逐字稿文字預覽
哈喽大家 就等了同传字幕1.0正式版 今天终于和大家见面了 从最初的小工具到现在 Android、Mac还有大家呼声超高的Windows 三个平台这次全都齐了 不管你是睡前抱着手机躺看直播 还是在电脑前边干活边挂着生肉台 伸手 让字母自己跟上 他现在能做什么 平时看日语或者英语的视频和直播 他能实时听声音 出字幕 翻成中文或者你想看的任何语言 列表里自带了中 英 日 韩 其他任何语言 只要你自己填个名字 它就能翻 字幕会像这样浮在画面最上面 随便拖动 改大小 换配色 房屋处 你可以选边听边出 草稿随说随出 一句说完立刻变正式字幕 也可以切成稳稳地说完再出 在手机上 你可以单独选某一个会出声的APP来听 到了电脑上 它直接听整台电脑播放的声音 哪怕关掉主窗口字幕 也照样在 Mac的菜单栏和Windows的右下角拖盘点一下 就能随时开关 隐私方面也完全不用担心 声音指摘你自己的设备本地识别 绝对不会上传 而且语音识别模型 已经直接内置在安装包里 装好就能用 不用另外下载 翻译的时候 也只是把识别出来的纯文字 借口 抵挡 你可以按内容类型 写好背景 数语表 甚至直接点一下让大模型帮你自动生成术语 翻译时它还会自动结合上文语境 不会翻得前言不搭后语 翻译接入的是你自己的大模型API 像Deepstick 建容 计备 啊 会自动释出 关闭模型思考过程的参数来降低延迟 资金一请求头 不需要Key的服务把Key留空就行 另外设置里还提供了一个可选的Javi 在线辅助功能 一文检查 所以平时用起来其实就三步 填好你的大模型API并测试连接允许权限 然后点一下开始字幕 就可以安心看直播了 老朋友可能已经发现了 1.0版本除了加新功能 我还做了几个减法 首先是移除了之前内置的index免费翻译 它是B 占官方提供的接口 用的人一多 不稳定 翻译效果其实也不如其他主流大模型 我后来想明白了一件事 其他提供免费翻译的软件 它们本身是做付费服务的商业软件 对免费功能的可用性 也是有保障义务的 当免费翻译用不了的时候 用户去反馈 指责甚至骂两句 那是商业软件应该受着的 但同传字幕是个开源项目 Index是逼不赚提供的服务 它不稳定的问题 本来不应该反馈到我这里 可只要我把它内置在软件里 大家自然会觉得这是我提供的服务 我就对它有义务 所以我决定把它移除掉 当然 你依然可以通过现有的自定义配置 自主合规地建入从前的index翻译接口 但那是你亲手填上去用的 你会清楚 这是你自己的选择 第二个减法是移除了本机大模型部署 因为这个项目的重心是做好工具本身 也就是模型调用和翻译相关功能的开发优化 而在安卓上面对五花八门的系统 SoC CPU GPU和NPU 让手机连续跑本地模型做实时翻译 本身就是个性能功耗和负载炸弹 ows和Mac上也是一样 不仅要适配各种显卡和统一内存 而且上了桌面端 大家肯定会想要更强的模型 两臂 继续支持这些 会给项目引入大量非必要的开发成本 如果你想在本地部署模型 其实有很多更优秀的专门项目 用它们在电脑上部署好 再通过本地API接入同传字幕 专业的事交给专业的工具 才更符合这个项目的定位 这还带来了一个附带的好处 以前为了照顾国内网络环境 模型下载失配 现在只剩语音识别模型 干脆直接内置进安装包 把下载部分彻底剥离掉 也方便大家通过Titop以外的渠道分享传播 只保留BYOK 你选你信任的服务 你来掌控成本和稳定性 摇完了功能 最后想跟大家说说 做这个项目的初衷 其实特别简单 火雨直播 千万同传 因为看的人太多 突然炸掉了 那天半夜直播结束 越想越上头的我 决定干脆自己动手搓一个 一开始 真的只是打算留着自己用的 直播镜里 看到不少人被迫去买付费翻译软件 收起抱怨 我就想既然自己用着看直播挺好的 不如分享出来给大家一起用吧 两个切片和一个卢播 后来又做了个特别简陋 垃圾的小视频 哈哈即使当时只是想有个能放下载地址 接受大家反馈的地方 没想到 一下子收到了各种各样的反馈和功能诉求 这几天我几乎把所有能想到的功能 开发和三个平台的适配全都干出来了 他有了今天正式和大家见面的1.0 接下来 我还会持续优化他的性能表现 和翻译效果 比如现在 电脑端用的还是和手机端 一样的语音识别模型 手机上是实在没得选 但在桌面端 未来其实还有很大的升级和选择空间 真心感谢这段时间 每一位提出反馈 帮我测试捉虫的朋友 希望这个深夜上头 搓出来的小工具 也能陪你度过 看台夜晚 项目代码和三个平台的安装包都在GitHub上 搜索CMU Subtitle就能找到 如果它也帮到了你 别忘了点赞投币收藏支持一下呀 我们下个版本见 拜拜
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：492.0 秒
關係：依序執行
結果：完成
2. 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：1.0 秒
關係：依序執行
結果：完成
3. 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：1.1 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
- 完整校讀／語意翻譯仍待確認，保留可用逐字稿發布
ValueError('Canonical gate requires review; translation safely withheld')
- 自動摘要未完成
已先發布可跳轉的逐字稿版本；可稍後以現有逐字稿重新產生摘要。；note generator exit=1, timed_out=0
- Qwen3-ASR 未完成，需確認 qwen_asr_lab 環境與音訊後重試精進模式。