Lecture2notes — Productivity skill for Claude Code

lecture2notes

把講座錄影變成可讀的筆記、時間同步的 viewer 與課程首頁。本機 ASR 轉錄（Breeze-ASR-25 / faster-whisper / whisper.cpp / Qwen3-ASR）、投影片換頁抓圖、OCR、一份可被機器檢查的筆記撰寫 規範；可當 Claude Code / Codex 技能使用，也可只當純 CLI 用。

狀態：v0.1.0.dev0 骨架。子命令介面、進度輸出、相依檢查與語言旗標已就位；各階段的實作 依序補上，尚未實作的階段會印 `[] not implemented yet` 並以 exit code 4 結束。

安裝

需要 Python 3.10 以上，以及 PATH 上的 `ffmpeg` / `ffprobe`。

python -m venv .venv
.venv\Scripts\pip install -e .[dev]
l2n --help

選用套件（extras）：

Extra	用途	備註
breeze	Breeze-ASR-25（預設引擎）	需先跑 l2n convert-model 產生 CTranslate2 權重
qwen	Qwen3-ASR 本機推論	開源權重；時間戳需另載 forced aligner，見引擎相容表
whispercpp	whisper.cpp	無 pip 相依，需自備編譯好的二進位並以 --whisper-cpp-bin 指定
scene	PySceneDetect 場景偵測抓圖	未安裝時退回 ffmpeg scene filter
dev	pytest / pytest-cov	開發與測試

轉錄引擎相容表

`l2n transcribe --list-engines` 會依本機現況印出同樣四行並標示相依是否滿足。

引擎	local	needs_gpu	native_timestamps	預設模型	相依	實測狀態
breeze_ct2（預設）	yes	yes	yes	MediaTek-Research/Breeze-ASR-25	faster-whisper + 自行轉檔的 CT2 權重	已在 Windows + RTX 4060 使用
faster_whisper	yes	no	yes	large-v3	faster-whisper	CPU 可跑，有 CUDA 更快
whisper_cpp	yes	no	yes	ggml-large-v3-turbo.bin	自備二進位與 ggml 模型	以 --whisper-cpp-bin / --whisper-cpp-model 或 WHISPER_SRT_BIN / WHISPER_SRT_MODEL 指定
qwen3_asr	yes	yes	yes（需對齊器）	Qwen/Qwen3-ASR-0.6B	pip install lecture2notes[qwen]	待實測（見下）

Qwen3-ASR 的三個實作前提

程式碼依 2026-09-21 查證的上游原始碼撰寫，以下三點與一般預期不同：

1. ASR 模型本身不輸出時間戳。 Qwen3ASRModel.transcribe() 只回 language 與 text；cue 時間來自另一份第一方權重 Qwen/Qwen3-ForcedAligner-0.6B（以 forced_aligner= 掛上，不需要外部 ctc-forced-aligner）。因此 --model-dir 之外另有 --aligner-dir。
2. 對齊結果是逐 token 的（中文為逐字），本套件在 cues_from_alignment() 依句末 標點、靜默間隔、字數上限與時長上限重新組成 cue。時間戳單位是秒（上游型別標註 寫 int，但回傳前已除以 1000）。
3. 對齊器文件標示上限約 5 分鐘語音，所以本引擎宣告 chunk_sec = 240，轉錄階段會 自動切窗並把每窗的 cue 位移回整片的時間軸