使用 faster-whisper 擷取影片對話

緣起:

    接續這篇，其實那一篇的都算是鋪陳，我重點是想要寫我用 faster-whisper 來幫我處理對話存文字的部份，這裡遇到最多麻煩。

    在我把 Jellyfin 搞定後，我的腦子後來又開始想說，現在已經很習慣用 AI 功具來幫我學習了，能不能也用在這些課程上呢？請它幫我抓重點、做筆記之類的。直接要 AI 幫我分析整部影片感覺很不實際，像是 claude project 上傳文件的部份，你一個 500 多 MB 的檔案傳上去就要花不少時間，而且那 project 空間也是有限的。

    我自己思考後，認為用語音識別影片的內容後，存成文字檔，再丢給 AI 處理，會是個比較好的做法，所以就請 claude 教我怎麼用程式來達成這需求。

Claude Project 初試

緣起:

    接續這篇，我發現在本地跑 LLM 無法達成我想要的結果後，又發現 Claude AI 提供的 Project 功能很符合我的需求，所以我轉而去研究雲端 AI 平台的使用。

    TADA，我創完 Project 後發現，疑，它可以連結 Github 帳號！？這樣在檔案的更新跟同步上就省事多了，這太讚了。

Ollama 本地 LLM 部屬

緣起:

    前陣子跟之前的同事聊天，聊著聊著，他讓我加入他的 google pro 家庭方案，那方案除了共享 5TB 的雲端空間外，還有 gmini pro ai 能用。我就想試試看，pro 的 ai 模型有沒有比較強，能不能讓它幫我寫勾羿的小說。

    我問它，有關遊戲“九日”裡的勾芒跟羿，你知道什麼嗎？

    你媽媽的，還是理解得很狗屁不通，這樣肯定是無法寫出符合九日背景的小說(後來發現，其實用 LLM Note)，這時，我的腦子開始有了想在自己本地跑 LLM 的想法，我那時打的算盤是，在本地跑的話，能調整的東西比較多，我可以給它九日的參考資料，讓它了解世界觀之後再依此來創作，一定會比那些雲端 ai 模型在網路上亂查資料後再産的內容還要好。

    接下來的一兩天，我一直在研究 ollama 跟怎麼把設定的文本塞進 prompt 裡，雖然有成功跑起來，但後來發現，那個 context window 根本不夠啊 ~~ 光是不到 1/10 的世界觀文本就塞不進了，如果真的還是想跑的話，只能自己做 RAG，太麻煩了吧。

    後來轉頭一查，發現 claude project 的功能很符合自己的需求，唉呀，我應該一開始就先查看看有什麼現成的功具可以達成我需求的。不過這樣瞎折騰下來，有學到東西就是了。