逐字稿文字預覽
7个礼拜,3个AI代理人每一个都想成为你的人生必需品 8月11号,XAI推出了Grabble 我还专门出了一批视频来讲Grabble 它基本上是拥有一个自己的云端电脑 有自己的浏览器,有自己的terminal 还有自己的fire system 它是24小时为你工作的 9月8号,Meta又追出了Muse 当时完全免费,1亿个token随便你烧 那之后整个网络上都是关于Muse的信息 Muse帮你购物啦 Muse帮你整理信息 Muse帮你去发Facebook Market的信息 帮你去跟进这些信息 Muse帮你谈判 让你赚到钱 有人说Muse是一个更安全的选择 又有人说Muse好像在使用 一些没有经过允许的私人信息 三个礼拜后就是昨天 OpenAI又带着他的DOTS登录了 戴眼镜的可爱的小人 乍看一下 真的是跟Grabout的小人很像 就感觉是Grabout戴了眼镜 然后是Q 三月份的时候就已经上线了 还有更早的Cloud Cowork 五家公司五个agent 他们之前的产品定位是什么 有什么pro和com 到底应该怎么选择 我们就来走进这个agent百花齐放的世界 OK我们现在来具体来讲一下 每一个不一样的AI agent 所以我们呢这次会有讲到 OpenAI Dots Grabbox 是X的 然后Meta的Muse Q和Cowork 我们首先来讲一下它各个AI之间 它不同的角色定位 首先呢 OpenAI的DOTS 它是一个中央条度的枢纽 它具有的功能就是 它可以有跨对话的记忆 所以如果你在不同的对话 光中的记忆 它都可以被记住 而且可以去做到长效的搜索 它能够彻底解决聊天记录 手动归类到文件夹中间的 一些混乱的状态 所以我觉得它比较能去使用的是一些 比如说在公司层面 你有不同的人会打开不同的对话框 来去做对话的时候 那这个就比较好用 Grabout呢它是X的 如果你对Grabout感兴趣 我也有一个视频来专门去讲Grabout 它的主要作用就是一些多代理的协作 也就是说在使用Grabout的时候 你会给到不同的agent 不同的功能 会允许一些子代理都在一起加入群聊 让他们自己协调工作 那在这个过程中间 其实我们会习惯的做法是 给Grabot去建一个CEO Bar 让这个CEO Bar去领导他下面的别的agent 一起帮你工作 所以这是他的一个特点 Muse呢 我觉得是这五个中间唯一一个 他特别强调说 我是你的个人生活管理专家 所以他的所有功能都是在为日常生活 去做规划的 比如说旅游网站的订阅 跨平台 商品价格的对比 然后呢 去帮你去结一些个人的消费 然后订机票 酒店等等等等 这个是Muse它主打的一个功能 Q 可能听到的人不是很多 但是呢 我觉得Q 它不管是从它的功能定位来讲 或者是它的 从它的设计来讲 它真的就像是前面 这三个的foundation 你有兴趣可以自己搜一下Q它的这个标志 都甚至跟Meta,Grabart和Dots这个标志 一起同工之妙 但是Q是比它们都早出现的 那Q的一个特点呢 就是它有一个虚拟的独立身份 什么意思呢 就是它会有一个虚拟的电话号码 虚拟的电子邮件,虚拟的支付卡 这样子它在做所有的过程中间 它都会使用自己虚拟的这套工具 就可以保证你自己真实的个人身份 不会去泄露 Cowork它是你工作的Cowork 所以它很多都是在工作中间 要去做slides呀 要去做文档处理呀 那这个部分Cowork就会比较强一点 所以它对自己定位就是工作区的伙伴 好我们来看一下 现在就这个AI层出不穷啊 你可以看到很多 我们来看这个是ChatchPT的 就是OpenAI的 这个是X的 这个是Meta Instagram Facebook 这个是Cue 这个是Cowork 那么行业来讲 它会有什么特点呢 虽然说很多人在 已经在用Cloud Code 或者是Codex 那对于让Agent 帮你去做些实事 好像已经不陌生了 但是大部分的人 可能用AI 还是在用对话 这个方式 那现在对 这个大趋势来讲 AI就真的从大趋势上 从对话 慢慢的进入到了一个 自主执行引擎 这样的过程中间 所以第一个就是慢慢的会从对话去转向一些端 to端 就是end to end的一些交付 帮你去做一些实施 第二个呢就是协作框架 第三个呢就是未来的选择 可能现在这个市场正在看 我到底是应该用一个单一的全模型来去做所有的工作呢 还是说我每一个部分就会有一个 一个dedicated一个agent 然后来去帮你去做工作 就是更模块化 好 这个部分呢 我们再讲各种模型能力 我把这里分成了这样几个模型 企业外挂的整合 深度文件推理 24小时运作 安全隔离 电商支付和多代理的协作 你可以看到 其实每个agent在这个方面 都是可以做到的 只是他们在去做自己能力调配的时候 有强有弱 应该怎么说 他们对于自己的定位 决定了他在对不同能力强弱上面 去做的调配 好订阅方式 这样是这样看的 这个灰色部分呢是初阶 然后这个中阶这个是高阶 可以看到唯一一个很特别的 就是Muse它是 初阶阶段是没有钱的 所以在这三个月中间 Muse真的是霸榜单 原因之首 可能我自己觉得啊 就是因为它是免费的 那OpenAI因为前几天刚刚出来 所以呢OpenAI它现在的 Entre的费用是100块 我觉得之后这个价格可能会往下降 就像Grabbar一样 那目前为止 Grabbar Q和Cloud Code的entry level还是差不多的 然后呢 我觉得它的max level 不知道什么人在用啊 如果我已经要在用他们的max level的时候 我可能我已经是一个Cloud Code和Codex的用户 而不是这些agent的用户了 个人语解 大家可以有自己的想法 可以在下面告诉我 好 那么这一些呢 就是不同的价位 好 具体的工作流和使用场景 那在这里我把使用场景分成了代码 24小时工作 深度的网络自己抓取数据 电商然后简报和反爬虫 首先我们来看一下第一个代码 代码的话 OpenAI的当然就它自有codex 就是经由codex Cloud Code是完全支持的 Muse是完全不支持的 很正常 我做personal life 我还要干嘛写代码呢 是不是 Q只有web端 那Cowork它是中等支持 四小时的工作 基本上所有都支持除了Cowork Cowork还是会有Session的限制的 深度的网络数据的抓取 那OpenAI和Bob它都是能够去做 就像我之前说到的 他们都有自己一个虚拟的服务器 所以它可以通过自己虚拟服务器来打开 GrabBob它有自己虚拟的 那个网页浏览器 所以就算有一些web 它是没有API的 它也可以通过自己的虚拟的browser把它打开 然后做自主阅读 那Q是目前为止 业界最佳 Muse它有一些限制 然后呢ClockerWare只能做一些基本的搜索 ClockerWare也可以在像Chrome这样的浏览器中间去做一个插件 做完插件之后呢 它也可以去做到抓取网络 电商 那么电商你可以看到 这两个是比较就是standing out 像Muse它可以连接到shoppay 然后呢 Q它有一个专属的虚拟卡 可以去做支付 简报 简报部分 OpenAI因为它有ChatGPT 可以一起工作 Crowbar呢 只能做纯文字的一个markdown file Muse可以做一些基础的摘要 那Q呢可以做HTML PDF 如果是Cowork 因为它本来就是为工作来去做设置的 它可以做到Cloud的slides 反爬虫 如果碰到反爬虫 或是验证码失败的时候呢 OpenAI的Dots会直接触发审核暂停 然后呢 Crowbar在这个时候可以启动人工接管 也就是说不要让机器做了 我来做吧 我来输入这些sensitive的 比较一些敏感的个人信息 或者是密码等等 Muse呢是经常就会被拦截了 这个也是Muse的一个com吧 就是它的一个不足之处 然后Cute它会隐蔽代理服务器 然后呢Clockover也是经常会被拦截 好我们来看一下这个Reddit上面 他们一些真实的讨论 真实对于这些agent的一些声音是怎么说的 我们来看一下 还挺有意思的 首先OpenAI 那它最最特 最最大的特点 就是跨对话 上下文检索就会很好 而且它可以跨对话的 去调取相关的内容 一些多应用企业级的协调能力 就会比较强 目前为止价格就比较贵 然后下一个是Grabba Grabba呢 祖群聊天 不同的agent之间相互聊天 这个是非常强的 但是它的缺点就是 因为你长时间 不同的agent之间工作 可能会陷入一些死循环 因为这个死循环而产生不必要的一些费用 Muse一个优点 不要付钱不要付钱不要付钱 特别好 它是零元免费版 而且它整合了ShopPay 非常的便利 但是它有一个缺点是 功能都有了 可是它经常会被第三方反爬虫的软件给拦截住 那就没有办法执行应该执行的工作 Q优点非常非常明显 它有所有独立的电话 Email和支付卡 然后自主网页那个抓取能力是顶尖的 所以非常的安全 但是呢 它的缺点就是 它在困难网页上面 消耗的点数可能就会比较快 而且在尖峰时段 它排队时间就比较长 所以它会花的一些时间会更长一些 接下来是Cowork Cowork当然了 在文件综合能力 Resonning上面是真的挺强的 然后呢 它也不需要第三方API的封装 这是它的优点 但是它的缺点呢 是因为它是跟Cloud和Cloud Code 共用一个配度池 所以它很快就会用完 如果你是Cloud的重度用户 你可能就会选它到Max 就是100块钱那个版本 最后我们来讲一下 你怎么样去选择呢 我觉得你如果听完上面的 你大概已经有感觉 我应该怎么选了 那么就是如果你已经在用Cloud 如果你已经在用Codex ChatGPT 那么你用Dots 同一个家里的感觉比较合适 Grabble Grabble呢 它可以有不同代理之间相互工作 你只需要跟一个总代理去沟通 然后他会推进其他工作 而且因为Grabout它是X下面的 如果你对于X要去搜索X相关的资料 你中毒依赖X的话 那Grabout会是一个好的选择 Muse非常明确了 如果你的重点是在个人家庭生活 想要去做买东西预定等等 那么Muse会是一个更好的选择 Q呢 独立的虚拟身份 如果你对自己这个隐私啊 特别特别在意 那么你就可以用Q这个方面会比较好 因为他自己有自己独立的虚拟化电话 Email和支付卡片 如果你是工作的话 那么Cowork会更适合你 以上就是我所有的分享啦 如果你有任何想法意见 或者是不同的看法的话 请在留言区告诉我吧
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：952.5 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：25.9 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：0.9 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：1.0 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：1.0 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：0.0 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：0.1 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：0.1 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：0.1 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：72.7 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
- 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
- Qwen3-ASR 未完成，需確認 qwen_asr_lab 環境與音訊後重試精進模式。