工作清單｜VR變眼鏡了？8分鐘看懂Meta押注的超級智慧

逐字稿文字預覽

Meta把VR壓到100克,畫面沒縮水,AI還進的作業系統。這會不會就是你下一台電腦?
我們建立了一個新的VR器,
這會帶來同一個奇妙的感覺和移動,
高規模的顯示和世界的觀看,
在一個形狀的角色,
就是一個雙手套。
100克能做到,靠的是把運算、電池和儲存搬出眼鏡。
功能沒少,臉上的重量先拿掉一大截。
Meta VR glasses weigh about 100g on your face.
That is less than one-fifth the weight of Meta Quest 3,
which is already much lighter than Vision Pro.
。
to put it in perspective,
100g is about the weight of a deck of cards.
This is enabled by our split architecture.
重量壓下來了,畫面有沒有打折?
Meta這次強調色彩,暗部和抗反光。
重量夠輕,畫面也得看得舒服。
It has the best display system that we have ever made.
It is the result of more than a decade of work.
The colors are richer, the blacks are deeper.
And whenever we show this to people,
It's the display and quality of that is what jumps out,
because they just can't believe
that something this thin and light can have such a good display.
這些片段是Meta自己挑的不能當獨立評測。
至少第一印象裡大家反覆提到重量、畫面細節和沉浸感。
Holy mother of God.
Oh, that's very cool.
I really like bitches' eye.
It's light.
What's all the weight on this?100 grams.
Fantastic detail.
You can see every skin pore, right?
These doctors did a great job of projecting ambient reflections.
Wow, wow, that's way out there.Look at that.
I'm very aware that I'm still sitting in this room with you,
yet I have something that is entirely immersive in front of me.
Hey.
Oh, it's like you core-sized.
Wow, I never noticed we switched out on Jalen Bruston on that play.
Even if you're dead, you don't have a disview.
This camera angle right here is insane.
You're like essentially on the mat inside the Aqualine.
多個工作畫面,Displayport,和桌面輸入都出現了.
這副眼鏡已經開始往電腦靠.
Look at the form factor, look at the lightness.
I think it's cinema anywhere.
Wow, I've seen things I never noticed before, right?
You could edit a whole movie just using the table.
Oh man, it is like a computer.
To have like a two or three monitor experience while you're able to be like on the go is so incredible.
Whoa, whoa, whoa.
This supports displayport over USB-C.
There's a lot of people who have been asking for that for a very long time.
Yeah.
Meta不是叫你再開一個AI App,而是把助理直接放進作業系統,用眼睛,手和聲音叫他做事.
Meta VR glasses are built for Muse too.
So this is the first time that we have integrated an AI agent directly into the operating system.
So now instead of navigating through layers of menus, you just talk to it and say what you need.
Every interaction can be done with a combination of your eyes, your hands, and your voice.
You just look at something, you can use a small hand gesture to control it,
You can do little finger movements.
When you want to get work done,
You can turn any flat surface into a really good keyboard and trackpad.
看片最容易懂.
100克的眼鏡想讓你把私人劝院帶著走,
出門也有自己的大畫面.
當然,看片最重要的是這張描述的設計,這張描述是為了電視。
這張描述是為了電視。
這是第一次的Imax強調的VR機器,
支援飛機、飯店、宿舍,
和Dolby Vision。
放到飛機、飯店、宿舍就更好懂。
你可以不在乎元宇宙,
但垂身帶一塊只有自己看得到的大畫面,
這用途很直白。
這就是一個,像馬克說過的尖叫做宇宙艇,
這不是你一樣的,
你們看到了一個我看到的,
但我認為這很融化,
這條線是我的行業。
這不是我身邊的,
這就是我三個角色。
這很強勁,
你可以帶這在你任何地方,
你可以帶你去旅行,
在飛機,在一家,
你帶你去一個宿舍,
你每個地方有一個大廣角,
你也有在這裡。
我來給你。
遊戲也沒有被丟掉。
原本的Quest,遊戲庫,
控制器和雲端遊戲都結得上,
這對新裝置比多一個炫技功能更實際。
這就是說,
VR 遊戲是活動的,
和Meta VR 眼鏡上很好。
我們不僅僅有最初的名字,
我們也支持了整個Quest 櫃園,
和兼職的控制器,
還有Xbox 遊戲機器,
你也可以在Xbox 上網上遊戲。
到了工作這段,
它更像一台電腦,
助理直接在系統裡替你做事,
不用一直開著聊天畫面。
這段比較像真的在交辦工作,
找設計圖,
確認硬體版本,
排時間,盯拍賣,
交代完你可以先去做別的事。
Coopper,
你幫助理整個工程,
可以在手上和聲音的操作。
我們在工作系統上組織,
正在系統上的工作。
這段比較像真的在交辦工作,
找設計圖,
確認硬體版本,
排時間,
盯拍賣,
交代完你可以先去做別的事。
Coopper,
你幫我做的工作。
Coopper,
你可以拿這些圖案,
馬克剛才送給他們,
和昨晚的Hardware Rev,
然後把我們用了這件工程中的工程,
然後把我們用了這件工程中的工程,
然後你應該拿一小時的工程,
所以我可以準備好這間工程,
然後把我們說的那個相關,
我希望能夠轉動。
我希望能夠轉動。
明白了,
更新的圖案,
更新的硬體版本,
更新的工程,
更新的工程,
我可以在這裡。
AI做的事情越多,
就會接觸更多私人資料。
發表會前,
路透社提到Meta正在測試。
真人協助電話任務,
內部也擔心敏感資訊會不會被人看到。
Meta先把任務隔離在安全環境,
再往連Meta自己都看不到內容的方向做。
做不到這點,
再方便也很難成為日常裝置。
Meta想把AI的內容放在內容。
現在,
我們從初來的設計,
我們在這系統,
我們從初來的設計,
我們設計,
我們設計,
我們設計,
我們設計,
我們設計,
我們設計,
我們設計,
我們設計,
我們設計,
我們設計,
我們設計,
我們設計,
我們設計,
我們設計,
我們設計,
我們設計,
我們設計,
我們設計,
我們設計,
我們設計,
我們設計,
我們設計,
我們設計,
我們設計,
我們設計,
我們設計,
我們設計,
我們設計,
我們設計,
我們設計,
我們設計,
我們設計,
我們設計,
我們設計,
我們設計,
我們設計,
我們設計,
我們設計,
我們設計,
我們設計,
我們設計,
我們設計,
我們設計,
我們設計,
我們設計,
我們設計,
我們設計,
我們設計,
我們設計,
我們設計,
我們設計,
我們設計,
我們設計,
我們設計,
我們設計,
我們設計,

來源：transcript.txt

本次執行流程與問題處理

下達指令
指令：videonote https://youtu.be/49UX_mawgeA?si=LDa3lqIWv_G54nu0 --language zh

來源：https://youtu.be/49UX_mawgeA?si=LDa3lqIWv_G54nu0

辨識語言：zh ｜參數：--language zh
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
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：31.8 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：41.3 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：0.4 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：0.4 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：0.4 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：0.5 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：0.5 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：0.5 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：0.6 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：95.3 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：0.4 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

subtitle_acquisition.json 下載140 bytes

Whisper 字幕

transcript.whisper.json 純文字 JSON6,913 / 80,487 bytes
transcript.whisper.srt 下載15,135 bytes
transcript.whisper.tsv 下載10,205 bytes
transcript.whisper.txt 下載6,913 bytes
transcript.whisper.vtt 下載12,871 bytes

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 6,913 / 80,487 bytes
校正後 transcript.json 純文字 JSON 6,590 / 120,908 bytes

目前待解決問題與初步改善方向

逐字稿語言與宣告語言不一致待修正
已保留來源字幕/Whisper 內容並繼續產生筆記；請確認影片語言。；若語音辨識輸出英文，也會被語言檢查標記，不會覆蓋日文底稿。
逐字稿全文快速校讀未完成待修正
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
逐字稿可先使用，但有待校正清單待修正
segment=18 punctuation_only: 段落只有標點或符號；segment=18 unnatural_sentence_boundary: 標點出現在句首或停在逗號位置，斷句可能不符合文法/口語；segment=181 adjacent_duplicate: 與前一段完全重複，可能是滾動字幕或 ASR 重複；segment=186 adjacent_duplicate: 與前一段完全重複，可能是滾動字幕或 ASR 重複
Qwen3-ASR 未完成，需確認 qwen_asr_lab 環境與音訊後重試精進模式。

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

逐字稿文字預覽

本次執行流程與問題處理

下達指令

預期流程

1. 下載與語音辨識

2. 全文快速校讀

3. 建立句子單元

4. 句子密度平衡

5. 時間軸稽核

6. 品質檢查

7. 播放時間軸回填

8. 逐字稿交叉檢查

9. 來源句整理

10. 生成筆記摘要

11. 建立筆記頁面

12. 發布公開頁面

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