Cours vers Notes
Transformez une vidéo de cours YouTube, Bilibili ou X/Twitter en un ensemble complet de notes .tex compilables et un PDF rendu.
Dépendances
Vérifiez avant de commencer (utilisez which). Demandez à l'utilisateur d'installer tout outil manquant.
| Outil | Requis | Objectif |
|---|---|---|
yt-dlp | Toujours | Téléchargement vidéo/sous-titres/métadonnées (prend en charge YouTube + Bilibili + X/Twitter). Vérifiez yt-dlp --version : une version vieille de plus de 90 jours échoue sur les pages Bilibili et YouTube actuelles |
ffmpeg | Toujours | Extraction d'images, extraction audio |
xelatex | Toujours | Compilation LaTeX (TeX Live + CTeX pour le chinois) |
magick | Toujours | Montage d'images et planches contact |
ffprobe | Toujours | Durée et hauteur d'image (livré avec ffmpeg) |
pdftotext | Toujours | Vérifications des pages rendues dans verify_notes.py (poppler) |
python3 | Toujours | Scripts d'aide installés et support ASR local |
sherpa-onnx + modèle ASR X | Optionnel pour ASR zh/en | Transcription rapide locale chinois/anglais avec horodatages de jetons |
| Backend Whisper | Repli ASR / non-zh-en / pas de CC | transcribe_whisper.py choisit mlx-whisper (macOS arm64) → faster-whisper → openai-whisper |
rapidocr-onnxruntime | Bilibili / tous sous-titres incrustés | ocr_hardsubs.py lit la bande de sous-titres et la géométrie de superposition |
Pillow + numpy | Toujours | Découpage de superposition et panneau composite dans frame_filter.py, scores des têtes parlantes |
Installez le côté Python avec pip install rapidocr-onnxruntime Pillow numpy plus un
backend de transcription : pip install mlx-whisper sur Apple Silicon, sinon
pip install faster-whisper (ou openai-whisper comme repli le plus lent).
/CHEMIN/ABSOLU/VERS/lecture-to-notes/assets/smart_crop.py reste une expérience optionnelle.
Vérification des paquets LaTeX (à NE PAS sauter — which xelatex seul est insuffisant)
which xelatex qui réussit ne signifie pas que les paquets LaTeX requis sont installés.
Sur des installations TeX minimales (par ex. MacTeX Basic, TeX Live scheme-basic), le binaire existe
mais ctex, tcolorbox et d'autres paquets sont manquants. Cela provoque des échecs silencieux :
de longues lignes chinoises débordent de \textwidth (pas de saut de ligne CJK) ou la compilation
avorte avec Fichier '...' introuvable.
Vérifiez les paquets requis avant de commencer :
MANQUANTS=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 "❌ Paquet LaTeX manquant : $pkg"
MANQUANTS=1
fi
done
if [ "$MANQUANTS" -ne 0 ]; then
echo "Installez les paquets manquants :"
echo " tlmgr install ctex tcolorbox environ trimspaces etoolbox"
echo "Ou installez la distribution TeX complète :"
echo " macOS : https://www.tug.org/mactex/ (~4 Go, inclut tout)"
echo " Linux : sudo apt install texlive-full"
fi
Si ctex ne peut pas être installé (par exemple en raison de conflits de version l3kernel sur des installations minimales),
le notes-template.tex inclut un repli qui utilise le saut de ligne CJK intégré de XeTeX
(\XeTeXlinebreaklocale "zh") avec les polices système — pas besoin de ctex ou xeCJK.
Cookies et fraîcheur de yt-dlp
Chaque plateforme prise en charge peut rejeter un téléchargement non authentifié, et les deux échecs se présentent différemment :
| Symptôme | Plateforme | Signification |
|---|---|---|
Connectez-vous pour confirmer que vous n'êtes pas un robot | YouTube | Détection de robot |
Erreur HTTP 412 lors du sondage ou du téléchargement | Bilibili | Vérification anti-scraping |
ATTENTION : Votre version de yt-dlp (...) date de plus de 90 jours | toute | Les extracteurs précèdent le balisage actuel du site |
Corrigez d'abord la version, car un extracteur obsolète produit les mêmes erreurs que les cookies corrigent :
brew upgrade yt-dlp, pipx upgrade yt-dlp, ou pip install -U yt-dlp, puis confirmez avec
yt-dlp --version. Homebrew désactive le mécanisme d'auto-mise à jour, donc yt-dlp -U signale un succès sans
rien changer.
Fournissez ensuite les cookies. video_source.py probe les prend directement :
python3 "/CHEMIN/ABSOLU/VERS/lecture-to-notes/assets/video_source.py" probe \
--cookies-from-browser chrome "<URL>" > metadata.json
Utilisez --cookies FICHIER à la place lorsque le profil du navigateur n'est pas disponible, par exemple sur un hôte
sans tête. Un sondage qui échoue pour une raison d'authentification nomme désormais l'indicateur avec lequel réessayer, alors
considérez ce message comme l'action suivante plutôt que comme une impasse.
Le reste du flux de travail appelle yt-dlp directement. Plutôt que de modifier chaque commande, écrivez un
fichier de configuration yt-dlp une fois et pointez XDG_CONFIG_HOME vers celui-ci, afin que les téléchargements, les récupérations de sous-titres et
les récupérations de vignettes prennent tous les cookies en compte :
mkdir -p "$WORKDIR/.xdg/yt-dlp"
printf -- '--cookies-from-browser chrome\n' > "$WORKDIR/.xdg/yt-dlp/config"
# puis préfixez chaque appel ultérieur à yt-dlp dans ce répertoire de travail de cours :
XDG_CONFIG_HOME="$WORKDIR/.xdg" yt-dlp --no-playlist ... "<URL>"
Les cookies du navigateur débloquent également la 1080P+ Bilibili pour les comptes connectés, donc la même configuration améliore la qualité des images.
Objectif
Produire une note de cours chinoise professionnelle à partir d'une URL vidéo YouTube, Bilibili ou X/Twitter. Le résultat doit :
- utiliser le contenu pédagogique réel de la vidéo, pas seulement la transcription des sous-titres
- placer l'image de couverture originale de la vidéo sur la première page
- inclure des figures pédagogiques plein écran sélectionnées par une revue de planches contact ; lorsque la vidéo place un flux caméra et des diapositives côte à côte, chaque figure conserve un panneau mesuré pour que le texte de la diapositive reste lisible
- permettre à un lecteur novice compétent de comprendre la question, le mécanisme, les preuves, les conséquences et les limites sans décoder la transcription
- atteindre une densité d'information adaptée à la source — chaque figure, boîte, formule et paragraphe gagne sa place
- être organisé structurellement avec
\section{}/\subsection{} - se terminer par une section de synthèse combinant les conclusions de l'orateur et votre propre distillation
- être un
.texcomplet de\documentclassà\end{document} - se compiler avec succès en PDF
Barre de qualité non négociable (mode Codex / production)
ARRÊTEZ-VOUS et ne prétendez pas à l'achèvement à moins que chaque élément ci-dessous ne soit vrai. Les plans squelettiques, les PDF riches en images avec une prose maigre ou les artefacts intermédiaires manquants sont des échecs automatiques.
Artefacts obligatoires du répertoire de travail (doivent exister sur le disque avant de dire « terminé »)
| Fichier | Contenu requis |
|---|---|
metadata.json | Depuis video_source.py probe (ou vidage complet équivalent) |
audio.srt | Piste de sous-titres finale utilisée pour l'écriture (CC manuels, auto nettoyés, OCR de sous-titres incrustés, ASR X, ou Whisper) |
audio_corrected.srt | Copie de la piste finale, ou piste corrigée par glossaire/LLM lorsque l'ASR local a été utilisé |
hardsub_ocr.srt | Sortie de ocr_hardsubs.py extract lorsque ocr_hardsubs.py detect a signalé des sous-titres incrustés ; absent sinon |
bands.json | Géométrie de superposition (bande de navigation, bande de sous-titres) depuis ocr_hardsubs.py detect --geometry ou frame_filter.py bands |
layout.json | Disposition des panneaux depuis frame_filter.py layout sur l'échantillon dense ; toujours mesuré, composite: false enregistre une vidéo à une seule image |
cover.jpg | Couverture de la première page |
video.mp4 | Source pour les images (peut être omis uniquement si l'utilisateur interdit le téléchargement et fournit des images) |
frames/ | Échantillon dense, par défaut 1 image / 15 s |
frame_scores.json | frame_filter.py score sur l'échantillon dense ; obligatoire lorsque l'hôte ne peut pas vous montrer d'images |
figures/ | Ressources de figures sélectionnées avec des noms sémantiques (fig_01_sujet.jpg, …), superpositions recadrées via bands.json, composites recadrés à un panneau via layout.json |
figure_manifest.tsv | En-tête figure\trame\tdébut\tfin\tsujet\tpanneau — une ligne par image de figure ; panneau nomme le panneau layout.json qu'elle conserve (principal, gauche, …) ou complet |
figure_verification.txt | Sortie complète de verify_figures.py sur tous les horodatages du manifeste |
lecture_profile.json | Profil de lecteur et d'adéquation à la source ; les champs requis sont décrits ci-dessous |
teaching_atoms.tsv | En-tête atome\tstatut\tpreuve — chaque atome pédagogique mappé aux notes |
numerical_claims.tsv | Généré par extract_claims.py extract, rempli par extract_claims.py check --write ; en-tête uniquement valide lorsque la conférence ne contient aucune affirmation numérique |
notes.tex | Notes de cours chinoises complètes |
notes.pdf | Sortie xelatex en deux passes |
verify_notes.txt | Sortie complète de verify_notes.py, se terminant par RÉUSSITE GLOBALE |
Profil d'adéquation à la source et contrat du lecteur (strict)
Après la correction des sous-titres et la revue des planches contact, créez lecture_profile.json avant
de planifier les notes :
{
"mode": "diapositive-technique",
"audience": "lecteur novice compétent",
"question_centrale": "Que devrait pouvoir expliquer le lecteur après avoir lu ?",
"résultat_lecteur": "Une capacité, une décision ou un modèle mental concret",
"atomes_pédagogiques_visuels": 24,
"atomes_pédagogiques_formules": 18
}
Choisissez exactement un mode :
diapositive-technique: les diapositives, le travail au tableau, les formules, le code ou les diagrammes portent la plupart du contenu pédagogique ;exposé-conceptuel: un exposé, une interview ou une discussion porte la plupart du contenu à travers des affirmations, des exemples et un raisonnement plutôt que des mécanismes visuels ;mixte: les deux modes contribuent de manière substantielle au contenu pédagogique.
Comptez les atomes_pédagogiques_visuels et atomes_pédagogiques_formules à partir de la source, pas du
brouillon. Un atome visuel est un visuel source distinct qui aide à enseigner un point. Un atome formule
est une équation source ou une dérivation qui mérite d'être conservée. Ne gonflez pas ces comptes pour justifier plus de ressources,
et ne classez pas un exposé conceptuel comme technique simplement pour déclencher des quotas.
Pour chaque mode, les barrières strictes sont la fidélité à la source, la couverture complète des atomes pédagogiques, les affirmations numériques traçables, l'attribution claire de la source et un chemin de lecture cohérent. Les barrières de densité numérique ci-dessous sont des filets de sécurité d'adéquation à la source. Elles n'autorisent jamais les équations inventées, les captures d'écran de têtes parlantes de faible valeur, les boîtes répétitives ou le remplissage par synonymes.
Barrières de densité et de structure (adaptatives à la source)
Pour une conférence de durée $T$ minutes (d'après les métadonnées) :
Barrière vs cible (à ne pas confondre) : les nombres ci-dessous sont des barrières strictes (échec = pas de livraison). Une note de qualité Codex atteint souvent ~25–40 % au-dessus de la barrière CJK ; c'est une cible, pas un second plancher strict. Augmenter le plancher strict à la valeur or mesurée encourage le remplissage, pas plus d'atomes pédagogiques. (Validé sur CS336 L3 : $T\approx 89$ → barrière CJK 6246 / figs 25 ; or ~8035 CJK / 27 figs / 31 pages.)
-
Nombre de caractères chinois dans le corps de
notes.tex(idéogrammes unifiés CJK uniquement) :diapositive-technique: au moins $\max(5000,\ \mathrm{arrondi}(70\times T))$ ;mixte: au moins $\max(3500,\ \mathrm{arrondi}(55\times T))$ ;exposé-conceptuel: au moins $\max(2500,\ \mathrm{arrondi}(45\times T))$. Ne comptez pas le jargon anglais, les commandes LaTeX ou les légendes seules. Ce sont des planchers d'exhaustivité, pas des invitations à répéter la même idée.
-
Figures : incluez chaque atome pédagogique visuel distinct qui améliore matériellement la compréhension, jusqu'à la cible technique $\max(20,\ \mathrm{arrondi}(T/3.5))$. Un
exposé-conceptuelavec quatre atomes visuels réels doit contenir quatre figures vérifiées, pas vingt images de têtes parlantes. Une conférence axée sur des diapositives avec trente mécanismes distincts ne doit pas s'arrêter à vingt. -
Sections pour $T\ge 60$ : utilisez au moins 8 pour
diapositive-technique, 6 pourmixteet 5 pourexposé-conceptuel, à moins que moins de questions de lecteur ne produisent une structure démontrablement plus claire. Chaque section majeure répond à une question du lecteur et se termine par\subsection{Résumé de ce chapitre}qui énonce la réponse et prépare la question suivante. -
Boîtes de jugement : utilisez des boîtes uniquement lorsqu'elles séparent une définition, une dépendance de fond, une règle de décision ou une limite d'échec du flux principal. La valeur par défaut technique est de 12 pour $T\ge60$ ;
mixteetexposé-conceptueln'ont pas de quota de boîtes. Ne divisez jamais un raisonnement continu en boîtes simplement pour augmenter un nombre. -
Forme de l'atome pédagogique (adaptez, ne découpez pas un modèle) :
- énoncez ce que le lecteur doit comprendre et pourquoi c'est important ;
- expliquez le mécanisme ou le raisonnement dans l'ordre nécessaire pour le suivre ;
- attachez une preuve source : un nombre, un exemple, une paraphrase au niveau d'une citation, une formule, du code, un tableau ou une figure vérifiée selon le cas ;
- énoncez la conséquence ou la limite lorsqu'elle change l'interprétation. N'utilisez que les composants dont la source et le lecteur ont besoin. Après chaque formule affichée avec au moins deux symboles, ajoutez une liste d'explications de symboles immédiate.
-
Pas de sections sans plan. Si un laps de temps de 5 minutes de la conférence introduit un mécanisme, un nombre ou un choix de conception distinct, il doit apparaître comme sa propre sous-section ou un paragraphe clairement étiqueté avec des preuves — pas une puce dans une liste de résumé.
-
Audit de couverture avant compilation (chronologie) : parcourez la chronologie par pas de 3 à 5 minutes à l'aide du SRT ; listez tout écart sans prose ou figure correspondante ; comblez les écarts avant
xelatex. -
Liste de contrôle des atomes pédagogiques (couverture des sujets, stricte pour les conférences techniques) : Avant la livraison, extrayez une liste d'atomes spécifique à la conférence à partir du SRT + des diapositives (15 à 40 atomes). Chaque atome doit correspondre à une sous-section, un paragraphe étiqueté ou une figure + légende dans
notes.tex. Atomes manquants → développez la prose ; ne passez pas sur le CJK seul. Exemples d'atomes pour une conférence sur l'architecture LLM : Pre/Post-Norm, LN vs RMSNorm, FLOPs≠runtime, SwiGLU, bloc série vs parallèle, RoPE, rapport FFN, dimension de tête, largeur/profondeur, taille du vocabulaire, dropout vs decay de poids, z-loss, QK-Norm, Prefill vs Decode, MQA/GQA, attention fenêtre glissante / entrelacée / hybride. Persistez la liste de contrôle en tant queteaching_atoms.tsv(atome\tstatut\tpreuve). -
Densité des mécanismes (stricte — comparaison or L2 2026-07-12) : les barrières CJK/fig/boîtes seules ne suffisent pas. CS336 L2 premier passage Grok : 5463 CJK / 8 formules / 0 code (barrière PASS, or incomplet) ; après complétion pilotée par les affirmations : ~6450 CJK / 31 formules / 3 code / 33 pages (correspond à Codex). Exigez également :
- Mathématiques affichées : pour les atomes formules sources, conservez au moins
$\min(N_{\mathrm{atomes\ formules}},\ \max(10,\ \mathrm{arrondi}(T/4)))$ blocs
(
\[ ... \]ouequation), chacun avec une liste d'explications de symboles immédiate.
- Mathématiques affichées : pour les atomes formules sources, conservez au moins
$\min(N_{\mathrm{atomes\ formules}},\ \max(10,\ \mathrm{arrondi}(T/4)))$ blocs
(