工作清單

你根本不知道Codex可控改图多爽！指哪改哪

逐字稿文字預覽

我做了一個插件,讓你能用Codex精準可控的改圖。
你再也不用像AI非禁描述該怎麼改,直接指哪改哪,我完整演示一遍。
先調用我這個插件,讓它隨便的生成一張圖,比如說做一張周末咖啡市集的活動海報。
OK,它現在生成完了,你看它生成完之後會打開一個側邊欄,把這張圖放在側邊欄的瀏覽器中。
然後我就在這裡做標註修改,我們點擊標註。
比如我讓它把這個刪除。
然後把這個時間改成到19點。
然後把這個圖裡的Coffee改成中文。
這裡我其實借用了Covert的思路。
但是我做了一個升級,就是我標註完之後什麼都不用管了。
直接說一個字,改!
Codex就能完全自動化的去完成。
你看它直接把我們的修改和原圖自動的截圖識別。
OK,生成完了,我們看一下它改的怎麼樣。
首先它把我們右上角說刪除的這個地方已經刪掉了。
然後它把這個時間也改成了19點。
然後它把這個Coffee改成了中文。
就非常非常正確。
剩下沒讓它改的地方,它都保持了一致。
就這種可視化的自動改圖方法。
不僅更精準,還能大大節省我和Codex溝通成本。
因為我就不用再解釋很多你要改哪裡改哪裡。
然後如果我不滿意的話,我還可以繼續去做修改。
這時候我還可以用快捷鍵,比如我按住G就可以選中標註。
把地點改成奧森公園。
然後讓它把slogan換一個。
同樣我們說個改就OK了。
可以看到有一點很有意思。
其實如果讓我們真正去截圖的話,這個中文這裡其實是會被截進去的。
但是你看它自動的截圖識別,這裡就沒有被截進去。
它只會識別我們本輪最新的標註。
OK,它已經改完了。
可以看到它把地點和slogan都改成了我想要的。
然後我把這個Canvas Hand插件也開源了。
安裝也很簡單,只要把下面的這句話複製,然後發給Codex就行了。
安裝完重啟一下Codex就可以直接使用了。
我一直在做一些有用的Codex和Cloud Code的使用方法。
如果你有什麼需求也可以和我說,我很樂意幫助你去完成。
那我們下期再見。

來源：transcript.txt

本次執行流程與問題處理

  1. 下達指令

    指令：videonote https://b23.tv/eSKDOWI --language zh --auto-source-subtitles

    來源：https://b23.tv/eSKDOWI

    辨識語言：zh ｜ 參數：--language zh --auto-source-subtitles

  2. 預期流程

    依指令產生的處理順序：

    1. 自動字幕優先，Whisper 作為備援
    2. 來源選擇與品質檢查
    3. 文字校正與句子單元
    4. 筆記與發布
    5. 公開網頁發布

  3. 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：14.3 秒

    關係：依序執行

    結果：完成

  4. 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：8.8 秒

    關係：依序執行

    結果：完成

  5. 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：0.9 秒

    關係：依序執行

    結果：完成

  6. 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：0.9 秒

    關係：依序執行

    結果：完成

  7. 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：0.9 秒

    關係：依序執行

    結果：完成

  8. 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：1.0 秒

    關係：依序執行

    結果：完成

  9. 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：1.0 秒

    關係：依序執行

    結果：完成

  10. 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：0.0 秒

    關係：依序執行

    結果：完成

  11. 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：0.1 秒

    關係：依序執行

    結果：完成

  12. 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：49.2 秒

    關係：依序執行

    結果：完成

  13. 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

  14. 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

自動來源字幕

Whisper 字幕

Qwen 字幕

Parakeet 字幕

MOSS 字幕

聲學時間證據（PyAnnote / WhisperX）

校正前後逐字稿

目前待解決問題與初步改善方向

進一步精進字幕與筆記
使用 Workbench 上傳校正字幕、中文參考稿或回饋 SRT，重新產生雙語與學習單元。
開啟 Workbench