工作清單

逐字稿文字預覽

60秒重啟。逃生遊戲。尼火城。最後一單。模仿GTA的風格。有夜晚的變化。有行人。有碰刷。逐步顯現的地圖。畫面顯示非常細緻。世界風格的遊戲。而且還有敵人在追趕。一個模擬機械臂界面。交通統計軟件。時間專注艙。經典的貪吃射遊戲。非常絢麗的一個彈球遊戲。剛才的這些小demo。雖然還不盡完美。但是呢,我要和大家交流的。確實在這些演示項目下。暈藏著我。
最近的兩個突破。第一個是常任務的突破。第二個是token速度的成倍提升。首先先說一下這個。速度提升。速度提升。給大家說一下具體數據。注意是中位數。在目前的我。M5 Pro64G的設備條件下。1027B稠密模型可以達到均速27磁元每秒。而35B A3B這個模型。可以達到54磁元每秒。處於高速運行的狀態下。那27B和35B這兩個模型還會成倍的提升。大約可以到50到100左右。
在這個之前。我所有所有的測試裏面。一般最多也就達到230。那是非常高的。而27B可能基本都過不了10位數。那到底為什麼會有如此大的提升呢?
那麼這是等於。Splash Engine這個最新推出的。基於蘋果芯片進行優化的引擎。它對。千萬3.635B和千萬3.827B這兩個模型做了特殊的優化。並且。結合目前已經比較成熟的D Flash II。啊。加速方案。進行整合。那麼得到最前的效果。所有的這些項目。全部。我是一次提示詞。完成的。
我們現在。我們現在。我們現在。我們現在。我們現在。我們現在。我們現在。我們現在。我們。
先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。
我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們
我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們
我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們
我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們
我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們
我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們
我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們
先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先
我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們
我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來。我們先來我們先

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/rtY5yQf --language zh --auto-source-subtitles

   來源：https://b23.tv/rtY5yQf

   辨識語言：zh ｜ 參數：--language zh --auto-source-subtitles

2. 預期流程

   依指令產生的處理順序：

   1. 自動字幕優先，Whisper 作為備援
   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：45.7 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：42.1 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：0.1 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：0.2 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：0.2 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：0.2 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：0.3 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：0.3 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：0.3 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：73.2 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：0.3 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：0.4 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JSON10,587 / 43,006 bytes
• transcript.whisper.srt下載11,122 bytes
• transcript.whisper.tsv下載10,811 bytes
• transcript.whisper.txt下載10,587 bytes
• transcript.whisper.vtt下載10,995 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 10,587 / 43,006 bytes
• 校正後 transcript.json 純文字 JSON 10,587 / 43,006 bytes

目前待解決問題與初步改善方向

• 逐字稿來源選擇未完全通過，仍先生成筆記待修正

  no_trustworthy_transcript_source；原始逐字稿保留；請進入精進模式確認來源。

• 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

• 逐字稿品質檢核未完全通過待修正

  {'stage': 'canonical_transcript_quality', 'action': 'published_with_warning', 'signals': ['transcript_selection_not_resolved']}

• Qwen3-ASR 未完成，需確認 qwen_asr_lab 環境與音訊後重試精進模式。