Video wird geladen...

Video konnte nicht geladen werden

Zur Startseite

GPT-6 Astra 直接操作電腦,完成的剪輯,一次稿。 我錄了八分鐘,剪掉重複的、停頓的、說錯的,最後保留了七分鐘。 最大程度上保留了語氣,甚至聽不出有剪輯。 這還是剪輯的初稿,還沒細節打磨,還沒給它更詳細的指令,只是讓它剪一下,就有這樣的水準。 甚至,它還自動加上了字幕,雖然很多專業術語,但字幕都沒什麼錯別字。 這太誇張了……

23,323 Aufrufe • vor 3 Tagen •via X (Twitter)

0 Kommentare

Keine Kommentare verfügbar

Kommentare vom Original-Post werden hier angezeigt

Ähnliche Videos

Google 發表了號稱自家最精準的語音轉文字模型,我們拿一段台灣華語丟進去,轉出來零個繁體字。 這個模型叫 Gemini 3.5 Transcribe,8 月 26 日發表,目前是公開預覽。官方數字是字錯率(WER)非串流 2.6%、串流 4.0%,支援超過 85 種語言,串流時從講完話到拿出最終結果的等待時間比前一代 Chirp 3 少 70%。準確率由 Artificial Analysis 測量,Google 發布。 那是 Artificial Analysis 用約八小時、三個資料集加權跑出來的成績,非串流那項在他們的榜上排第五。Google 的說法也只是自家最精準,沒有宣稱業界第一。真正的問題不在準不準,在於它做不到的時候,你怎麼會知道。 官方語言清單裡,中文只有兩格 翻開 Gemini API 的支援語言表,八十幾種語言裡,跟中文有關的只有兩個。一個是 yue-Hant-HK,香港繁體粵語。一個是 cmn-Hans-CN,簡體普通話。台灣華語沒有自己的一列。 實測下來,不指定語言、讓它自動偵測時,75 秒的台灣華語轉出來全部是簡體字,繁體字零個。 但只要在參數裡填上台灣,它就給你完整的繁體,連「優化」都會自動改寫成台灣慣用的「最佳化」。台灣華語雖然首發暫時沒有列在清單上,實測它其實是認得的。能力一直都在,只是預設值不在。 這個寫法也不冷門。Google 另一個語音產品 Live Translate 的官方語言表就列著 Chinese (Traditional),用的正是 zh-Hant,繁中版文件譯作「繁體中文(台灣)」。同一批語音模型、同一個寫法,隔壁產品的文件列了,轉錄這條線沒有。 第一件事,你指定的語言開了進階功能就消失 做訪談逐字稿的人通常需要兩樣東西,一是每個字出現在第幾秒,二是分辨誰在說話。這兩個都要另外打開參數。 同一段音檔跑四種設定,各兩輪,結果完全一致。只指定語言時是繁體,繁 62 簡 0。加上語者辨識,變成簡體,繁 0 簡 62。加上詞級時間戳,一樣是簡體。兩個都開,還是簡體。 只要開了其中一個,繁體就退回簡體,專有名詞也跟著一起錯。API 沒有回報任何錯誤。 這裡要補一個前提。zh-TW 本來就不在官方支援語言表上,而官方把 language_codes 定位成改善辨識的提示,不是硬性設定。所以嚴格說,它沒有違反任何承諾。問題在於同一個提示,純轉錄時足以讓它整段輸出繁體,一開進階功能就不再有效,而文件沒有寫這件事。 第二件事,你要求它一個字都不要改它照樣改 我們的稿子上寫的是「優化」。同一段音檔,另一個轉錄引擎轉回來也是「優化」,Gemini 轉回來是「最佳化」。 接著把模式切成 verbatim 逐字轉錄,明確要求一字不動,跑了四次,四次都是「最佳化」。 單看這一次,它其實改對了。台灣資訊領域本來慣用「最佳化」,「優化」是後來才普及的講法,這兩個詞哪個算台灣用語,網路上吵過好幾輪。從這個角度看,它反而幫你當了一次支語警察。 而且這很可能是設計取向,不是缺陷。這個模型第一批落地的場景是 Gboard 的語音輸入和 Chrome 的語音打字,那些場景要的本來就是把你想講的變成通順的文字,不是逐字記錄。清掉填充詞、接好口誤、換掉用詞,是同一條產品邏輯。 問題只在於它同時提供了一個叫 verbatim 的模式,而那個模式沒有做到名字承諾的事。你不會知道它還改了什麼。至少我們跑的這四次,它交出來的不是逐字稿。 它不會失敗給你看 這兩次它都回報成功,只是安靜地少做一點。而它在智慧轉錄模式下交出來的稿子讀起來非常順。依官方說明,那個模式會清掉填充詞、把講到一半的改口接起來。順到你不會發現它錯了,也不會發現它少了。 九天前,有人剛以 20 億美元估值拿到 2.8 億 8 月 17 日,做語音輸入的 Wispr Flow 完成 B 輪,2.8 億美元、估值 20 億美元,Menlo Ventures 領投,累計募資 3.61 億美元。它跟 Rambler 在語音輸入這個用途上正面重疊,提供免費額度,無限聽寫走付費訂閱。 九天後,Google 發表這個模型,並公布它已經用在 Gboard 鍵盤的 Rambler 功能上,也說很快會進 Chrome 瀏覽器。Rambler 內建在鍵盤裡,官方沒有列出額外費用,但限 Pixel 11 系列、有用量限制,Chrome 版則還沒推出。 而 Rambler 官方列出的支援語言是阿拉伯文、英文、法文、德文、印地文與其他支援的印度語言、義大利文、日文、韓文、葡萄牙文、俄文、西班牙文。中文一個字都沒有。 我們自己的決定是換一半 訪談逐字稿換過去,因為在我們這批測試裡,它在人稱代名詞與專有名詞上比較準,省下的校對時間划算。字幕的逐字對齊留在原本的工具,因為能拿到繁體的那個設定,一開時間戳就失效。 如果你也在用語音轉文字工具,值得花五分鐘確認兩件事。它有沒有偷偷幫你改字,以及它回報成功的時候,是不是真的做完了。 📱 請訂閱我的「狐說八道」YouTube 頻道 #Gemini #語音辨識 #台灣

fox hsiao

17,495 Aufrufe • vor 12 Tagen

[Vibe Coding 實戰演示] 昨天看到wei神公佈Read only的API就想說來玩一下Vibe Coding,寫出了一個過去wei神的歷史交易數據紀錄平台,平台記錄著wei神過去交易資訊,然後搭配Chart的K棒來做交易Mark參考,記錄一下整個Vibe過程,順便教學一下我都怎麼 Vibe Coding 一些想法。 我沒有把平台部屬起來,直接開源放到了Github上面,所有歷史交易數據包含order還有trade還有帳戶history的csv資料也都放到雲端開放大家下載,留言都有連結。 整個Vibe過程大概花了半天,中間經歷了使用Gemini 3還有Opus 4.5,大致過程如下: 1⃣一開始使用Antigravity+Gemini3,我直接把wei神的貼文複製貼上去並加了這個prompt "這是一個交易員公開了他的read only api,請幫我分析內文這是哪一家cex的api並且把他過去的歷史交易資訊全部抓下來存成csv" 接著他直接分析內文認為是bitmex的api,但他還是寫了一個script測試是幣安還是bitmex,確認是bitmex後就寫出了一個抓取data的script去把歷史trade的數據給抓了回來。 2⃣資料抓完之後我下了這個prompt "請幫我利用抓取下來的trade history建立一個dashboard,包含了所有資訊,並且加入Chart來顯示交易的紀錄" 然後就一步步生出了一版非常陽春的版本,上面有歷史K棒擠了一大堆的BUY & SELL,然後下面顯示所有的交易Table。 這邊提一下,中間會出現一些error,Antigravity很炫,可以在瀏覽器安裝一個extension,他會直接去操作網站並截圖error直接分析debug,但我這邊非常不建議讓他這麼做,精準度太差,建議一律手動複製網站上的error log貼上去當prompt 做debug。 3⃣因為抓下來的Trade log並不是倉位歷史的資訊,基本上只有buy 跟sell,而且同一個order會拆成很多的buy呈現在圖表上整個超亂的,我想做的應該是分析wei神每一個倉位歷史開單邏輯跟關單邏輯,如果不把trade整合成倉位歷史根本沒辦法看,所以我就下了這個prompt。 "有辦法把這csv做成類似倉位歷史嗎? 就是每一個開單還有這個開單pnl多少那種? 還是bitmax可以fetch這種api? 因為目前的trade log是每一次的交易(有可能是同一個order但分不同trade成交),不是同一個order跟position,想要做成那種倉位歷史的概念,請幫我做看看?" 結果他使用了FIFO (先進先出 First In, First Out)的方法來幫我整理CSV並新增了一個Position的Page,但這問題就來了,我看了一下整理出來的倉位歷史一定是錯的而且超亂,之後不論我怎麼問Gemini 3 一直鬼打牆在處理csv,結果也都一直是錯的。 4⃣ 剛好 Claude Opus 4.5 釋出,想說試試看,我就切換到Cursor + Opus 4.5,下了這個prompt (其實就是閒聊) "這是我之前設計的一個平台,有一個很厲害的交易員提供 READ ONLY的API, 讓使用者可以抓他Bitmex這家交易所的歷史交易資訊, 我之前有寫一個script把trade log都抓成 bitmex_trades csv這個檔案 不過我發現這是trade log, 每一筆trade都會記錄, 但並不是倉位歷史, bitmex有api抓倉位歷史嗎? 還是說要用這個csv去計算倉位歷史,bitmex 除了trade history以外有沒有什麼api可以抓取更多information讓這個平台更好的? 然後這個平台目前有display 每一筆交易的 chart, 我是希望可以變成倉位歷史, 然後點倉位後就可以顯示那一次的倉位操作來做學習" 神奇的來了,Opus直接去翻bitmex的api doc,抓取了wallet/order/execution history,然後直接把我卡了很久的問題全部解決了,他直接利用了order還有execution算出了比較精確的倉位歷史,甚至還幫我加了首頁的Overview Page。 5⃣ 接下來就是一些前端的修飾,我直接回到Gemini請他幫我調整CSS跟介面讓介面看起來更專業一些,還有更新Chart使用類似TradingView的畫面。 最後還是感謝 paulwei 提供實盤紀錄供別人學習,確實是我看過第一個這樣公開敢把實盤 API 直接丟出來,讓大家無死角檢視並學習每一筆進出單細節的交易員。 而這就是 Vibe Coding 的魅力,半天時間就能把一個單純的 idea 落地成實用的分析工具,整個過程基本上你也不需要懂程式。 最後希望這篇實戰紀錄能給大家一點啟發,都一起 Vibe 起來吧!

0xFunky

185,259 Aufrufe • vor 9 Monaten