工作清單

完全免费，免配置， Mac本地模型：MiniMax H3、ACE-Step、Mage Flow Edit 实测

逐字稿文字預覽

今天給大家介紹模型的部署與使用。就利用我本地自製的一款軟件。輕鬆打開,然後點擊一下鼠標,就可以完成使用了。
這裡打開軟件之後,在設置這個菜單欄裡邊,找到本地運行環境這個配置部分。
然後現在如果你是國內網絡,打上一個勾。如果不是國內網絡,不用管就可以了。
然後點擊一鍵全裝。那麼因為我之前下載過其他模型,也完成了測試。
所以這次測試的這些模型,我都放在這裡了。我就不再一個一個下載了。那麼如果您去下載的話,第一次情況下點擊這個發現。
然後找到相關的模型,點擊下載就可以了。
MiMAS H3這個模型在N卡加溫平台的部署和教程是特別多。大多數使用的是CONFUI。但是在Mac上面,CONFUI本身不是特別成熟。
發現了MLX版本,效果還不錯。我們來看一段測試生成的視頻。
這裡是具體的數據。您感興趣的也可以附現。LTX23這個模型目前也是比較穩定的。我們看一看它同樣提示詞。同樣參數下的這個效果是怎麼樣的。
如果我們從這個細節來判斷的話。LTX23首先它的這個變形是非常的大。這個地方有非常大的漏洞。雖然。
雖然。MiniMax H3其實也有一些。它也產生了一些錯位。但是LTX23明顯會多一些。然後另外,從整體左右對比畫面來說特別明顯。就是它的深淺顏色和顏色風格是不一樣的。
還有這個地方的面部出現了較大的。整體來說。MiniMax H3的這個效果會好一些。這就是軟件的樣子。測試幾個視頻的生成。
亞洲美女在跳舞。扭動身體微笑。加大129。大概過了7、8分鐘吧。生成出來的視頻。這個動作還是比較生動自然的。
有點。有點澳洲天團的意思。而且它旁邊有兩個手。給人的感覺就是一個大畫面。那邊。一些人在跳舞。這個效果不錯。多生成幾個。然後依次給大家展示出來。
I do want forward.
我是小黑粉。
第二款模型。咱們比較少見啊。介紹的是ACE STEP 1.5。那麼這個模型其實是來生成音樂的。那到底它的音樂效果是怎麼樣?咱們聽聽就知道。打開軟件之後。找到對話這裡。工具。點擊音樂。然後這個模型。因為已經下載完了。這裡就不用下載了。好。這裡默認自動給了一個一個詞。注意這個詞它也是有固定的格式的。然後這個詞可以改。但是這個格式的標籤不能改。或者您可以調整標籤的順序。但是它這個字是不能改的。
它來識別到底是歌曲的哪一個部分。這個描述呢。就是來控制音樂的種類啊。包括是男女生之類的。那麼。我們先來一個女生。中國風。嗯。中國傳統的感覺是什麼樣的。然後時長就30秒吧。這個時長我經過測試啊。一兩分鐘是都沒問題的。然後這個詞。當然這個詞如果太長的話。它可能就截取一段來唱。我們直接又聽效果。一二三。
四五。好。五秒鐘。
五秒鐘。
夜色輕輕落在秋川台。
晚風把回憶緩緩吹來。
街角的燈還沒有熄滅。
沒睡到的話停在昨天。
好。
好。也就大概10秒吧。又生成完畢了。
我們看一下。
好。這次這個。
這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個
這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個
這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個。這個

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/ATrCWWN --language zh --auto-source-subtitles

    來源：https://b23.tv/ATrCWWN

    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：25.8 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：38.9 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：1.0 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：1.0 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：0.0 秒

    關係：依序執行

    結果：失敗

    問題：exit code 46

  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：0.1 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：0.1 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：0.1 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：0.2 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：69.7 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：0.8 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：0.9 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