工作清單｜纯CPU也能跑的实时多语种字幕

逐字稿文字預覽

外放声音,离线出字幕。
只用一个通用模型,实时字幕可能不够准,还得兼顾出字速度。
先判断语言,再交给对应模型。
边说边出临时字幕,停下才订稿。
在Windows上,这两条命令分别抓电脑播放声,或把它和麦克风混合。
再用这条命令开服务,就能在浏览器里看字幕。
这是它的仪表盘,英文转写和字幕历史,都能直接看到。
同批真实日语广播,其字符错误率3.
8%,对比模型是13.
8%。
日语停说后,正式字幕典型约100毫秒出现,限制常驻模型时,内存不到2GB。
近30天提交超100次。
关注我,项目链接见评论区。

來源：transcript.txt

本次執行流程與問題處理

下達指令
指令：videonote https://b23.tv/nZDGTEB --language zh --multilingual-hint

來源：https://b23.tv/nZDGTEB

辨識語言：zh ｜參數：--language zh --multilingual-hint
預期流程
依指令產生的處理順序：
1. 下載與語音辨識
2. 多語內容處理
3. 來源選擇與品質檢查
4. 文字校正與句子單元
5. 筆記與發布
6. 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：15.2 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：9.7 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：0.8 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：0.8 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：0.8 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：0.9 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：0.9 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：0.9 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：0.9 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：54.7 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：0.8 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

subtitle_acquisition.json 下載140 bytes

Whisper 字幕

transcript.whisper.json 純文字 JSON648 / 3,392 bytes
transcript.whisper.srt 下載714 bytes
transcript.whisper.tsv 下載683 bytes
transcript.whisper.txt 下載648 bytes
transcript.whisper.vtt 下載706 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 648 / 3,392 bytes
校正後 transcript.presegmentation_corrected.json 純文字 JSON 650 / 8,570 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=0 已先套用暫定修正：外放声音,离线出字幕。只用一个通用模型,实时字幕可能不够准,还得兼顾出字速度。早尔先判断语言,再交给对应模型。边说边出临时字幕,停下才订稿。在Windows上,这两条命令分别抓电脑播放声,或把它和麦克风混合。再用这条命令开服务,就能在浏览器里看字幕。 → 外放声音,离线出字幕。只用一个通用模型,实时字幕可能不够准,还得兼顾出字速度。先判断语言,再交给对应模型。边说边出临时字幕,停下才订稿。在Windows上,这两条命令分别抓电脑播放声,或把它和麦克风混合。再用这条命令开服务,就能在浏览器里看字幕。；segment=1 已先套用暫定修正：这是它的仪表盘,英文转写和字幕历史,都能直接看到。同批真实日语广播,早尔字符错误率3.8%,对比模型是13.8%。日语停说后,正式字幕典型约100毫秒出现,限制常注模型时,内存不到2GB。近30天提交超100次。关注我,项目链接见评论区。 → 这是它的仪表盘,英文转写和字幕历史,都能直接看到。同批真实日语广播,其字符错误率3.8%,对比模型是13.8%。日语停说后,正式字幕典型约100毫秒出现,限制常驻模型时,内存不到2GB。近30天提交超100次。关注我,项目链接见评论区。；segment=1 待確認：「常注模型」語意不通，結合上下文「内存不到2GB」及技術背景，應為「常驻模型」（resident model）或「常驻内存模型」。；暫定：这是它的仪表盘,英文转写和字幕历史,都能直接看到。同批真实日语广播,其字符错误率3.8%,对比模型是13.8%。日语停说后,正式字幕典型约100毫秒出现,限制常驻模型时,内存不到2GB。近30天提交超100次。关注我,项目链接见评论区。
逐字稿可先使用，但有待校正清單待修正
segment=1 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