工作清單

录音、转写、总结全放本地，Meetily 到底适合谁

逐字稿文字預覽

一場會最浪費時間的部分,可能是散會以後重新找誰答應了什麼。
錄音有了,轉寫也有了,可如果行動項還要人工抄,會議助手其實只完成了一半,那剩下的一半該怎麼補上。
米提利給的答案,不是再造一份更長的逐字稿,而是把本地錄音,實時轉寫,會議總結和行動項串在同一個桌面應用裡。
這樣少掉的是在多個工具之間搬運文本,也少掉了最容易遺漏上下文的那一步。
可會議越重要,數據去了哪裡就越不能含糊。
來把邊界說清。
官方資料寫明，錄音、轉寫模型和轉寫文件可以留在設備裡，實時識別使用 Whisper 或 Paralect。
但摘要模型可以選本地的 Ollama，也可以選 Claude、Grok 或其他遠程接口。
敏感會議想把整條鏈路留在本機，不能只看本地轉寫四個字，還要把摘要模型一起選對。
邊界確認了，下一步才是上手。
第一次別拿最重要的會議開刀。
Windows 和蘋果電腦可以從項目發布頁下載，Linux 目前更適合按源碼構建。
打開以後，先檢查麥克風和系統音頻，再選語言和模型。
用三分鐘短錄音故意說出一個日期，一個人名和兩條代辦。
結束後核對轉寫摘要和存儲位置。
下面先看官方演示裡錄音怎樣變成實時文字。
剛才這段能看見,文字會按時間持續進入同一個會議頁面,但實時轉寫只是入口。
錄音結束後,官方演示把原文放在左邊,把摘要、關鍵決定和行動項放在右邊。
對項目會和客戶訪談來說,價值就在這裡。
你不必從零整理,只要回到原文核對責任人、日期和金額。
那如果手裡已經有舊錄音呢,他還留了第二個入口。
錄音檔不用觸犯給麥克風聽。
米提利支持直接導入文件，選擇保留原語言，或者翻譯成英文，再指定轉寫模型。
應用會分段處理，完成後仍然進入轉寫和總結頁面。
下面這段官方演示，注意看拖入文件，選擇語言和分段進度這三個動作。
對，它更適合經常開項目會，做客戶訪談，或者需要處理歷史錄音的人。
也適合不方便把整段音頻交給雲端的團隊。
但它仍是預發布項目。
官方演示不能替代你自己的中文、口音和常會議測試。
說話人區分也不該當作社區版已經完整具備的能力。
正式使用前，保留原始錄音，獲得錄音同意，並對關鍵結論做人工複核。
米提利最實用的地方,不是讓人徹底不用記筆記,而是把散會後的查找和搬運先壓縮掉。
找一段三分鐘的公開音頻,跑完,導入,轉寫,總結和核對,你就能判斷它是否適合自己。
會議助手真正該省下的,是讓工作重新啟動的時間。
這裡是智聲工坊,關注我,繼續分享真正能落地的人工智能工具。

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/dMiL2tj --language zh

    來源：https://b23.tv/dMiL2tj

    辨識語言：zh ｜ 參數：--language zh

  2. 預期流程

    依指令產生的處理順序：

    1. 下載與語音辨識
    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：60.9 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：18.5 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：0.5 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：0.6 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：0.6 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：0.6 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：0.7 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：0.7 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：0.7 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：73.5 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：0.6 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：0.7 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