Vorlesung zu Notizen
Wandelt ein YouTube-, Bilibili- oder X/Twitter-Vorlesungsvideo in einen vollständigen, kompilierbaren .tex-Notizensatz und ein gerendertes PDF um.
Abhängigkeiten
Vor dem Start prüfen (mit which). Den Benutzer auffordern, fehlende Tools zu installieren.
| Tool | Erforderlich | Zweck |
|---|---|---|
yt-dlp | Immer | Video/Untertitel/Metadaten-Download (unterstützt YouTube + Bilibili + X/Twitter). Prüfen yt-dlp --version: Ein Build, der älter als ~90 Tage ist, schlägt bei aktuellen Bilibili- und YouTube-Seiten fehl |
ffmpeg | Immer | Frameextraktion, Audioextraktion |
xelatex | Immer | LaTeX-Kompilierung (TeX Live + CTeX für Chinesisch) |
magick | Immer | Frame-Montagen und Kontaktbögen |
ffprobe | Immer | Dauer und Bildhöhe (wird mit ffmpeg ausgeliefert) |
pdftotext | Immer | Rendering-Seitenprüfungen in verify_notes.py (poppler) |
python3 | Immer | Installierte Helper-Skripte und lokale ASR-Unterstützung |
sherpa-onnx + X ASR-Modell | Optional zh/en ASR | Schnelle lokale chinesische/englische Transkription mit Token-Zeitstempeln |
| Whisper Backend | ASR-Fallback / nicht-zh-en / kein CC | transcribe_whisper.py wählt mlx-whisper (macOS arm64) → faster-whisper → openai-whisper |
rapidocr-onnxruntime | Bilibili / beliebige eingebrannte Untertitel | ocr_hardsubs.py liest das Untertitelband und die Overlay-Geometrie |
Pillow + numpy | Immer | frame_filter.py Overlay- und Composite-Panel-Zuschnitte, Talking-Head-Scores |
Installieren Sie die Python-Seite mit pip install rapidocr-onnxruntime Pillow numpy plus einem
Transkriptions-Backend: pip install mlx-whisper auf Apple Silicon, ansonsten
pip install faster-whisper (oder openai-whisper als langsamsten Fallback).
/ABSOLUTER/PFAD/ZU/lecture-to-notes/assets/smart_crop.py bleibt ein optionales Experiment.
LaTeX-Paketprüfung (NICHT überspringen — which xelatex allein ist nicht ausreichend)
which xelatex bedeutet nicht, dass die erforderlichen LaTeX-Pakete installiert sind.
Bei minimalen TeX-Installationen (z. B. MacTeX Basic, TeX Live scheme-basic) existiert die Binärdatei,
aber ctex, tcolorbox und andere Pakete fehlen. Dies verursacht stille Fehler:
lange chinesische Zeilen überlaufen \textwidth (kein CJK-Zeilenumbruch) oder die Kompilierung bricht mit
Datei '...' nicht gefunden ab.
Überprüfen Sie die erforderlichen Pakete vor dem Start:
MISSING=0
for pkg in ctex tcolorbox environ trimspaces listings hyperref booktabs float subcaption etoolbox; do
if ! kpsewhich "$pkg.sty" >/dev/null 2>&1; then
echo "❌ Fehlendes LaTeX-Paket: $pkg"
MISSING=1
fi
done
if [ "$MISSING" -ne 0 ]; then
echo "Fehlende Pakete installieren:"
echo " tlmgr install ctex tcolorbox environ trimspaces etoolbox"
echo "Oder vollständige TeX-Distribution installieren:"
echo " macOS: https://www.tug.org/mactex/ (~4 GB, enthält alles)"
echo " Linux: sudo apt install texlive-full"
fi
Wenn ctex nicht installiert werden kann (z. B. aufgrund von l3kernel-Versionskonflikten bei minimalen Installationen),
enthält notes-template.tex einen Fallback, der XeTeXs eingebauten CJK-Zeilenumbruch
(\XeTeXlinebreaklocale "zh") mit Systemschriftarten verwendet — kein ctex oder xeCJK erforderlich.
Cookies und yt-dlp-Frische
Jede unterstützte Plattform kann einen nicht authentifizierten Download ablehnen, und die beiden Fehler sehen unterschiedlich aus:
| Symptom | Plattform | Bedeutung |
|---|---|---|
Sign in to confirm you're not a bot | YouTube | Bot-Erkennung |
HTTP Error 412 bei Probe oder Download | Bilibili | Anti-Scraping-Prüfung |
WARNING: Your yt-dlp version (...) is older than 90 days | jede | Extrahierer stammen vor dem aktuellen Markup der Seite |
Zuerst die Version beheben, da ein veralteter Extrahierer dieselben Fehler erzeugt, die Cookies beheben:
brew upgrade yt-dlp, pipx upgrade yt-dlp oder pip install -U yt-dlp, dann mit
yt-dlp --version bestätigen. Homebrew deaktiviert den Selbstupdater, daher meldet yt-dlp -U Erfolg, ohne
etwas zu ändern.
Dann Cookies bereitstellen. video_source.py probe akzeptiert sie direkt:
python3 "/ABSOLUTER/PFAD/ZU/lecture-to-notes/assets/video_source.py" probe \
--cookies-from-browser chrome "<URL>" > metadata.json
Verwenden Sie --cookies DATEI, wenn das Browserprofil nicht verfügbar ist, z. B. auf einem
Headless-Host. Ein Probe, der aus Authentifizierungsgründen fehlschlägt, benennt jetzt das Flag für den erneuten Versuch. Behandeln Sie
diese Meldung als nächste Aktion, nicht als Sackgasse.
Der Rest des Workflows ruft yt-dlp direkt auf. Anstatt jeden Befehl zu bearbeiten, schreiben Sie eine
yt-dlp-Konfigurationsdatei einmal und verweisen Sie XDG_CONFIG_HOME darauf, sodass Downloads, Untertitelabrufe und
Thumbnail-Abrufe alle die Cookies aufnehmen:
mkdir -p "$WORKDIR/.xdg/yt-dlp"
printf -- '--cookies-from-browser chrome\n' > "$WORKDIR/.xdg/yt-dlp/config"
# dann jedem späteren yt-dlp-Aufruf in diesem Vorlesungs-Arbeitsverzeichnis voranstellen:
XDG_CONFIG_HOME="$WORKDIR/.xdg" yt-dlp --no-playlist ... "<URL>"
Browser-Cookies entsperren auch Bilibili 1080P+ für eingeloggte Konten, daher verbessert dasselbe Setup die Bildqualität.
Ziel
Erstellen Sie eine professionelle chinesische Vorlesungsmitschrift aus einer YouTube-, Bilibili- oder X/Twitter-Video-URL. Die Ausgabe muss:
- die tatsächlichen Lehrinhalte des Videos verwenden, nicht nur eine Transkription der Untertitel
- das ursprüngliche Coverbild des Videos auf der Titelseite platzieren
- ausgewählte Vollbild-Lehrgrafiken enthalten, die durch Kontaktbogen-Prüfung ausgewählt wurden; wenn das Video Kamera-Feed und Folien nebeneinander platziert, behält jede Grafik ein gemessenes Panel bei, damit der Folientext lesbar bleibt
- es einem fähigen Erstleser ermöglichen, die Frage, den Mechanismus, den Beweis, die Konsequenz und die Grenze zu verstehen, ohne das Transkript entschlüsseln zu müssen
- quellengetreue Informationsdichte erreichen — jede Grafik, Box, Formel und jeder Absatz verdient seinen Platz
- strukturell mit
\section{}/\subsection{}organisiert sein - mit einem Syntheseabschnitt enden, der die Schlussfolgerungen des Sprechers und Ihre eigene Zusammenfassung kombiniert
- ein vollständiges
.texvon\documentclassbis\end{document}sein - erfolgreich zu PDF kompilieren
Nicht verhandelbare Qualitätsschranke (Codex / Produktionsmodus)
STOP und behaupten Sie nicht die Fertigstellung, es sei denn, jeder Punkt unten ist wahr. Skelettartige Gliederungen, bildlastige PDFs mit dünnem Text oder fehlende Zwischenartefakte sind automatische Fehler.
Erforderliche Arbeitsverzeichnis-Artefakte (müssen vor dem Melden von „erledigt“ auf der Festplatte existieren)
| Datei | Erforderlicher Inhalt |
|---|---|
metadata.json | Von video_source.py probe (oder gleichwertiger vollständiger Dump) |
audio.srt | Finale verwendete Untertitelspur zum Schreiben (manuelle CC, bereinigte Auto, Hard-Sub-OCR, X-ASR oder Whisper) |
audio_corrected.srt | Kopie der finalen Spur oder Glossar/LLM-korrigierte Spur, wenn lokale ASR verwendet wurde |
hardsub_ocr.srt | Ausgabe von ocr_hardsubs.py extract, wenn ocr_hardsubs.py detect eingebrannte Untertitel meldete; ansonsten nicht vorhanden |
bands.json | Overlay-Geometrie (Navigationsleiste, Untertitelband) von ocr_hardsubs.py detect --geometry oder frame_filter.py bands |
layout.json | Panel-Layout von frame_filter.py layout über der dichten Stichprobe; immer gemessen, composite: false zeichnet ein Einzelbild-Video auf |
cover.jpg | Titelseiten-Cover |
video.mp4 | Quelle für Frames (kann nur weggelassen werden, wenn der Benutzer den Download verbietet und Frames bereitstellt) |
frames/ | Dichte Stichprobe, Standard 1 Frame / 15s |
frame_scores.json | frame_filter.py score über der dichten Stichprobe; obligatorisch, wenn der Host Ihnen keine Bilder anzeigen kann |
figures/ | Ausgewählte Figuren-Assets mit semantischen Namen (fig_01_topic.jpg, …), Overlays über bands.json zugeschnitten, Composites auf ein Panel über layout.json zugeschnitten |
figure_manifest.tsv | Kopfzeile figure\tframe\tstart\tend\ttopic\tpanel — eine Zeile pro Figurenbild; panel benennt das layout.json-Panel, das es behält (main, left, …) oder full |
figure_verification.txt | Vollständige Standardausgabe von verify_figures.py über alle Manifest-Zeitstempel |
lecture_profile.json | Reader- und Source-Fit-Profil; erforderliche Felder werden unten beschrieben |
teaching_atoms.tsv | Kopfzeile atom\tstatus\tevidence — jedes Lehrmolekül auf die Notizen abgebildet |
numerical_claims.tsv | Generiert von extract_claims.py extract, ausgefüllt von extract_claims.py check --write; Nur-Kopfzeile ist gültig, wenn die Vorlesung keine numerischen Behauptungen enthält |
notes.tex | Vollständige chinesische Vorlesungsnotizen |
notes.pdf | Zwei-Pass xelatex Ausgabe |
verify_notes.txt | Vollständige Standardausgabe von verify_notes.py, endet mit OVERALL PASS |
Source-Fit-Profil und Leservertrag (hart)
Nach der Untertitelkorrektur und Kontaktbogen-Prüfung erstellen Sie lecture_profile.json vor der
Gliederung der Notizen:
{
"mode": "technical-slide",
"audience": "capable first-time reader",
"central_question": "Was sollte der Leser nach dem Lesen erklären können?",
"reader_outcome": "Eine konkrete Fähigkeit, Entscheidung oder ein mentales Modell",
"visual_teaching_atoms": 24,
"formula_teaching_atoms": 18
}
Wählen Sie genau einen Modus:
technical-slide: Folien, Tafelarbeit, Formeln, Code oder Diagramme tragen den Großteil des Lehrinhalts;conceptual-talk: Ein Vortrag, Interview oder eine Diskussion trägt den Großteil des Inhalts durch Behauptungen, Beispiele und Argumentationen, nicht durch visuelle Mechanismen;mixed: Beide Modi tragen wesentliche Lehrinhalte bei.
Zählen Sie visual_teaching_atoms und formula_teaching_atoms aus der Quelle, nicht aus dem
Entwurf. Ein visuelles Atom ist eine eindeutige Quellgrafik, die hilft, einen Punkt zu lehren. Ein Formelatom
ist eine Quellgleichung oder -ableitung, die es wert ist, erhalten zu werden. Erhöhen Sie diese Zählungen nicht, um mehr Assets
zu rechtfertigen, und klassifizieren Sie einen konzeptionellen Vortrag nicht als technisch, nur um Quoten auszulösen.
Für jeden Modus sind die harten Tore Quelltreue, vollständige Lehrmolekül-Abdeckung, rückverfolgbare numerische Behauptungen, klare Quellenangabe und ein kohärenter Lesepfad. Die numerischen Dichteschwellen unten sind Source-Fit-Sicherheitsnetze. Sie autorisieren niemals erfundene Gleichungen, minderwertige Talking-Head-Screenshots, sich wiederholende Boxen oder Synonym-Padding.
Dichte- und Strukturtore (quellenadaptiv)
Für eine Vorlesung der Dauer $T$ Minuten (aus Metadaten):
Schranke vs. Ziel (nicht verwechseln): die Zahlen unten sind harte Schranken (Fehler = keine Lieferung). Eine hochwertige Codex-Klasse-Notiz liegt oft ~25–40 % über der CJK-Schranke; das ist ein Ziel, keine zweite harte Untergrenze. Die harte Untergrenze auf den gemessenen Goldwert anzuheben, fördert Padding, nicht mehr Lehrmoleküle. (Validieriert an CS336 L3: $T\approx 89$ → Schranke CJK 6246 / Abb. 25; Gold ~8035 CJK / 27 Abb. / 31 Seiten.)
-
Chinesische Zeichenanzahl im
notes.tex-Textkörper (nur CJK Unified Ideographs):technical-slide: mindestens $\max(5000,\ \mathrm{round}(70\times T))$;mixed: mindestens $\max(3500,\ \mathrm{round}(55\times T))$;conceptual-talk: mindestens $\max(2500,\ \mathrm{round}(45\times T))$. Zählen Sie kein englisches Fachjargon, LaTeX-Befehle oder Bildunterschriften allein. Dies sind Vollständigkeitsuntergrenzen, keine Einladungen, dieselbe Idee zu wiederholen.
-
Abbildungen: Fügen Sie jedes eindeutige visuelle Lehrmolekül hinzu, das das Verständnis wesentlich verbessert, bis zum technischen Ziel $\max(20,\ \mathrm{round}(T/3.5))$. Ein
conceptual-talkmit vier echten visuellen Atomen sollte vier verifizierte Abbildungen enthalten, nicht zwanzig Talking-Head-Frames. Eine foliengeführte Vorlesung mit dreißig unterschiedlichen Mechanismen darf nicht bei zwanzig aufhören. -
Abschnitte für $T\ge 60$: Verwenden Sie mindestens 8 für
technical-slide, 6 fürmixedund 5 fürconceptual-talk, es sei denn, weniger Leserfragen erzeugen eine nachweislich klarere Struktur. Jeder Hauptabschnitt beantwortet eine Leserfrage und endet mit\subsection{本章小结}, das die Antwort angibt und die nächste Frage vorbereitet. -
Urteilsboxen: Verwenden Sie Boxen nur, wenn sie eine Definition, Hintergrundabhängigkeit, Entscheidungsregel oder Fehlergrenze vom Hauptfluss trennen. Der technische Standard ist 12 für $T\ge60$;
mixedundconceptual-talkhaben kein Boxen-Kontingent. Teilen Sie niemals eine fortlaufende Argumentation in Boxen auf, nur um eine Anzahl zu erhöhen. -
Lehrmolekülform (anpassen, keine Vorlage ausstempeln):
- geben Sie an, was der Leser verstehen muss und warum es wichtig ist;
- erklären Sie den Mechanismus oder die Argumentation in der Reihenfolge, die zum Verständnis erforderlich ist;
- fügen Sie Quellenbeweise bei: eine Zahl, ein Beispiel, eine zitierfähige Paraphrase, eine Formel, einen Code, eine Tabelle oder eine verifizierte Abbildung, je nach Bedarf;
- geben Sie die Konsequenz oder Grenze an, wenn sie die Interpretation ändert. Verwenden Sie nur die Komponenten, die die Quelle und der Leser benötigen. Fügen Sie nach jeder Display-Formel mit mindestens zwei Symbolen eine sofortige Symbolliste hinzu.
-
Keine nur-gliedernden Abschnitte. Wenn ein 5-minütiger Abschnitt der Vorlesung einen bestimmten Mechanismus, eine Zahl oder eine Designentscheidung einführt, muss er als eigener Unterabschnitt oder klar beschrifteter Absatz mit Beweisen erscheinen — nicht als Aufzählungspunkt in einer Zusammenfassungsliste.
-
Abdeckungsprüfung vor der Kompilierung (Zeitachse): Gehen Sie die Zeitachse in 3–5-Minuten-Schritten mit dem SRT durch; listen Sie jede Lücke ohne entsprechenden Text oder Abbildung auf; füllen Sie Lücken vor
xelatex. -
Lehrmolekül-Checkliste (Themenabdeckung, hart für technische Vorlesungen): Vor der Lieferung eine vorlesungsspezifische Atomliste aus SRT + Folien extrahieren (15–40 Atome). Jedes Atom muss auf einen Unterabschnitt, einen gekennzeichneten Absatz oder eine Abbildung+Bildunterschrift in
notes.texabgebildet werden. Fehlende Atome → erweitern Sie den Text; bestehen Sie nicht allein aufgrund von CJK. Beispielatome für eine Vorlesung über LLM-Architektur: Pre/Post-Norm, LN vs RMSNorm, FLOPs≠Laufzeit, SwiGLU, serieller vs. paralleler Block, RoPE, FFN-Verhältnis, Kopfdimension, Breite/Tiefe, Vokabulargröße, Dropout vs. Gewichtsabnahme, Z-Verlust, QK-Norm, Prefill vs. Decode, MQA/GQA, Sliding-Window / Interleaved / Hybrid Attention. Beständigkeit der Checkliste alsteaching_atoms.tsv(atom\tstatus\tevidence). -
Mechanismusdichte (hart — L2 Goldvergleich 2026-07-12): CJK/Abb./Box-Schranken allein sind nicht ausreichend. CS336 L2 erster Grok-Durchlauf: 5463 CJK / 8 Formeln / 0 Code (Schranke BESTANDEN, Gold unvollständig); nach behauptungsgetriebener Vervollständigung: ~6450 CJK / 31 Formeln / 3 Code / 33 Seiten (entspricht Codex). Zusätzlich erforderlich:
- Display-Mathe: für Quellformelatome erhalten Sie mindestens
$\min(N_{\mathrm{Formelatome}},\ \max(10,\ \mathrm{round}(T/4)))$ Blöcke
(
\[ ... \]oderequation), jeder mit einer sofortigen Symbolerkärung.
- Display-Mathe: für Quellformelatome erhalten Sie mindestens
$\min(N_{\mathrm{Formelatome}},\ \max(10,\ \mathrm{round}(T/4)))$ Blöcke
(
[...gekürzt für die Übersetzung]