逐字稿文字預覽
大家好,我記得Dipensic V4.1 Flash 現在已經可以測試了。 雖然說我看到這個截圖的時候,它顯示的是內側。 那實際上,當我們調用這樣的一個模型ID的時候,是可以調用成功的。 不過目前呢,是有一些限制。我呢是做了幾項測試,花了差不多是接近2億的Token。 都是在它的下午高峰期內測試的,最終消耗差不多是35元。 官方介绍V4 Flash它采用了新的模型结构 在我的体验里它的测试效果非常好 我估计现在的模型规模会更大一点 官方介绍它支持多摩泰 能力更强 速度更快 而且成本更低 今天我所有的测试我都调用的是V4.1 Flash High的推移程度 因为之前在测试的时候发现调到Max的话 它的思考过程实在是太漫长了 等待时间太长太长 但即使是调到Hide推理程度 我发现它单个任务完成的时间 也是要超过无论是GPT的模型 或者是Groker的模型的 今天的测试搭配的是DeepSeek的Hannis 它生成的亲密上合图 令我感觉非常好 我们可以看到这种水的质感 还有它生成的这种房屋 这个画面里也有非常多的树木 有些房屋呢是这种木质结构的 有的像是这种砖瓦结构的 而且我们还可以看到它的门窗呢 也比较有特点 它的标牌呢非常有意思啊 有的经常重复字样 而且有很多家店呢 它这里也都写成一个赵太臣家 它的这样的一个横笔 做的还不错 城墙这里呢 它也写的是赵太成家 切换一下到它的桥上 桥上的纹理呢也不错 然后下方呢有很多人物 这里会有一些穿模的现象 再来到码头呢 会看到这里有个船呢 它没有构建的非常好 这是另外的视角 同样的这里的船呢 是不齐全的 再切换到九楼的傲层 整体房屋的质感 而且房屋呢 它也有多个造型 对比Divisic V4 Flash V4.1 Flash在这样的任务上呢 表现是相当相当好 我们还可以看到 有骆驼呀 有驴 有马 然后还有小车 造型非常多 这辆车的构建 质感也是非常好 在Flash这个级别上 做的清明上和图 还是非常非常不错的 它是花了接近91分钟来完成的 有调用我电脑里的3GS的Skill 圆码GS就有9000多行 它是先读规格 并行派出三个The Agent V4.E Flash它是自己用程序生成了很多纹理 所以最终我们看到的场景的话 还是比较逼真的 它的三个代理分别负责纹理 北宋的木构 还有船车牲畜树木 我们刚刚有看到车 牲畜 它做的还是非常不错的 这是一开始它构建的场景 画面里有非常多的错误 后来它就一步步的进行迭代 是查看了几十张图片 一轮一轮的修 最终花了90分钟出现这样的效果 接着我让迪巴西克 做一个Hello Kitty的3D模型 这是它一开始生成的Hello Kitty的头部 这是Hello Kitty沙发 桌上的话有一个Hello Kitty的灯 还是非常可爱的 它的桌腿金属质感 做的还是非常不错的 再看它生成的半公椅 背部正面也是非常不错 这是绚缆的高清的图片 老观众的话应该有看过 我最近用Astro和Fabro 5.1 来生成的Hello Kitty 那我觉得Deepseek V4.1 Flash 在这里表现还是非常好的 这是它中间遇到问题 它自己诊断 这个建模Deepseek花了94分钟 一开始预览图出来之后 Kitty的头部呢 还是有非常大的缺陷呢 这是后续的迭代 一开始的沙发是这样子的 后续也是一步步的进行调整 一开始它构建的Hello Kitty也是 有非常多的错误 修改后的无论是桌子还是椅子 都好了非常多 Deep Seeker在这里生成的效果 是比我想象中的好的 再看Deep Seeker生成的一个 快乐向前冲的游戏 点击一下通关 这些音效也是它自己生成的 我个人觉得Deep Seeker 在这个任务上呢 关卡做的很完善 天神当悠悠也不错 然后会有一些穿谋的现象 那我之前也测试过Glock 4.6 那我觉得Deepseeker在这个任务上 和Glock 4.6完成的质量是非常非常接近的 非常非常好在这个问题上 那Deepseek呢在这个任务上花了95分钟来做成的 调用了非常多的工具 中间也有一些过程图 它会试图进行迭代 有一个demo呢 它在第三关第四关的时候反复落水 所以它就进行修改 接着我将一家的一份沙发安装的PDF 发给Deepseek 让它生成沙发安装的微微页面 Dipsic在这里生成的这样的一个页面 我个人还是非常喜欢的 尤其是当我选中文字 就会有这样的一个黄色显示 这个黄色呢 也本身呢 也是一家非常醒目的一个颜色 但是它对这个沙发转化 是有些错误 这个半面形呢 它应该是安装在这个沙发的右侧 开始之前呢 有三件事 DeepSeek在这里生成的也非常非常可爱 尤其是上方生成的这样的三个图标 非常有趣 接着是拆开纸箱 这部分页面呢 看着也是非常清爽 但有一些零部件呢 比如说这里的六角堵头 和原PDF里面还是有些区别的 接着就可以安装了 我们看一下 这是第二步 第三步 它这里做的是比较简约 但我个人还是挺喜欢它这样的交互方式的 和原PDF的话是有一些错误 在下方呢有一个沙发到床的展示 做的动画也挺好的 最后有保养和常见问题 总体而言我觉得Deepseek of V4.1在这里 表现是非常出色的 DMSIC是花了70分钟来完成这个任务 用到了这些token 光图片就识别了54次 接着看V4.1生成的手表SCID的还原 这是一开始给他发的原图 这是他最终生成好的一些图片 总体而言还是比我想象中要好的 原图里面并没有这部分英文 他自己加了 我们来到OpenSED 旋转看一下 底部 底部,它有一個滾輪這個突出,肯定是錯誤的。 表扣這裡也是有些錯誤。 不過Deepseek在這裡呢,它將表帶的質感做的還是挺不錯的。 總體而言,還是非常不錯的。 在这个任务上花了一个小时 用了这些token 一开始它生成之后 渲览图是这样子的 和我们刚刚看到的最终的图片 相差还是挺远的 所以它在一个小时之内 是做了非常非常多的修改 再看一下Depicic的写作能力 我给它的提示是这样子的 最终呢Depicic生成了这样的页面 我个人觉得他生成这个页面 我是非常喜欢的 质感非常好 来看一下他写的故事 下午3点17分 我坐在医院门口那排蓝色塑料椅上 把复查单翻过来又翻回去 那些箭头终于都缩回了参考范围里 像一群草闹的邻居 突然搬 忽然全搬走了 医生说挺好的 下个月再来 我点头 走出去 阳光很白 晒得眼眶发酸 原来松一口气 也是会疼的 手机在口袋里黏着两下 房东说 下个月起 每月加600 语气客气的像在播报天气 我盯着那行字 先算的不是钱 是那扇朝北的窗 还值不值得留 600 一年7200 够我把这里的冬天再买一遍 网上滑是另一个对话框 头像是我们分开的那天 它没换掉的猫 只有四个字 生日快乐 没有称呼 没有标点 像一件旧衣服从门缝里塞进来 我才想起今天确实是我生日 一整天都在等一张单子 倒把这件事忘了 原来还记得我的人 是那个已经不在我生活里的人 我把三条消息并排摆在屏幕上看了很久 像三个同时敲门 一个说你还活着 一个说你得搬走 一个说你曾经被人爱过 哪一个都不必 现在就回答 后来我把复查单折好 塞进包最里层 起身买了一个最便宜的蛋糕 六块钱 擦一个蜡烛 风把它催灭两次 第三次我没再点 就这么坐着 把奶油一口一口吃完 我真的没想到 Fresh的模型 能写出这么好的故事 看来我平常真的是小看书了 是模型了 满分十分的话 大家会打多少分呢 大家可以在弹幕里评论一下 再看Difensica生成的3D模尺 那我先切换一下直尺 再切换到球形 那它生成的不像球形 再换一个放射 好像也一般 然后塔形 感觉也挺一般的 Depsyk他花了75分钟完成刚才的模尺 用了这些token 这个任务和数学是有非常大的关系的 Depsyk他也是做了一些模尺的搜索 虽然说他中间的图片迭代是非常非常多的 但最终的效果的话比较一般 需要说明的是很多模型在这个任务上 做的都挺一般的 目前我测过的最好的是Fab 5.1 在这个论文上的表现 最后看一下Deepseek V4.1 Flash 先写程序 然后绚缆一个视频 视频的整体效果我觉得还行 但可能没有达到我的预期 但今天测试无论是它的写作 还是清明上河图 宜家沙发安装 还有Hello Kitty的建模 令我印象都是非常深刻的 希望我的视频对你有帮助 我们下次再见
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：908.4 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：42.4 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：0.5 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：0.5 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：0.5 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：0.6 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：0.6 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：0.6 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：0.7 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：108.4 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：0.5 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：0.6 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。