4,595 字符
已有真实中文转写，保留原始繁体字与明显识别错误。
Personal tool · Long-form video notes
video-scribe
把长视频从“转成一堆字”推进到“留下可检索、可回看、失败时仍有产物的结构化笔记”。
01 · 起点
看完一小时视频却记不住重点，是这个工具最初要解决的摩擦。只做转写，会把整理重新推回给人；单轮 AI 总结看似流畅，却往往优先保留主干，删掉讲者的判断、对比、反例和踩坑经验。
问题不是“不够精炼”，而是“不知道丢了什么”。因此产品没有继续堆叠一条更长的提示词，而是把长文本处理拆成一组有输入输出合同的步骤。
02 · 当前 v0.7：错字稿怎样变成方法笔记
当前源码把不同输入先变成统一文本，再判断处理路径，最后把原文、中间产物和笔记分别落盘。
- 01 · 输入接收材料URL / 本地媒体 / 文本
- 02 · 提取得到原文yt-dlp · FFmpeg · Whisper
- 03 · 统一建立工作稿中文直用 / 非中文分段翻译
- 04 · 判断分析内容模型建议 + 字符数保护
- 05 · 处理选择路径直通 / 单批 / 分批 / 超长
- 06 · 保存留下产物笔记 · 原稿 · 字幕 · meta.json
转写优先使用 CUDA，失败后改用 CPU；翻译失败则保留原文继续。具体路径选择与失败降级分别列在下方，不在这里重复。
REAL LOCAL REPLAY · 2026.08.27 · V0.7
同一段内容，怎样从错字转写变成可复用方法
这次复用旧任务中的真实中文转写，跳过下载、Whisper 和翻译，只重跑 v0.7 的内容分析、单批零遗漏整理与精炼。
单批流程
内容分析 → 零遗漏整理 → 最终精炼。
49.0 秒
Step 1 为 11.0 秒，Step 2 为 23.2 秒，Step 3 为 14.8 秒。
SAME RERUN · ASR TEXT → ZERO-LOSS DRAFT → METHOD
- 01 · 原始转写片段original_transcript.txt
橫皮對比的最好辦法就是直接讓他們跑大模型推理
這個主要分成兩個階段
預天充和接馬
可以簡單理解為一個是毒一個是血 - 02 · 零遗漏整理零遗漏版.md
横评对比的最好办法，就是直接让他们跑大模型推理。这个主要分成两个阶段：预填充和解码。可以简单理解为一个读、一个写。
- 03 · 方法提炼summary.md · 方法论 / 框架
推理两阶段评估法：预填充（读）测GPU算力，解码（写）测内存带宽，分别衡量“第一个字速度”和“持续输出速度”
三段来自同一次 v0.7 单批重跑，meta.json 记录原始语言为中文、未经翻译。它能证明局部清洗与方法提炼真实发生；但这次复用了既有转写，并非下载—转写—整理的完整端到端重跑。整篇输出仍有字段缺失、评星矛盾和部分可疑纠错，不能据此声称转写准确率或整体内容质量已经通过验收。
03 · 路径判断
v0.7 会在直接精炼、单批、分批和超长四条路径之间选择，并用字符数边界防止模型把过长文本误判为简单任务。作品页只保留这个产品决策，不重复列出全部阈值和合同。
查看四条路径与输入输出合同 →04 · 三个真正改变产品的版本
先跑通 URL → 转写
用 GUI、下载和 Whisper 验证最小链路，而不是先做完整笔记产品。
从单轮总结改成多步精炼
真实使用暴露信息丢失后，把处理拆成题材识别、零遗漏整理和精炼笔记。
从单一管线改成四路径
在文本导入、翻译和本地媒体支持逐步补齐后，再按内容长度与类型分发处理深度。
05 · 失败时也要留下东西
转写会先尝试 CUDA，再降级到 CPU；翻译失败时保留原文继续；后续步骤失败则停在最近一份可打开的产物，而不是只返回一条错误。完整的降级合同留在方法页，作品页只说明它怎样改变了产品可信度。
查看失败合同与适用边界 →06 · 证据与当前边界
17 次尝试
- 14 次成功、3 次失败
- B 站、YouTube 与本地文件
- 代表运行：60,809 字英文访谈，AI 阶段 491.4 秒；仅作为旧版处理规模证据
50 项测试通过
- 仅证明现有测试套件
- 未完整覆盖 Step 0 / 4 / 5
- 不能替代真实运行账本
跑通单批链路，整体仍待验收
- 4,595 字符中文错字稿，未经翻译，AI 阶段 49.0 秒
- 留下原稿、零遗漏版与 summary 三层可检查产物
- Step 1 字段缺失、3 星与 4 星矛盾，因此只作流程样例
当前仍缺：v0.7 四路径的完整真实账本、外部用户反馈，以及旧账本中三次失败的可核原因。
