逐字稿文字預覽
本集节目由VOAI绝好身疮技术支援 VOAI提供富有情绪的高拟增台湾口音AI声音 并提供上传图片与音档一键生成虚拟人的功能 是最具台湾味的AI平台 使用优惠码AILRB26 吉祥VOAI网站以及API方案95折优惠 大家听到的这集Podcast是透过VOAI API生成的哦 更多资讯请下资讯栏 每天都有一堆新的AI工具冒出来 是不是常常不知道该从哪里开始 别担心 这里是AI懒人报 每天帮你精选5个最多人讨论的AI工具影片 每天10分钟 让AI走进你的生活中 让你不知不觉成为效率大师 今天这个工具最有趣的地方是 它可能让你再也不用半夜起来 修坏掉的Jason 这对我们这些每天跟AI流程 打交道的人来说简直是福音 好,那我们赶快开始吧 先从一个很多人都有过的痛苦经验说起 你花了好几个小时设计一个自动化流程 测试的时候跑得很完美 你觉得这次终于搞定了 然后你把它排成 让他每天早上自动跑 第一天没问题 第二天没问题 第三天早上你打开电脑 一堆错误 为什么 因为AI今天心情好 把一个应该是数字的栏位输出成字串了 或者他觉得自己很聪明 在Jason里多加了一个他觉得有用的栏位 结果你的后端完全吃不下去 所以你不是去改流程 你是去写验证逻辑 写从事机制 写各种备缘处理 花了整个周末 结果整个系统变得比手动作还复杂 说真的 我觉得这是用AI做自动化 最让人崩溃的地方 你明明是为了省时间 结果花更多时间在管理AI的输出 这个问题的根源在哪 在于现在主流的大型语言模型 包括Chattgbt Cloud 还有最近很红的Astra跟Fable 他們的設計邏輯都是預測下一個Token 就算你在Prompt里寫得再清楚 請只輸出JSON 他還是有一定機率會偷偷加一個Markdown的反引號 或者換行多一個空格 或者把Tru寫成加引號的Tru 這並不是模型本 這其實是他的架構 本質上就是機率性的 沒辦法百分之百保證格式 就像你請一個很會寫文章的朋友幫你填表格 他可能會寫得很精彩 但格式就不一定每次都對了 Jerby就是冲着这个问题来的 Jerby是Type Safe AI这家公司开发的 他们把它归类为System 1 Model 跟我们熟悉的大型原模型是完全不同的东西 它不是用来聊天的 也不是用来写文章或解释概念的 它只做一件事 看你给它的资料 对照你定义的schema 输出一个结构完全正确的决策结果 你可以把它想象成一个非常严谨的表格填写员 你给它什么格式 它就保证给你什么格式 这里最关键的技术概念叫做 Constraint Decoding 也就是在推理层面就做好限制 一般的模型 在生成每一个Token的时候 理论上可以选任何字 但Jav的做法是 你传给他一个Schema 你可以先把它想成资料格式规则 他在生成每个Token的时候 会直接把所有经费违反这个规则的选项 从词汇表里遮掉 如果这个栏位的形别是布林子 那他在那個位置能選的詞就只有2跟false 其他字根本不在選項裡 這並不是說他很努力不出錯 這是他在架構上就不可能出錯 這兩件事的差別非常大 前面那種你還是需要驗證 後面這種你可以直接信任輸出 就像你相信一個計算機算出來的結果一樣 TypeSafe AI把這個特性叫做schema safe 意思就是輸出永遠符合你定義的型別結構 即對開發者來說 这意味着你可以把原本那些验证成 从事逻辑 而是修正的程式码 大部分都砍掉 你定义好行别 交给Jeff 就会拿到一个结构完全正确的结果 每次都是 这就像你请了一个永远不会犯错的秘书 他交给你的文件永远都是格式正确的 你完全不用再检查一遍 Jeff提供三个主要的功能界面 第一个叫Choice 你给他一个输入 再给他一个选项清单 他直接回传最符合的那个选项 最多可以有255个选项 这是像一个超级精准的选择题机器 你问他问题 他马上给你正确答案 第二个叫score 他会对输入打一个分数 同时附上confidence 也就是信心分数 让你知道他对这个分数有多确定 这就像一个很专业的评论员 不只给分数 还会告诉你 他打这个分数的把握有多大 第三个叫no-o 这个比较特别 他会输出一个0到1之间的几率值 代表某件事发生的可能性 而且這個機率是經過校準的 不是隨便說說的 意思是如果NOLE說退款機率是0.8 就代表10封類似的信裡 大概有8封真的會是退款需求 這個數字是可靠的 這三個功能合在一起 你就可以做很多事了 比如說你有一個客服系統 每天收到幾千封信 你想要自動分類 判斷優先順序 偵測有沒有退款需求 用傳統的大型語言模型 你要寫很長的prompt 還要解析它輸出的文字 然後還要擔心它今天心情不好 输出格式跑掉 用Jeff 你就把信的内容传进去 定义好Schema 他直接给你一个Jason 类别是什么 优先顺序 几分 是不是退款请求 信心分数多少 全部结构完整 直接可以用 这就像你把一大堆文件 丢给一个超级有效率的助理 他马上就能把所有资讯整理好 分门别类 让你一眼就能看懂 社群里有人做了一个测试 一次处理1000封信 平均回应时间大约是200毫秒 整批跑完费用是多少 非常少 因为JF的定价非常低 输入是每百万Token四分美金 输出是免费的 这个价格跟主流的大型原模型 比起来差距非常大 简直是佛星价 说到速度 TypeSafe AI官方的说法是 JF可以比传统Transformer模型 快20到200倍 便宜40到400倍 我知道这种数字看起来像行销化数 所以要说清楚 这个速度优势 是在特定的结构化决策任务上 而不是在所有任务上 你不能拿Jeff来写一篇文章 他根本不会 但如果你的任务是 看这段资料 告诉我他属于哪个类别 那这个速度差距是真实存在的 这就像你请一个 短跑选手去跑马拉松 他可能跑不完 但如果你让他去跑100公尺 他绝对是世界级的 为什么Jeff可以这么快 因为他根本不需要 做一般语言模型做的那一事 他不需要生成自然语言 不需要维护复杂的上下文 也不需要做什么深度推理 他的工作就是看schema 看輸入輸出 一個符合schema的決策 整個推理路徑短很多 所以快很多 這就像一個專注於單一任務的機器人 他只做他被設計來做的事 所以效率極高 這個速度差距在某些使用情境上 會讓整件事從可以用變成真正好用 最明顯的例子是瀏覽器自動化 現在有很多工具 可以讓AI控制你的瀏覽器 你給他一個目標 他自己去點頁面 填資料跳到下一頁 但如果你真的試過用Astra或Fable做這件事 你會發現他慢的很痛苦 Agent 結一張網頁的截圖傳給模型 然後你等2秒、3秒、有時候5秒 模型才決定要點哪裡 這段時間裡網頁可能已經更新了 或者跳出一個彈窗 然後Agent的動作就失效了 這就像你請一個動作很慢的人 幫你搶限量商品 等到他反應過來 商品早就被搶光了 這就是為什麼瀏覽器自動化到現在 還是很難真正穩定部署的原因之一 延遲太高 反應跟不上動態網頁的節奏 但如果你把決策層換成Jeff 延遲從秒級降到毫秒級 Agent看到DOM結構 馬上對照Schema 馬上輸出下一個動作 他不需要思考 他就是執行 這樣的速度才能讓瀏覽器自動化 從一個很酷的示範 變成一個可以真正跑在生產環境的東西 這就像你給機器人裝上超快速反應晶片 他能瞬間判斷並執行任務 讓整個流程順暢無比 好,現在來到我覺得最有意思的部分 也就是第二個重點 Jeff的定位很特別 他並不是要取代Astra或Fable 他其實是要跟他們一起用 你可以把它想像成一個團隊裡的兩個角色 一個負責策略,一個負責執行 我把這個架構叫做雙腦架構 概念很直觀 你用大型語言模型做需要深度推理的事 用Jav做需要快速執行的事 舉個具體的例子 假設你在建一個自動化的軟體開發agent 他可以看需求、寫程式、跑測試、修bug 當一個新的功能需求進來的時候 你先把它交給Fable或Astra 這些模型有深度的推理能力 他們可以分析整個專案程式碼 理解依賴關係 想清楚要怎麼實作 然后产出一份详细的执行计划 就是慢的贵的但值得 因为这个阶段真的需要深度思考 这就像一个公司的策略长 负责制定整体方向和计划 计划出来之后 Fable退场 Jeff接手 Jeff比较适合负责 判断下一步要做什么 输出固定格式的指令 如果测试失败了 Jeff不需要重新思考整个架构 他只需要看错误讯息 对照行别定义 修掉那個行別不符的地方 再跑一次幾毫秒就完成 真正寫大段程式碼還是交給Fable或Astra 這就像公司的執行長 負責把策略長的計劃 分解成一個個具體任務 並快速高效的執行 你把昂貴的推理集中在規劃階段 把執行交給一個高速低成本 格式保證正確的引擎 這樣的組合才能讓多A-系統真正規模化 以前這種架構的問題是成本和延遲 如果一個複雜的任務需要50個為決策 每個決策要2秒花3分美金 整個流程就要花1分多鐘 1塊多美金單次執行 這樣的單位經濟學根本沒辦法做自動化 因為跑幾次就虧了 但Jeff把每個為決策的成本和延遲 都壓到幾乎可以忽略的程度 這個架構才真正變得可行 這就像以前你需要請好幾個顧問來做決策 現在你只需要請一個策略顧問 然後把執行交給一個超便宜又超快的機器人 那實際上怎麼把JAB接近你現有的流程 有幾個很具體的切入點 最直接的方式 是找出你現有AI流程裡最容易壞掉的節點 通常就是那些讓LLM從非結構化的資料裡 抽取資訊 然後格式化成某個固定格式的步驟 比如說從一封信裡抓出客戶名稱 訂單編號 問題類別 然後寫進CRM 這種步驟犯成JAB是最直接的 你定義好schema讓介位做抽取 格式問題直接消失 這就像你把一個經常出錯的環節 換成一個永遠不會出錯的自動化機器人 瞬間解決了所有問題 另一個很適合的使用情境是vibe coding 就是你用AI輔助快速開發的那種模式 現在的vibe coding流程通常是 讓AI生成程式碼 你去跑,跑出錯誤 把錯誤貼回去給AI 等它修,再跑 這個回圈很慢,而且很煩 因為Jeff速度過快 对程式语法的理解是原生的 你可以在IDE里设定一个背景监听器 每次有编译错误或测试失败 自动把错误丢给Jeff 让他在背景直接修掉 你甚至不需要手动介入 他已经修好了 这就像你身边有一个超级程式码修正助手 在你写程式的时候 他随时帮你检查并修复错误 让你专心在创作上 这个部分说完 我要讲一个很重要 但很多人在兴奋的时候会忘掉的是 速度越快 出错的代价越高 当你有一个模型可以在毫秒内生成 并执行程式码 你根本来不及在他出错之前阻止他 如果Jeff在自动化流程里 有权限存取你的档案系统 执行终端机指令 更新资料库 而他以200倍的速度在跑 那出了问题的时候 你看到的已经是结果 不是过程 这就像你开一台超级跑车 速度很快 但如果失控造成的损害 也会非常巨大 所以安全边界必须跟着调整 几个原则要记住 第一 就算是高准确定的模型 AI生成的程式码 预设要当成不信任的来处理 不要因为他很少出错 就给他最高权限 第二 如果你要在本机跑Jab做自动化 Docker容器 把执行环境隔离起来 给他最小必要的权限 不要给root 第三 如果Jab在做浏览器自动化 不要用你平常已经登录的浏览器设定档 用独立的 一次性的工作阶段 這樣就算他誤判了某個DOM元素 也不會動到你的生產環境 這就像你使用任何強大的工具一樣 必須先做好安全防護 才能避免不必要的風險 Jeff幫你省下了寫程式碼的時間 但這些省下來的時間 你要拿去建更完善的自動化測試和安全驗證 你的角色從寫程式的人 變成設計系統架構 和做安全審計的人 這就像以前你需要自己造車 現在你只需要設計好車子的功能 和安全系統 然後讓機器人去製造 最後來說說我對Jeff這件事的整體看法 過去一年多 AI產業的主旋律 是把模型做得越來越大 越來越聰明 越來越貴 每個人都在追AGI 都在比誰的模型推理能力更強 Extra跟Fable在這條路上做得很好 他們真的很厲害 但真正在用AI做產品的人 工程師 獨立開發者 小團隊 我們不是每天都在解歷史難題 我們大部分時間需要的是 這個資料是不是不領值 這個請求應該要分派給哪個服務 這封信的優先順序 是高還是低 這些問題不需要深度推理 需要的是快、準、格式正確 這就像我們日常生活 大部分時候我們需要的不是哲學家 而是一個能快速精準回答問題的工具人 Jeff代表的是AI執行層的工業化 他承認一件事 未來的自動化不會是一個超級大腦 慢慢把所有事情都做完 而是一堆高度專門化的引擎分工合作 各自在自己最擅長的部分做到最好 這就像一個現代化的工廠 每個環節都有專門的機器人負責 協同合作達到最高的效率 對那些花了無數個夜晚 在除錯Jason格式問題的人來說 這個東西出現的時機真的很剛好 如果你覺得今天的內容讓你有點收穫 那就幫我到Apple Podcast按讚追蹤 有個五星好評吧 FB IG Flats 收AI懶人報就找到我了 你的支持是我持續優化內容的最大動力 最近的AI發展依然快的讓我害怕 不想出過明天再繼續收聽AI懶人報囉 我是湯懶懶 我們明天見 拜拜
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：1188.1 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：47.0 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：1.0 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：0.1 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：0.1 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：0.2 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：0.2 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：124.4 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：0.5 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。