逐字稿文字預覽
今天,DeepSea团队给我们带来了一个全新的模型。 也就是Deep Seek V4系列里的Deep Seek V4.1 Flash。 这是一个临时测试版,会在9月10日过期。 而且里面其实有很多东西值得了。 Deep Seek声称,Version 4.1 Flash基于全新的架构。 原生支持多模态,而且速度明显更快。 但价格还是Version 4的水平。 他们发布这个模型的方式也挺离谱的。 现在看他们到底会怎么做 真的很有意思 目前还没有官方基准 参数量或者权重 他们基本上就是直接说 这是接口 你有两天时间 试着把它攻破 你可以通过现有的Deep Seek API访问它 使用Deep Seek Version 4.1 Flash的Model ID 它有效期到9月10 目前价格和4 Flash一样 不过测试请求每个账号最多只能同时发20个 Deep Seek甚至还会问测试者 这个新架构未来能不能彻底取代4Pro 这也让这次临时发布更有看透 Deep Seek 4.1 Flash的速度快得惊人 他们每秒大约能处理400个Token 说实话 这个速度真的太夸张了 它生成回复快的惊人 现在这个模型在速度上确实是在和Muse Part 1 三正面竞争 这真是相当离谱 而且它比Muse模型便宜得多 但记住 9月10日之前 这个测试版就会消失了 我也知道 最近因为DeepSea的新价格 不少人心里都不太舒服 不过看起来 这一切很快就会变 DeepSea也会在9月10日 北京时间12 00下调Version 4 Flash的价格 有了新的Cash 输入成本会从每百万 input tokens赢 0075美分降到0.003美分 缓存未命重时 输入数据的成本 也会从每百万tokens约22美分降到15美分 输出数据的成本 则会从每百万output tokens67美分降到60美分 至于高峰时段的价格 它们将保持不变 虽然在两倍速下看起来没变 但总体来说 Deep6 Flash正在变得更快 也更便宜 如果4.1 Flash真的只是这种架构的预览 那我接下来要展示的几个演示版本 都会让我们在新的Pearl上 连同这条基于新架构的新模型线一起 明显处于劣势 AI领域有很多内容 我不会发到YouTube频道上 但你可以在我免费的Newsletter里找到它们 链接就在下方简介里 你可以完全免费订阅 不过朋友们 我拍这条视频的原因是 这个模型在生成各种代码 视力方面真的非常强 这就是Deep6 E-Flash在我们频道之前测试过的 几乎所有领域都超过的地方 从3D环境 编码 到前端输出 还有很多其他方面 这次测试里 4.1 Flash和另一个神秘模型做了对比 而这个神秘模型 很可能是Brog 4.7 你可以看到 这个模型有多强 尤其是在3GS环境里 搭建七大奇迹的时候 区别在于 4.1 Flash版本完成这两个测试 大概花了两个小时 花费2 60美元 而Secret Model只用了30分钟 就完成了两个测试 第二个模型的价格没有公布 不过目前Version 4 E-Flash最大的问题是 它花太多时间在思考和做一些没必要的测试上 严重拖慢了流程 但最终拿到的结果能力还是挺惊人的 我知道我刚才说过Deep Seek 4 E-Flash有点太爱过度思考了 但很多时候 这个模型其实快得离谱 我真的很好 其Deep Seek背后到底用了什么架构 因为从这些测试里你能看到 它在解码时平均每秒能输出大约350个Token 对这种能力级别的推理模型来说 这速度真的非常夸张 挺让人印象深刻的 尤其考虑到这还只是一个临时测试版 在3D建模里 Deep Seek Version 4 E Flash相比前代已经迈出了决定性的一步 它能用3JS生成相当出色的内容 尤其是在配合Deep Seek Toolkit 并把推理能力开到最高时 当被要求创建一个经典的中式园林时 它一气呵成的生成了所有回廊 甚至连池塘都一次完成了 还用Shader反射出所有建筑 细节多的超出你对任何其他模型的预期 这是我完全没想到的 尤其是Deep Seek Version 4这一系列模型 不过4 E-Flash模型却一下就做出来了 这不是一张静态图 整个环境都是可交互的 而且直接在浏览器里运行 所以很高兴看到 这个模型已经能生成这种水平了 当然 推理过程还是比较慢 不过程序代码本身生成的很快 大约每秒300到400个Token 接下来是一个由Dip6 E-Flash生成的火箭发射模拟 我们把它和Fable 5.1 GPT-6 Astra以及Kemic A3做了对比 然后你 你能明显看出 Deep Seek 4.1相比 上一版有了很明显的视觉提升 环境和整体画质都挺稳 但物理效果还是有点让人怀疑 当然 它没有Fable和GPT-6那么聪明 甚至还不如Kemic 3 这算是唯一的区点 不过火箭发射后 你会发现它不是按正常轨迹飞 而是在空中像桶一样开始打转 更现实地走向 和其他模型相比,质量上确实还有一点差距。 但作为一个Fresh版本,他已经很惊艳了。 它在质量不差的同时,速度比Kimiko 3更快,成本也更低。 这对开源社区来说是个很大的优势 这是Ditsick version 4.1 Flash的体速生成结果 真的完全超出我的预期 它加了一层很轻的氛围感 这种环境里大多数模型通常都做不到 还加了鸟 能正常工作的瀑布 以及一些其他元素 比如风车 能看到Deep Seek Version 4 E-Flash竟然能做出这种东西 真的很不可思议 这里,Deep Seek Version 4.1 Flash已经建起了一个,一个完整的Minecraft克隆版,而且看起来还不错。 我真没想到Deep Seek模型能做到这一点。 因为我拿来测试的多数模型,碰到这种请求通常都会失败。 根本没法像原来的Sandbox那样在世界里生成任何组件。 不过这次我们看到,它成功把不同的纹理和组件都完整写出来了。 荡然 他还达不到Fable或GPT的水平 但只用了8分钟 就做出了一个出乎意料 还不错的Minecraft风格游戏体验 而且整个生成成本 真的就只是几分钱 能看到一个完整的Minecraft克隆版只要这么点钱 还是挺离谱的 要是把同样的请求发给GVT6 甚至Fable 5.1肯定会贵得多 但用这个工具几乎花不了什么钱 还是很值得考虑的 当然如果你有时间 可以用这个模型来做很多基础任务或者复杂任务 然后再切到GVT或Fable模型去处理更快更复杂的工作 我真的很喜欢这个生成效果。 因为他们居然能做出这个靠近火山的Pucket 把他放到一个岛上,还加了背景音效和音乐。 简直太惊艳了 模型还能把整个环境都捕捉出来 连周围和地形都考虑进去了 你还能看到不同的 把火山灯光和氛围都放进一个画面里 真的很棒 下面是Deep Seek 4.1 Flash和上一代4 Flash的对比 在这次测试里,模型用了大约11.2万个Token。 二十步就完成了任务 只花了7分41秒 两个模型都要用BoxoArt做一个Packet 其中速度一度高达每秒427个Token 但最夸张的是,4.1版本整个流程只花了30枚份。 考虑到它的价格、速度和效果,这真的很惊人。 这确实是个很厉害的模型 相比你们屏幕上看到的4Flash 它前进了一大步 如果你喜欢这个视频 想支持频道 可以通过下面的Super Thanks打赏 或者 你也可以加入我们的私人Discord服务器 可以免费每月获取各种AI工具的订阅 还有AI圈每天的新闻独家内容 更多好东西也都在这 朋友们最有意思的是 这还只是测试版 他们还会继续完善这个最终版本 所以这次只测试这个模型两天 好更好地了解它的能力 之后他们会继续调整这些基准 让它适用于大多数情况 用户会根据收到的反馈来调整 但这个模型能够在3D环境里 生成非常惊艳的场景 而且在其他格式和领域里 也表现得相当不错 这一点很让人高兴 另一个很有意思的测试 是让这个模型生成摄像机的3D投影 第一版大概一分钟就生成好了 经过另外两轮交互后 完整结果大约就准备好了 六分钟 对这样价位的模型来说 最终效果真的很惊艳 你可以看到 它能把相机细节看得很清楚 演示3D交互 还把各个部分都展示出来 这样你就能很轻松地想象出它的所有组件 这里 模型专注于创建一个独立的地下城游戏 这个需求真正有意思的地方在于 4 Eflash版本居然能执行 它一次就成功了 这就是其他模型通常至少要是两次 而且经常因为路径规划差卡在墙边的原因 但Deep Seek模型成功在环境里导航 并且第一次就完成了任务 再看画面图形其实没那么差 你可以看到 他给每个敌人都加了不同的纹理 他甚至还加了不同的 还有各种怪物 背景音效 各类图形和视觉元素 还有动画 所以 这是另一个很好的例子 说明4.1 Flash 不只是快的惊人 它在Agentic行为和空间思维方面,似乎真的有了明显进步。 最后,Deep Seek Version 4 E-Flash在环境里做出了一个完整的Morial Card风格游戏。 真的太夸张了 这个模型生成了所有音效 还有各种环境和地图 效果真的很惊艳 而且它只花了大约1.10美元,这里还有两个很大的优点。 你看到的这个模型运行得快得惊人,而且在这次测试里,它还用自己的视觉能力来完成工作。 总的来说,我真的很想看看这个模型最后会变成什么样。 这对DeepSeek团队来说,绝对是个巨大进步。 从新的架构也能明显看出 它们很重视速度 原生视觉能力 以及全方位交付出色表现 所以我真的很期待 看它最后会变成什么样 记住 你只有两天时间可以访问这个模型 所以我非常建议你去试试 跑跑看 看看它能为你做什么 不过话说回来 朋友们 我会把今天视频里用到的所有链接 都放在下面的简介里 欢迎来 Center School看看AI的世界 那里有免费工具 我的个人建议 社区和各种资源 也欢迎在Coding Path和Benchmark平台 探索AI世界 顺便看看我们的第二个频道 记得订阅我们的Newsletter 加入Discord 关注我的Twitter 最后记得订阅点开通知铃 给这个视频点赞 也请看看我们之前的视频 这样你就能及时了解最新的AI新闻 说到这 朋友们 祝你们今天过得愉快 传播正能量 我们很快再见 再见了 Floss
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：335.0 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：43.2 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：0.2 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：0.3 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：0.3 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：0.3 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：0.3 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：0.4 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：0.4 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：130.7 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：0.8 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。