逐字稿文字預覽
嗨,你好。 如果你覺得一個AI不夠你用的,你又討厭在幾個AI之間複製粘貼。 如果你希望它們能自己溝通,然後和你在同一個空間裡面工作,那請你看下去。 幾個月之前,我給自己做了這個軟件,它叫Toda。 按照圓桌騎士的思路設計,它把人和AI當成同一個項目組的成員。 接下來,我用5分鐘的時間來介紹一下它的功能。 現在你看到的是它的主介面。 我在和它討論一些關於青頭的問題。 這個項目是我們隨便聊聊的項目。 這樣的圖標代表我從手機上發來的這條消息。 這個項目裡面,我可以用畫圖的方式和AI溝通。 這個白板是用Excalidraw做的。 人類和AI都可以在這個白板上繪圖，然後插入到聊天窗口裡。 這是Wallet,它會總結你近期的項目進度。 你可以選擇只看某一個agent的消息。 也可以看整個房間裡所有agent的消息。 這是Luffinman,它記錄你從手機上發來的消息。 這是BBS。 它可以跨項目的讓agent和人類一起溝通一些事情。 agent和人類都可以在這裡回覆和發帖。 稍後我們會介紹這個Button的卡片。 現在看一下設置頁面。 這是你的agent模板。 你可以刪除或者添加它。 這是你自己。 你可以更改頭像以及agent如何稱呼你。 對了,這裡有一個捉夢機制。 我們後面會介紹。 我們來看一個agent模板。 在這裡你可以控制它由哪個供應商提供。 你可以控制它激活哪些skills。 你可以控制它的默認系統提示詞。 目前我們支持這些provider。 這是Mati。 它是一個智能的命令行程序。 你可以用自然語言輸入。 比如我想知道我有多少個文件在下載文件夾裡。 中文也可以。 好,它現在告訴我了。 你可以同時打開多個智能終端。 這是給人類用的。 好,我們回到Page。 這是Wallet。 它負責總結項目的進度。 這是Amber。 它可以提供定時。 你可以在某個agent空閒的時候或者在指定的時間發送提示詞。 你還可以重複發送定時，每周每個月的某幾天。 當然這是給人類用的。 你也可以讓agent使用這個功能來定時。 這是BBS。 我們剛才介紹過的。 這是笑臉男。 它可以錄有你手機上的消息到你的項目組。 這是傀儡師。 我們還沒做。 這是Button的用來處理agent編輯文件的衝突。 這是規則。 你可以設置全局規則或者只在某些條件下啟用的規則。 你可以添加或者刪除。 Agent也可以添加或者刪除這些規則。 這是技能。 你可以上傳自己的技能。 這是一些必要的Page。 它會告訴你。 硬盤占用。 終端的狀態。 Docker連結。 這是你存檔的文件。 現在我們回到項目。 重置一下計時器。 這是一個真實的項目。 它現在有8個agent。 你可以在這裡控制我所說的那些系統agent。 這是圓桌。 他們的提示詞是可以調整的。 在項目裡你可以重新配置這些agent。 系統提示詞。 模型。 和技能。 你可以調整他們的提示詞。 現在我們把這個agent刪掉。 它是Google的Gemini。 騰出一個位置來。 我們增加一個Pi。 Pi是一個輕量級的agent。 它可以支持不同的模型。 它可以支持不同的模型。 現在它的終端已經啟動了。 它的終端支持原生命令。 我們用原生命令可以調整它的模型。 我現在在使用Timi K3。 當然我們也支持Timi的官方CLI。 Timi Code。 讓我把它啟動起來。 這個項目裡。 還有其他的agent。 包括Cloud Code和Codex。 你可以同時使用它們的原生終端或者Codex提供的聊天界面。 和它們對話。 原生終端會支持原生命令。 但是在Codex的對話框裡。 你可以截圖。 發送文件。 或者進行引用。 我用過十幾款不同的agent工具。 Codex是我目前唯一在用的一款工具。 我已經把它免費開源。 下一屏會提供下載地址。 如果你想看它的日常表現。 我會把一個用Codex真實開發的實戰視頻放在評論區。 謝謝你的時間。 請問一下。 請問一下。 請問一下。 請問一下。 請問一下。 請問一下。 請問一下。
本次執行流程與問題處理
下達指令
預期流程
- 自動字幕優先，Whisper 作為備援
- 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：22.5 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：28.7 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：83.7 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：0.9 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
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
segment=6 已先套用暫定修正：這個白板是用Excalade做的。人類和AI都可以在這個白板上繪圖,然後插入到聊天礦裡。 → 這個白板是用Excalidraw做的。人類和AI都可以在這個白板上繪圖，然後插入到聊天窗口裡。；segment=12 已先套用暫定修正：後我們會介紹這個Button的卡片。現在看一下設置頁面。 → 稍後我們會介紹這個Button的卡片。現在看一下設置頁面。；segment=16 已先套用暫定修正：我們來看一個agent模板。在這裡你可以控制它有哪個供應商提供。你可以控制它激活哪些skills。你可以控制它的默認系統提示詞。 → 我們來看一個agent模板。在這裡你可以控制它由哪個供應商提供。你可以控制它激活哪些skills。你可以控制它的默認系統提示詞。；segment=18 已先套用暫定修正：好,它現在告訴我了。你可以同時打開多個智能中段。這是給人類用的。 → 好,它現在告訴我了。你可以同時打開多個智能終端。這是給人類用的。；segment=28 待確認：「TimiK3」可能是「Timi K3」或特定模型版本，需確認具體名稱。若為通用描述，語意通順。；暫定：我現在在使用Timi K3。當然我們也支持Timi的官方CLI。Timi Code。；segment=17 待確認：「Mati」作為工具名稱較不常見，需確認是否為「Mati CLI」或其他名稱。；暫定：目前我們支持這些provider。這是Mati。它是一個智能的命令行程序。你可以用自然語言輸入。比如我想知道我有多少個文件在下載文件夾裡。中文也可以。
- 逐字稿可先使用，但有待校正清單
segment=16 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=83 adjacent_duplicate: 與前一段完全重複，可能是滾動字幕或 ASR 重複；segment=28 rapid_semantic_review: 全文速讀上下文判斷；尚未回聽或交叉比對；segment=17 rapid_semantic_review: 上下文提到「智能的命令行程序」，且為「provider」之一。
- Qwen3-ASR 未完成，需確認 qwen_asr_lab 環境與音訊後重試精進模式。