把 B 站與 TikTok 的影片，變成一份可讀的摘要

問題

追蹤的創作者一多，影片就用「支」在長。想從裡面找一個觀點，等於要把幾十支短片從頭看完，而且看完也記不住。

真正麻煩的不是「下載」，是判斷哪一支值得看——平台的推薦是為了留住你，不是為了回答你的問題。

做法

整條管線分成四段，每一段都可以單獨重跑：

1. 題材篩選：先用使用者設定的關注主題（產業、關鍵字、創作者）過濾，把不相關的影片擋在最前面，省掉後續所有成本。
2. 抓取：把影片與 metadata 存下來，保留原始連結以便回溯。
3. 轉錄：在地端跑 WhisperX，產出帶時間戳的逐字稿。不上傳到任何第三方語音服務。
4. 彙整：把逐字稿全部丟給大模型，要求它輸出「這批影片在講什麼、哪些觀點重複出現、哪裡互相矛盾」。

幾個關鍵決定

為什麼轉錄要放地端。 逐字稿等於影片的全文，裡面常有還沒公開的商業資訊。丟到雲端語音 API 等於把內容送出去，這對內容團隊是不可接受的。

而且實測下來，地端跑一次的成本比按分鐘計價的語音 API 更低——影片量一大，差距就出來了。安全和成本這次剛好站在同一邊。

為什麼不是「每支影片各自摘要」。 單支摘要的價值有限，真正有用的是跨影片的彙整——同一個話題，十支影片裡有幾支在講同一件事、有幾支在反駁。這件事只能把文本集中起來做。

為什麼要保留時間戳。 摘要只給結論，但人要驗證。保留時間戳，看到有興趣的段落可以直接跳回原片。

結果

工作的形狀變了：原本是「今天要看幾支影片」，現在是「今天要讀一份摘要，有興趣的再點回原片」。

這條管線沒有做「自動判斷影片好壞」。那件事目前還不可靠，硬做只會讓使用者失去信任。我們讓它做它做得到的事：轉錄、去重、抓重點。

目前沒做的

• 沒有做即時（incremental）更新，是批次跑
• 沒有做跨語言翻譯，逐字稿維持原語言
• 摘要品質靠 prompt 與人工抽查，還沒有系統性的評估指標