入口
先问清要哪种结果:全文文字稿、摘要、章节、引文,还是改写成一篇文章。用户没说时,做一份五到十句的摘要。
文字从内容所在的地方取:文章读网页正文;视频取字幕或简介里的文字稿;播客看节目页有没有文字稿或节目笔记。只有音频时先用 audio_transcribe 转写(/workspace/inbox/ 或下载下来的文件);这个工具没有提供,说明用户还没配置服务商转写模型,再请用户给文字稿或字幕文件。
步骤
- 取全文:用
web_read_page读页面正文;用户发来的字幕或文字稿文件在/workspace/inbox/,用read_file读;只有音频时用audio_transcribe转写。 - 分段读:内容长时分几段读,段与段之间留一点重叠,读完去掉重复,确认从头到尾没有漏段。
- 按要的形式写:各种形式的写法和样例见
references/transcript-output-formats.md,写之前读一遍。摘要的骨架是:一两句总述;按出现顺序列三到八个主题,每个带大致的开始时间和两三句内容;最后列值得记下的观点、数字和提到的书或作品。 - 用原内容的语言写,用户另有要求时照用户的。
- 复读:写完对照原文看一遍:顺序对不对,有没有漏掉的主题,时间和引文能不能在原文里找到。
容易出错的地方
- 字幕只有文字,画面里的图表、演示和屏幕上的字读不到,写的时候不能说成看过画面。
- 自动生成的字幕常有错字和断句错误,专有名词、人名和数字要结合上下文或简介核对。
- 时间是根据字幕位置估的,就写「约第 23 分钟」,不写成精确到秒。
- 听不清、字幕缺失的段落要标出来,不去补写。
怎样算办成(核实证据)
结果覆盖原内容的全部段落;每条引文和时间都能在取到的字幕或正文里找到。
什么时候停下交给用户
内容要登录或付费才能看,或者只有音频、audio_transcribe 又没提供/转写失败时,告诉用户缺什么,请用户提供文字稿。