逐字稿文字預覽
大家好 最近出现了一款新的 比较特殊的 AI 模型，叫做 Jev 它来自 OpenAI 前研究员 Diogo Almeida 他也是 RLHF 训练方法的提出者之一 他创办的 TypeSafe AI 推出了 Jev 这款高速决策模型 准确来说 它是一款 极速决策模型 它和普通模型有什么区别 目前的 AI 模型 大致可以分为两类 第一类 速度极快 依靠直觉 另一类速度较慢 依靠推理分析 我们现在使用的 GPT、Claude 都依靠模型内部 较长时间的推理 但现在 许多场景急需一款模型 快速告诉我们下一步该做什么 复杂任务具体怎么执行 通常会交给 GPT、Claude 这类高级模型 今天很火的 Jev 模型 专门负责 快速决策 它会直接告诉我们 比如说 怎么做 一件事该不该做 比如说 他究竟适不适合做 究竟该交给谁做 这正是它擅长解决的问题 它主要解决哪几类问题 第一类：选择 它可以从给定选项中 选出一个结果，并且 给出对应概率 这里 一共 包含 三种输出类型 第一种是 Choice 也就是单选题 这时 会输出选项及每个选项的概率 以及相关内容 适用场景包括 工具路由 动作选择和分类 第二种 是评分类型 评分类型 会输出最终分数 适合 风险评分、质量评分 以及相关性评分 第三种 是判断类型 给出 True / False 概率 例如是否保留 是否危险 以及是否达标 下面举一个最简单的例子 那比如说 现在上下文有段测试日志 系统只想知道 这段日志是否需要保留 传统大模型 可能会输出一大段解释 解释这段日志为什么 需要或不需要保留 如果交给 Jev 它会直接告诉你 是否保留 Yes 或 No 这样 就能大幅提升处理速度 这就是 Jev 的核心能力 接下来 看一下网上的 Jev 案例 稍后 再分享具体使用方法 并带大家 制作一个由 Jev 控制的 自动化游戏教程 接下来 先看一个 AI 跑酷案例 我们看到他现在通过 Jev 模型 会自动跳跃 并闪躲障碍 这完全基于 Jev 的 判断能力实现 下面看看具体做法 这个 开始前 需要先获取 Jev 的 API Key 目前 有两种方式 第一种 通过 Vercel AI Gateway Vercel 平台 当前推广期持续到 9 月 25 日 期间可以免费使用 可以看到 Input 和 Output 都是免费的 使用 Vercel 时 可以通过 Vercel 使用 Google 账号一键注册 注册完成后 就可以使用 Vercel 免费提供的 Jev 但这种方式 需要绑定银行卡 如果没有合适的银行卡 可能无法使用 第二种方式 是 TypeSafe 官网 官网目前 现在已经 已经全面开放 直接使用 Google 账号 即可一键注册 注册成功后 会赠送 5 美元额度 这笔额度 完全 足够个人测试 或基础使用 使用成本很低 TypeSafe 注册完成后 会进入 TypeSafe 首页 首页内容很简单 我们可以看到很简单 第一个是Home Home 这里有一个 Skill 可以把这个 Skill 发送给其他 Agent 其他 Agent 安装这个 Skill 后 在执行任务时 你就可以 会自动触发 遇到决策任务 它会自动 快速调用 Jev 完成决策 这里可以查看用量 第二项是控制台 控制台主要用于 核心测试 可以进行基准测试 进入控制台后 我们先把这个复制一下 复制完成后 我打开一个全新的页面 打开控制台 控制台里 就是前面提到的 三种决策类型 第一种 是True / False这种类型 是 True / False 第二种 会给出分数 就是你自己列出选项 第三种是 Choice Choice 类型 可以配置多个选项 例如 A、B、C 模型会选择其中一项 这就是它支持的三种类型 下面做一个简单测试 大家就清楚了 那比如说 我现在 这里选择 Choice 类型 也就是选择一个结果 比如说 输入的问题是 是这个网站打不开了 网站打不开 一共提供三个选项 分别是售后 技术 以及账单 三个处理入口 从人的角度判断 网站打不开 网站打不开了 应该转到技术支持 点击 Run 可以看到这里返回了 各选项的概率 Option B 对应的是 技术支持 这 这是百分比 这个判断非常 准确 这时候 应该找技术 转到技术支持 这时候 我们在后台根据这个的状态 后台可自动切换到技术支持 由对应机器人接手处理 这就是快速决策 第二个测试 是售后问题 售后 看能否 切换到售后 我们看它可不可以正常的跳转过去 这个时候 我选择说 我买的鞋子坏了 鞋子损坏 这个时候 应该进入到我们的售后对不对 我们点Run一下 我们可以看到 他这个时候 就选择了售后了 就是给我们的结论就是说 这个问题 是属于售后的 这时候 我们比如说在后台有一个 决策阶段 这时候 系统会自动切换到售后 由售后人员 负责处理 再测试账单问题 账单同样我们也可以 输入一个账单问题 这我说 我的付款金额不对 我们看一下Run一下 可以看到 结果跳转到 C 大概 大概也会有一定是售后问题 当前更倾向于 C：账单问题 那这时候 系统即可转到账单部门 进行后续处理 为什么它的金额不对 通过这个小例子可以看出 Jev 的核心原理是 它这个核心的原理就是说 根据输入 也就是问题本身 再列出候选项 它会快速从中 找出正确 入口 从而快速对问题 或功能 进行分类 这就是它的核心能力 这项能力也很适合游戏 因为游戏它的固定的玩法是固定的 今天给大家演示的这个 就是 AI 跑酷 也一样的 下面看一下效果 我们切到AI自动模式 切换到 AI 自动模式后 我们点击开始跑 我们可以看到 这个时候 角色现在 角色开始自动吃金币 前方出现火车 它自动避开了 可以看到 现在没有任何人工操作 完全由 AI 自动运行 而且这里 我们也可以实时看到 决策耗时 目前一直接近 0 秒 这个耗时 它的决策 所以它的响应非常快 这里是避障状态 这个 并显示实时感知 这个 都是我在本地做的 大家可以看到这么情况 可以看到 到时候 我会把这个源码 放到 Telegram 群 大家到时候可以在群上去下载 配置自己的 Key 即可体验 我们可以看到已经 避开障碍好多次了 这个就是基于它的 核心能力 它会 会基于内部状态 实时发起判断请求 给大家说一下它的核心原理 只有知道了核心原理之后 才能把它应用到不同场景 先看核心原理 这个的核心原理 就是说我们需要把提前 把当前界面状态 实时传给 Jev 因为我们只有把当前 界面上这些实时的 比如说前方是什么障碍物 以及障碍类型 这里不是通过截图识别 截图识别速度太慢 它的核心的原理就是说我们会在 游戏由我们编写 H5 代码 我们这个游戏是我们自己开发的 那我们是知道前方是有什么障碍的 我们会把这个障碍物 将障碍信息发送给 Jev 走最左边 左、中、右等轨道 等等 前方所有障碍信息 都会提前传给 Jev Jev 会做出判断 选择移动方向 再调用人物切换动作 实现自动驾驶 注意 它不是实时识别界面 因为界面识别速度较慢 而是从源码层 直接把状态传给 Jev Jev 调用接口做出决策 来带动我们的界面 前端界面再展示动作 这就是核心原理 这里 已经准备好提示词 让它生成了 我们可以看到 请开发一个原创的 地铁跑酷风格 H5 游戏 具体内容 可以自行修改 使用 Three. js 实现三轨跑道 并生成 AI 自动模式 自动驾驶 通过 Vercel AI Gateway 调用 TypeSafe 的 Jev 模型 根据轨道和障碍状态生成动作 提示词会 放在视频下方 到时候 打开 Codex 粘贴提示词 让它去给你做 就可以了 但是这里 这里使用 Vercel AI Gateway 就是当前给大家说的 申请免费的 Key 即可 大家可以申请一下 如果想使用 TypeSafe 也可以 你就把这个换下 将调用方式改为 TypeSafe 原生 API 即可 它会生成与演示类似的 自动跑酷效果 差不多效果你就可以去使用了 这个 以上就是今天的教程 如果有问题 欢迎在下方留言，谢谢
本次執行流程與問題處理
下達指令
預期流程
- 採用來源字幕（略過語音辨識）
- 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：15.0 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：33.6 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：0.6 秒
關係：依序執行
結果：完成
4. 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：0.7 秒
關係：依序執行
結果：完成
5. 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：0.7 秒
關係：依序執行
結果：完成
6. 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
7. 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：0.8 秒
關係：依序執行
結果：完成
8. 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：96.0 秒
關係：依序執行
結果：完成
9. 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：0.1 秒
關係：依序執行
結果：完成
10. 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：0.2 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
- 尚未產生
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
目前待解決問題與初步改善方向
- ⚠️ 全文快速校讀：已套用暫定修正，請確認
segment=6 已先套用暫定修正：他也是 RLCD 训练方法的提出者之一 → 他也是 RLHF 训练方法的提出者之一；segment=145 已先套用暫定修正：第一个Home → 第一个是Home；segment=210 已先套用暫定修正：是百分之比 → 这是百分比；segment=256 已先套用暫定修正：也会有一定是售后问题 → 大概也会有一定是售后问题；segment=256 待確認：語意混亂，'一定是售后问题' 與前文 '跳转到C（账单）' 矛盾。推測原意為 '大概也会有一定概率被誤判為售后问题' 或 '排除售后问题'。因無法確定講者意圖，保留原意結構但標記待確認。；暫定：大概也会有一定是售后问题；segment=301 待確認：句子成分缺失，無法獨立成句。；暫定：并显示实时感知；segment=303 待確認：指代詞單獨成句，缺乏上下文指代對象。；暫定：这个；segment=393 待確認：指代詞單獨成句，語意不明。；暫定：这个
- 逐字稿可先使用，但有待校正清單
segment=256 rapid_semantic_review: 全文速讀上下文判斷；尚未回聽或交叉比對；segment=301 rapid_semantic_review: 300: 这里是避障状态, 301: 这个, 302: 并显示实时感知；segment=303 rapid_semantic_review: 302: 并显示实时感知, 303: 这个, 304: 都是我在本地做的；segment=393 rapid_semantic_review: 392: 差不多效果你就可以去使用了, 393: 这个, 394: 以上就是今天的教程
- Qwen3-ASR 未完成，需確認 qwen_asr_lab 環境與音訊後重試精進模式。
- 音訊下載不穩定，需更新 cookies / PO token 後重試精進模式。