工作清單｜NVIDIA 免費開源一個工具，叫你別再租雲端，把家裡舊電腦串起來自己跑 #Shorts

逐字稿文字預覽

NVIDIA丟出一個免費工具,叫你別再付錢租雲端。
把家裡放著生灰的舊電腦串起來自己跑。
裝好之後,PAIR自己掃過你家的網路。
桌機裡的RTX顯卡,DGX Spark,連Mac都會被抓進來。
對外只露一個網址,Ollama相容,OpenAI相容。
原本的AI App跟Agent一行都不用改。
NVIDIA自己的示範是開5個Subagent一起整理家裡的信箱。
單一台DGX Spark筆電平均要跑18分鐘。
三台串起來之後,8分48秒跑完。
機器開機,關機,離開網路。
PAIR自己重排。
授權寫Apache2.
0。
Github上直接下載。
RTX20系列以上或M4以上的Mac都能加入。
不過PAIR不會把兩張顯卡變成一張大的。
記憶體也不會加起來。
一台塞不下的模型,串10台還是塞不下。
已經有測試者把葡萄牙的Mac接上愛爾蘭的DGX Spark真的通了。
代價是PAIR順手刪掉它手寫的設定檔。
靠賣顯卡賺錢的公司。
寫了一個讓你舊顯卡不用退休的工具,然後免費送出去。
追蹤AI101,不錯過AI圈的最新消息。

來源：transcript.txt

本次執行流程與問題處理

下達指令
指令：videonote https://youtube.com/shorts/bdVKeXNVc08?si=GR1V8Jf7W_onYg4c --language zh

來源：https://youtube.com/shorts/bdVKeXNVc08?si=GR1V8Jf7W_onYg4c

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：17.0 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：12.5 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. 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
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
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
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
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
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
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：55.2 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：0.3 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：0.4 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 JSON1,050 / 9,564 bytes
transcript.whisper.srt 下載1,789 bytes
transcript.whisper.tsv 下載1,321 bytes
transcript.whisper.txt 下載1,050 bytes
transcript.whisper.vtt 下載1,608 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 1,050 / 9,564 bytes
校正後 transcript.presegmentation_corrected.json 純文字 JSON 1,052 / 17,968 bytes

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，請確認待修正
segment=2 已先套用暫定修正：裝好之後,配R自己掃過你家的網路。 → 裝好之後,PAIR自己掃過你家的網路。；segment=4 已先套用暫定修正：對外只漏一個網址,Olama相容,OpenAI相容。 → 對外只露一個網址,Ollama相容,OpenAI相容。；segment=7 已先套用暫定修正：單一台RTX Spark筆電平均要跑18分鐘。 → 單一台DGX Spark筆電平均要跑18分鐘。；segment=10 已先套用暫定修正：配R自己重排。 → PAIR自己重排。；segment=7 待確認：影片說明指出硬體包含 'DGX Spark'，且 DGX Spark 為 NVIDIA 推出的小型叢集設備，常被誤稱為筆電或小型主機。'RTX Spark' 非標準產品名稱，應為 DGX Spark 之誤。；暫定：單一台DGX Spark筆電平均要跑18分鐘。
逐字稿可先使用，但有待校正清單待修正
segment=7 rapid_semantic_review: 全文速讀上下文判斷；尚未回聽或交叉比對
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