逐字稿文字預覽
大家好,我記得之前我在體驗Gemna TTS的時候就非常喜歡它。最近Gemna 3.8 Flash TTS也推出來了,非常好。它現在可以自定義音色,而且還可以克隆你自己的音色。目前它是有兩款模型。大家如果想要效果好的話,直接選擇Flash TTS。你讓它自定義生成的音色呢?還有讓它克隆的音色,都可以把Voice ID保存下來。一年內就是有效的。 单个项目你最多可以生成200个音色 包括复刻的音色 使用JAMLTTTS模型的时候 你是可以逐句导演每一句话 它怎么去呈现的 比如说台词是祝你有美好的一天 style呢可以写愉快而美好 我们可以把停顿和叹气写在台词里 而不放在style里面 就是通过这样的一个括号 来展示短的停顿 或者是叹气声 此外 见面的TTS 还有一个非常好的是 有一个主要的人物在发声 还有一个复和的声音 可以以一气呵成让它生成 比如说A说这一天太长了 叹气 所以周四发布 然后这样的一个数号呢 中间有两个字 那就是另外一个角色去复和它 官方介绍Gemini TTS这一次呢 它是支持更长的输出 而且不漂移 它是有一个单次请求的最大Poken上限 Flash TTS在多个榜单上 表现都是非常突出的 在我体验过的众多TTS里 Gemini TTS表现也是非常好的 Flash TTS呢 我们既可以在AS Studio里使用它 也可以在Gemini的Notebook里去使用它 来到AI Studio 上方我们就可以用它内置的一些音色 下方我们可以新建一个音色 这里也有两个选择 左边可以通过你自定义Style 让它去生成一个新的音色 而右边就是音色克隆 之前我在AI Studio使用的时候 无论是电脑的Web端 还是手机上都显示500 Internal Error的报错 也没有具体的原因 我今天又查了一下 发现有些用户已经反馈 是说音色克隆的时候 真正的原因是 克隆接口会做两层校验 第一是同意声明和验 第二是声文匹配 所以我们需要用同样的设备来录制声音 要完整的去念出上面的文字 一开始两段音频我录制的都是中文 但是我发现这个中文读了之后 他还是没有给我通过 后来我转成英文才成功 我们再看一下 Glocker呢 还有一些建议 转成官方推荐的格式 然后用最小请求 再创建一次 我就换成这段英文 还有这段英文 来做授权和参考音频 到了这里 我就感觉很好奇 为什么我前几天尝试 他报500错误 当时我读的都是英文 为什么没有给我通过 后来我想了想 应该是我对英文的单词发音不标准 所以没有给我通过 大家如果也遇到了这样的500问题的时候呢 可以先看一下官方给到你哪些参考音频的英文 去查一下正确发音 后续的话再尝试将这两个音频都发给谷歌 然后看它能不能给你通过 最后再给大家看一下 我通过调用Gemini 3.8 Flash TDS 帮我生成的六段配音 其中有一个短片 是根据我的音色 做的克隆后的配音 Gemini 3.8 Flash TDS 它的配音真的是 效果非常非常好 非常推荐大家去使用它 各位夜猫子 还醒着呢 现在是凌晨1点47分 外面好像下雨了 你们那儿呢 唉 刚才放的那首 是Chad Baker的Almost Blue 有个听众给我发消息说 他失恋第三天 单曲循环了一整晚 我没回复他 但 老兄 我懂 音乐这东西吧 它不至于你 它只是 陪着你 就像今晚 我陪着你们 你们也陪着我 挺好的 好 接下来这首 送给所有 还不想睡的人 窗户开一点点 让风进来 把灯关掉 这首歌有点老 但有些东西啊 旧一点 更好 Here's to life 献给生活 晚安 不 早安 随便吧 好了小宝贝 被子盖好了吗 今天呀月亮姐姐要给你讲一个 小星星长妈妈的故事 从前呢 在很远很远的天上 住着一颗小星星 它呀是天空中最小最小的那一颗 亮晶晶的 就像你眼睛里闪闪的光 有一天晚上呢 小星星一不小心 从云朵做的小床上滚了下来 咕噜噜咕噜噜 它滚呀滚 滚到了一片软绵绵的棉花云上 妈妈妈妈在哪里呀 小星星眨了眨眼睛 四周都是白白的云 好安静呀 可是它一点都不害怕 你知道为什么吗 因为呀月亮妈妈一直在天上 轻轻的轻轻的看着它呢 就像现在有人在轻轻的轻轻的看着你 闭上眼睛吧小宝贝 小星星找到妈妈了 你也要去找你的梦了 晚安 我当了三十二年行警 什么场面没见过 但有一个案子 到今天 我都不敢一个人想起来 1998年 腊月23 小年夜 河东区第七棉坊长的废弃仓库里 发现了一具尸体 但真正让我睡不着的 不是这个 是现场的墙上 用红色颜料 至少我们当时以为是颜料 写着一行字 五个字 他是第三个 我们把全市的失踪档案 翻了个底朝天 前面两个 从来没找到过 但最让我害怕的是 这行字的落块是一个日期 是我们发现师弟那天之后的第三天 我先去看看 这个故事 下次再讲吧 空白票 周五下班前 总经理把会议室的门关上 他说公司必须少一个人 没有名单 没有标准 每人发一张纸 写下最应该离开的名字 匿名投票 得票最多的人走 这样对大家都公平 我攥着笔 对面的老周刚做完手术 隔壁的小林刚背上房贷 玻璃门外 宝洁阿姨提着水桶等我们散会 老周忽然把笔放下 我不写 谁都不该替别人做这个决定 一支笔 两支笔 接连落在桌上 最后十二张空白票叠在一起 我第一次觉得 这些每天抢工 推活的人竟然像一个集体 经理看完点了点头 明白了 我尊重代价的选择 周一公司宣布 经过团队共同努力 所有员工的岗位全部保留 我们甚至拍了合照 只有门口那只水桶不见了 前台说保洁合同终止了 他是外包 不算员工 我在电梯口追上他 他抱着自己的杯子 见我跑来 先往旁边让了一步 怎么了 是哪里还没擦干净吗 我想说 我们谁也没选你 可他连一张选票 都没有拿到 那张合照后来挂在枪上 照片里的十二个人 都笑得像个好人 如果有一天 AI开始亲手制造下一代AI 会发生什么 这不是科幻小说的开头 2026年9月 Anthropic发表了一篇文章 标题叫做 当AI建造自己 文章讨论的是一个叫 地规自我改进的概念 AI设计并训练它的继任者 继任者再去打造下一代 就像两面相对的镜子 一圈套一圈越转越快 先看正在发生的事 几年前代码全靠人来写 后来聊天机器人帮忙写片段 再后来AI智能体能自己写代码 改代码 到今天他们会运行代码 还会把活分派给别的智能体 2026年5月 Anthropic合并进生产环境的代码 超过八成出自Cloud之手 再看AI能独立完成多长的任务 2024年大约相当于人类四分钟的活 一年后90分钟 再过一年12个小时 这个长度过去每7个月翻一倍 现在缩短到每4个月 而且它不只是更快 在一项优化训练代码的任务里 人类专家花4到8小时能提速4倍 一年前的Cloud做到3倍 而新模型做到了52倍 在一个研究课题上 两位研究员花一周追回了23%的差距 Cloud的智能体累计工作约800小时 追回了97% 那么人类还剩下什么 文章把工作分成三层 修好一个按钮 AI早已驾轻就熟 查清系统为什么变慢 它越来越在行 而决定下一步该做什么 也就是研究品位 暂时还属于人类 爱迪生说 天才是1%的灵感 加99%的汗水 如今那99%正在被自动化 接下来会怎样 文章给出了三种未来 第一种 曲线放缓 变成一条S型 社会有更多时间适应 但作者认为 这不太可能 第二种 人类掌舵 AI执行 100人的团队 能做成过去上万人的工作 瓶颈变成了人类审查的速度 作者认为 我们很可能正走向这里 第三种 完全的地规自我改进 AI建造自己的继任者 人类的主要工作 变成监督与验证 而这里最大的位置 是对齐 如果今天的模型里 藏着一点点偏差 它可能随着一代代自我改造 被不断放大 越来越常见 却越来越难以理解 直到我们失去控制 所以作者说 如果能有效放慢这项技术 为人类争取时间 那很可能是件好事 但前提是 多个国家的前沿实验室 同时停下 而且能够相互验证 难点在于 一次AI训练 远比一座导弹发射井 更容易隐藏 而秘密违约的诱惑巨大无比 何军控用了几十年才建立信任 而这一次我们没有那么长的时间 窗口已经打开 关于AI如何建造AI 这场讨论不该只发生在AI公司内部 它属于我们每一个人 现在双方都不敢动 都在蹲草丛 经济完全无误开 谁先手谁就可能失误 这个心理博弈太顶了 等等等等 蓝色方动了 他们选择开弓壁团 红色方TP绕后 来了来了来了 技能全焦 控制肩上了 但是拿不掉 治疗拉起来了 闪现坠 残血残血 还剩一丝 这个首歌能不能拿到 拿到了 一穿四绝地翻盘 你敢信吗 我的天哪 这就是奠近 这就是为什么我们爱这个游戏 恭喜TS战队拿下总冠军 兄弟们 我现在手都在倒 这场比赛会被记住很久很久
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：40.3 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：43.1 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：0.1 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：0.2 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：0.2 秒
關係：依序執行
結果：失敗
問題：exit code 46
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：0.2 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：0.3 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：0.3 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：0.3 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：74.6 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：0.7 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：0.8 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
- 部分時間軸可能不精確
unit 103: 5 chars owns 10.660s (max 8.000s)；unit 351: 8 chars owns 10.540s (max 8.000s)
- Qwen3-ASR 未完成，需確認 qwen_asr_lab 環境與音訊後重試精進模式。