自己去调整去看 好 那么我们下面就讲一下怎么使用 首先第一步肯定也是 你要把这个PET master这个scale 通过AI agents工具 给它装到你的本地 那么我自己用的是Cloud Code 我也是再给大家做一下实操 让大家来看一下 这个是我当时的分享大纲 自己提前写好的这大拖东西 其实你也没有必要细看 就知道 你要知道在你做PPT之前 并不是说凭工作的 你自己要把自己的数据 还有这些内容全部组织好 放到一个目录下面去 你在这个目录下打开cloud code 或者说其他工具都可以 比如说我这打开cloud code 它的cloud的模型 我是用的cloud的这个ops 4.8 或者说你用fib5也行 用fib5可能有点大台小用 或者你用gpt也是比较好的 国产最近那个kmmk3不是发布了 好像也是不错 你也可以都尝试一下 我这直接先re-sim 回复一下我之前的使用的方法 好 这个是我之前 PPT master安装的这个流程 你直接照到我这个流程来就可以了 非常简单 第一步你可以出实话 你也可以不出实话 这都是想让他读一下我自己本地的文案 好 出实话完了之后 你直接就给这个Cloud Code中发送 说帮我安装这个PPT master的技能 然后发送了之后 他就会自动去安装 我这样安装是因为他遇到了一些权限问题 我给他改成手动模式 手动批准就可以了 好 安装完了之后 他会告诉你已经安装好了这些东西 如果你之前用过这个Skills 应该这都非常熟悉了 好 安装完了之后 它因为它这个里面会使用一些python脚本 来加速它的PPT生成 或者说它PPT生成的时候 需要用到一些python工具 python代码python工具 你需要搞一个python的环境 我自己个人是比较喜欢用这个UV的环境来维护的 这个UV环境跟PPT master它没有关系 这个是一个独立的第三方的工具 它可以更好的去维护不同的python的环境 比如说有的项目是python3.12 有的是python3.13 那么你用这个UV工具来快速的创建就可以了 这个是一个很现代化的python虚拟环境工具 也推荐大家安装 装完之后我又回到了正题 说你帮我看一下ptmaster怎么用 能绘制图片帮我配图吗 他就巴拉巴拉去找 发现说是可以的 他可以自己绘制这个svd始量图 也可以用AI生成这个图 后面我找了一个模型站 这个也是我之前一直在用的 甚至我给大家推广的这个ThinkAI的站点 你也可以从我的个人简介中 或者说从之前的视频中去看去 找到我的推广链接进去 注册之后你找群款里面 现在应该还是能送个10刀20刀的 你用这个送的钱 你也可以跑通ZPT Image 2的流程 好的 这儿是我的个人的key 按理说如视频那时候是不能暴露出来的 我这暴露出来肯定是要去删掉的 你需要把你的给删掉去 到这儿登录一下 登录完了之后可以看到 我之前的这个APME是有一个生图的 这就是你看DVR和WC 这个就是我自己用的生图的 我要把它给干掉 你自己在这个站 或者说你自己有自己的模型站 你可以用你自己的 比如说你自己的一个站点 你添加完了之后 比如说GPT生图这个分组 你一定要找到有这个GPT图形的那一组 比如说这有一个 你看GPT也没这样生图专用 你就选这个也行 其他的你像这个Nano Banana 大香蕉的生图 你也可以用 都可以 它的说只是一个生图效果的好坏 点击提交就可以了 提交完之后 你就有这个key了 你把这个key贴过来就行 这儿的这个key我就不贴了 贴了之后你肯定要偷偷去用我的key去 你让他帮忙配置一下生涂的这个接口和APIkey 配置完了之后 PPT mask上他就可以使用了 你可以看到他就直接配到PPT mask的这个环境变量里了 配完了之后 他会自己去测试能够生涂 这儿是他他发现不能生涂 是因为刚才那个UV我没有给他装好 我又去给他装了一下 装完之后他全部搞定 好 全部搞定了之后 我就开始直接用它去生涂去了 不是生涂直接让它去做这个PPT了 好 可以看到这儿是我做的PPT 这是第二个版本的V2的版本 再往上找你可以看到它是一个唯一的版本 这应该是 过来我们清空一下看的方便 重新回复一下 看一个很干净的 这应该是它的历史缓冲 历史缓冲已经过冲没了 把这个历史记录 好 那其实也没关系 你可以看到我这儿是一个V2风格的 我们可以说重新再开一个窗口 clear或者new都可以 我们说用ptpt master 帮我生成PPT就可以了 它会自动的去读工程下的这些材料 就比如说刚才我们准备好的分享大纲 你自己可能是你自己的数据 比如说你做的科研数据也好 或者说你做的一些分享数据也好 你把这些数据放到你的目标下 它就会自动去读取去 然后这里我们就快进一下 我这录屏就快进一下了 等一会儿 他会第一步会先出实话 出实话完了之后 他会给你弹出一个网页 网页上就有一些简单的风格预览 就类似于刚才我们看他官方的这个风格一样 风格预览 你选择这个对应的风格之后 就可以去跑了 你看到这已经在读我的这个大纲了 他去理解我的大纲 过程中可能会有一些错误 他也会自动去修正 这个大家如果用这个Cloud 后的比较多的话 也都坚快不怪了 因为是windows的环境 windows下整个的山药脚本 用起来没有这个没有 连你思思好吧 可以看到他这儿是尝试调用 Python发现了一些问题 但是发现我这儿有WENV 这个实际上就是通过UV的工具来创建的 这也是建议大家去把自己本地上 不管是windows也好 Windows也好 或者说Vinix Ubuntu也好 你都用这个UV工具来创建 因为你玩AI会面临很多的AI的项目 每个项目下面 它的Python环境可能都是不一样的 UV工具 大家实际上你搜索一下 或者问一下 让AI帮你搞定 都是没问题的 他现在又去读之前的这个 他会发现 你可以看到他这儿 是已经读到了简纸风 还有一个V2风格的 他现在要开始做一个V3 做第三个版本了 我们等他再跑一下 好的 我们可以看出来 它现在自动弹出来了一个网页 这个网页我们就可以看到 它有不同的风格 有分辨率 画布格式 横幅的 PPT的 公众号的这些东西 我们就做PPT 我就选PPT 目标受众也是 你可以看一下 有研发团队 或者说这儿可以自己去填 交付目的这些你也可以填 我这边就这儿就选一个 跟之前不一样的 我要做一个演讲 那种系书型的 做一个看看 风格目标 你也可以选去 这里我们就看一下 也是改成展演型的 你的视觉风格 这就是你可以选择不同的风格 比如说我上一次做的是这种画布的风格 我找一下之前的画布剪影 在哪的 对之前做的是这个风格 做的这个是剪纸风格 今天我们换一个这种 看看是孟非斯号还是这种号 做一个小刊的风格 这种颜色的 其他的你都可以自己来选 我们做一个小刊的风格 像素风也是可以的 你们点击下一步就可以了 在一步他就会把你在网页中选到的这些东西再发给这个命令行 命令行中就接收到信息了 这刚才就是他他在这启动了一个网页 他能接收到你网页的信息 好接收到信息他又开始又开始工作了 我们在一会后面呢 他会去去去去跑一个大概的雏形 跑完雏形之后他还会再谈一个网页 让你去确认这个雏形 确认完了之后 他就会真正的去把这个雏形给我递去 这还没有谈出来 我们也是在等一会儿 可以看出来这次他没有自动弹出来 你读他的这个日志 你可以看到他在等待过程中 你也可以看看你的网页刷新了没有 网页刷新了之后 这就是他第二次确认你要做多少页数 我们这儿为了演示快一点 我们就做个实验就好了 色彩方案可以选不同的色彩方案 这是孤蓝和荧光粉 就左边这个样子你可以切换 我们这儿就来一个大点的颜色 改成红色标题的 图标使用 我们这儿你也可以看它的左侧图标 它会有变化 我们这里就不用这个引爆截了 自己选一个先行描边 标题也是你可以选字体 你也可以自定义麻烦一些 你每一个都得配一下 我们这就随便选一个标题 紧接着是公式渲染 你如果做这种 做一些教学类的 或者说数学类的 以及科研类的 你的公式渲染 你这儿得认真选一下 因为我这儿可能不涉及公式 就可以选择锦门本 你可以选到混合和全部渲染 它这个混合和全部渲染具体哪个效果更好 我没有试过 你自己也可以自己试一下 好了 其他的我看看还有什么吗 好像还有一个 生涂的这没关系 我们点下一步看看下一步有没有 生涂的应该是我之前配置过了 我配置过它 它应该知道自动去用GPT Mate 2去生涂去 这已经收到了我刚才 二次确定的这些消息 给做十个页面 它现在又开始工作 去做这十个页面去 我们稍等一会儿 等它做完十个页面 就会直接完成工作 我们直接看它的工作产出就可以了 我们这也是 这也是为了证明自己是实时操作的 先来看一下 这个是之前的V0 这是V1 这个是V1 这个是V2 这是V3 这个是备份的 备份的实际上是没有什么用的 V3今天呢 可以看到它的这个images里面还没有生成 你可以看到V2的images里面 都是用GPG生成的 这些都是生成的 我们也可以来到v3这儿 一会直接看v3的产出就行 它产出了之后 就会在最终的XPause导出的目录下 会生成最终的产物 看到它后台应该是工作的时候 又好像是就在等待网页端的选择 我们看看网页端有没有新东西 OK 这次网页是第三次的新东西了 第三次这就是刚才我提到的 应该就是这个图像生成的一些东西 图像生成你可以选择生成配图 这个就是用AI生成 网络来源 用户提供 就这些通信 我们这就选择第一个生成配图 生成配图的来源是什么 自动选择 你也可以走接口后端 这实际上这个接口后端就是用我们的这个gpt image去生成去 这四组原生工具 这儿是它可以调用你的codex或者clausecode这些工具 去codex中去生成 它把命令给了codex 现在应该叫这个tetgpt了 给到这个工具 工具生成之后 再拿到这个图片的结果 离线自边一次 就是离线 它写完之后 你自己生成 你自己再放回来 我们这就是写 接口后端 方案风格 你也可以再选一下 你的生涂的风格 生涂风格 我这就用默认的 底下还有自定义风格 你也都可以选 可以切换 我们这就随便选两个 这个切换 好像是把上面那个给覆盖掉了 这个是自定义风格了 刚才我们是 暖色的好像是什么来着 随便选一种 这个好像不太好看 紧接着生图模式 这个就是连续生成还是分段生成 这我自己一般直接按它推荐连续生成 先精修设计规范 这你如果想要先精修 你你你你就就就 说这是什么意思 先精修设计规范 一次写完流程自动继续 你这就给它开合关 你自己按照你的需求 我就是给它关闭的 我没有去精修 直接让它一把缩给我生成的 好的 这就是点确定 这就是三次 他就开始真正的工作了 OK这应该是我这个配读的风格 出现了一些冲突 冲突他会问我去怎么改去 这我就偷懒了 我直接按照他的推荐 直接同意他推荐了 你自己尽量的去review一下 如果你要做一个很专业的PP 今天我只是展示一下这个流程怎么走 我们再等他再去后台跑一下 好的可以看到他这里已经开始谈出了网页 这个从第一个到第九章已经做完了 还在做第十章 我们稍等一下 现在你也可以在这大概的简单的看一下 这是第一张封面 实际上做的也是非常好看的 我可能认为 后边的这些 当然这儿的这个风格感觉有点突变 风格有点突变了 没关系你都可以自己再调整的 最后这个收敛大概是这个样子 你这实际上它每一页都可以再调整 比如说你如果对封面不满意 你可以在这点击这些东西 然后你再进行一个微调 微调完了之后点击应用修改就可以了 我们看看它的后台这儿的东西 后台它实际上还在跑 没关系我们让它先跑着 它还在最后应该是做一些微调 我们去看看它的目录下面 是否已经生成了东西 看看图像 好,images它这好像还没有生成,我们等它再跑跑 它会根据你的资料去看一下是否是它会生成一些提示词 我们看它这有提示词没有
本次執行流程與問題處理
下達指令
預期流程
- 下載與語音辨識
- 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：419.9 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：48.0 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：0.1 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：131.8 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：1.0 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。