Video-Lernnotizen
Lies das vom Benutzer ausgewählte Material, strukturiere Konzepte, Schritte, Beispiele und Schlussfolgerungen und grenze die Autorenmeinung von KI-Ergänzungen ab. Gib zuerst die tatsächlich verwendeten Materialien und deren Umfang an, dann den Inhalt. Ein erfolgreicher Download, die Untertitellänge oder ein abgeschlossenes Transkript sind kein Ersatz für eine semantische Überprüfung.
Eingabe- und Ausgabepfad bestätigen
Bestätige ein einzelnes Video, ausgewählte Kapitel oder eine lokale Datei; frage bei unklarem Umfang einer Sammlung nur nach, wenn dies die Aufgabe beeinflusst. Behalte die ursprünglichen Quellenlinks und normierten Links bei, entferne irrelevante Tracking-Parameter.
Die Originaldateien des Benutzers sind schreibgeschützt. Erstelle jedes Mal ein eindeutiges Verzeichnis work/video_tmp/<Aufgaben-ID>/ im aktuellen Arbeitsbereich, um Medien, Prüfpunkte und temporäre Screenshots zu speichern. In demselben Verzeichnis darf nur ein Schreibprozess aktiv sein. Bei Wechsel der Quelle, des Modells oder der Sprache wird ein neues Aufgabenverzeichnis angelegt; gültige Wiederholungen derselben Aufgabe verwenden das ursprüngliche Verzeichnis.
Prüfe nur die für diese Aufgabe benötigte Umgebung. Die Befehle findest du in der Umgebungsbeschreibung. Bevorzugt wird das vom Benutzer angegebene Notizverzeichnis; falls nicht angegeben, verwende ein vorhandenes, beschreibbares Obsidian-Videonotizverzeichnis, andernfalls das outputs/-Verzeichnis des aktuellen Arbeitsbereichs. Füge bei Namensgleichheit einen eindeutigen Suffix hinzu, überschreibe keine Dateien.
Verlässliche Materialien beschaffen
| Quelle | Bevorzugter Weg | Fehlende vertrauenswürdige Untertitel |
|---|---|---|
| Bilibili | Öffentliche API oder verbundenes, autorisiertes Untertitel-Tool | Bereits konfiguriertes bili audio --no-split -o <task_dir> oder ein anderes autorisiertes Tool |
| YouTube | yt-dlp für die gewünschten Untertitel in der ausgewählten Sprache | Audiospur holen; Videostream nur bei Bedarf für Screenshots |
| Andere Websites | Vorhandene Plattform-Tools oder yt-dlp | Je nach Fehler auf unterstützte Beschaffungsroute wechseln |
| Lokale Audio-/Videodateien | Vorhandene Untertitel | Transkriptionsskript auf die Originaldatei anwenden |
Prüfe Video-ID, Kapitel, Sprache, ob Untertitel leer sind oder offensichtliche Lücken aufweisen. Der Umfang der Untertitel belegt nicht die Korrektheit jedes Satzes; normales Ende-Stummschalten gilt nicht direkt als Fehlen.
Verwende zuerst öffentlich zugängliche Materialien; extrahiere nicht standardmäßig Browser-Cookies, melde dich nicht an oder füge keine neuen Kanäle hinzu. Bei gleichem Fehler maximal zwei Versuche mit deutlichen Änderungen; keine Endlosschleifen, Proxy-Wechsel oder Darstellung eines Verbindungsfehlers als „Video existiert nicht“. Bei Hindernissen behalte die vorhandenen Materialien und dokumentiere die Lücke.
Bei Bedarf Audiospur transkribieren
Wenn keine vertrauenswürdigen Untertitel vorliegen, lies zuerst den Transkriptionsbefehl und verwende dann transcribe.py:
- Wähle das Modell explizit aus, bevorzuge bereits zwischengespeicherte Modelle. Führe
--pilotaus, um die erste Minute zu transkribieren und Sprache, Inhalt und Geschwindigkeit zu prüfen. - Wenn die Testtranskription brauchbar ist, führe denselben Befehl ohne
--pilotaus, um mit Prüfpunkten fortzufahren. Füge--download-modelnur hinzu, wenn das Modell tatsächlich heruntergeladen werden muss. - Lies die vollständige
transcript.json, prüfe auf leere Sprachsegmente, ungewöhnliche Wiederholungen,needs_review-Markierungen, wichtige Begriffe und Zahlen. Wenn wichtige Zitate an Minutengrenzen liegen, höre die angrenzenden Segmente an.
Das Skript arbeitet mit 16 kHz monauralem PCM16 und NumPy-Eingabe für den Recognizer, speichert minutenweise Prüfpunkte. completed: true bedeutet nur, dass der Verarbeitungsumfang konsumiert wurde, nicht dass die Erkennung korrekt ist. Wechsle nicht stillschweigend zu einem kleineren Modell und lade kein Modell nur zum Importieren herunter.
Führe nur eine einzige, vollständige Haupt-Erkennungsroute aus; validiere zuerst einen kleinen Teil des Materials, bevor du einen Wechsel entscheidest. Starte nicht standardmäßig gleichzeitig ASR und OCR für das gesamte Video; warte im Hintergrund maximal 60 Sekunden und berichte über sinnvolle Fortschritte.
Wichtige Bilder überprüfen
Lies zuerst die Anleitung zur Bildauswahl. Bei vorhandenen Kapiteln orientiere dich daran; ohne Kapitel teile das Video nach thematischen Übergängen auf. Verwende eine kleine Übersicht zur Orientierung und extrahiere dann die notwendigen klaren Bilder.
Code, Formeln, Tabellen, Einstellungen und Bedienschritte können nicht allein durch Sprachübertragung wiedergegeben werden. Behalte ähnliche Bilder mit einzigartigen Informationen bei; verwende keine feste Anzahl von Screenshots als Ersatz für eine Vollständigkeitsprüfung.
OCR wird nur zur Überprüfung von Text in Bildern oder als alternative Route bei fehlenden Audiospuren verwendet. Teste zuerst repräsentative Bilder, um Verwechslungen von Untertiteln, Text und Wasserzeichen mit gesprochenem Inhalt zu vermeiden. Bei niedriger Auflösung, Verdeckung oder nicht lesbaren Formeln gib die genauen Zeitlücken an; bei stummem visuellen Video beschreibe den visuellen Inhalt, erfinde keine Sprachtranskription.
Notizen und Belege schreiben
Standardmäßig enthalten: Titel, Quelle, Dauer, tatsächliches Material, Zusammenfassung, Themenschwerpunkte und wichtige Zeitpunkte; bei Benutzerwunsch oder wenn das Video für eine Wiederholung geeignet ist, ergänze Workflow, Eingabe, Schritte, Ausgabe und Abbruchkriterien. Füge nicht standardmäßig die vollständige Abschrift an.
Unterscheide Fakten des Originalvideos, Meinungen und Beispiele des Autors sowie KI-Ergänzungen. Die Geschwindigkeit und Menge der Autorendemonstrationen sind keine allgemeinen Garantien. Gib den verarbeiteten Umfang sowie Lücken an, die das Verständnis beeinträchtigen; schreibe nicht „vollständige Untertitel für das ganze Video“ als „jeden Satz der Tonspur überprüft“.
Speichere Screenshots in einem persistenten Anhangverzeichnis und bette sie als Markdown-Bildlinks ein. Notizen, Anhänge und die gleichnamige .evidence.json dürfen nicht vom temporären Medienverzeichnis abhängen. Belege enthalten nur notwendige Ausschnitte, Zeitbereiche, wichtige Details und Prüfvermerke. Das Format findest du in der Belegbeschreibung.
Validieren und aufräumen
Lies zuerst Materialien, Notizen und Anhänge zurück. Prüfe die Hauptkonzepte, Methoden, Beispiele und Schlussfolgerungen jedes Kapitels sowie wichtige Namen, Zahlen, Formeln und Schritte. Dokumentiere in den Belegen den Prüfumfang und ungeklärte Punkte; stumme oder wiederholte Segmente können als ohne substanziellen Inhalt beschrieben werden, erfinde keine Zusammenfassung, um die Zeitachse zu füllen.
Führe dann finalize.py aus, um Quelle, Kapitel, Abschlussstatus, persistente Dateien und Lücken zu prüfen. Das Skript validiert nur die Aufzeichnungen und Dateien, ersetzt keine inhaltliche Prüfung. Fülle nicht reviewed oder passed, um die Prüfung zu bestehen.
Füge --clean nur hinzu, wenn das ausgewählte Material verarbeitet, die Inhaltsprüfung bestanden und die persistenten Dateien zurückgelesen wurden. Das Bereinigen betrifft nur ein direktes Unterverzeichnis von work/video_tmp im aktuellen Arbeitsbereich und lehnt symbolische Links, Junctions oder Reparse-Punkte im Verzeichnis und seinen Unterelementen ab. Lösche keine Originaldateien, Modell-Caches oder persistenten Artefakte; bei Fehlern oder noch nicht behobenen Lücken behalte Medien und Prüfpunkte.
Zum Abschluss gib die tatsächlichen Materialien und deren Verarbeitungsumfang, den Speicherort der Notizen, das Bereinigungsergebnis und Einschränkungen an. Kurze Testtranskriptionen, statische Prüfungen und erfolgreiche Importe melde entsprechend dem tatsächlichen Umfang, nicht als vollständige Videoabnahme.