myedge/btnews

睡前消息文稿合集

btnews

睡前消息文稿合集

简介

通过 openai 的语言识别模型 whisper，将往期内容归档为 markdown。

1 ～ 414 期通过 whisper 生成。414期之后均从公众号抓取。

在 files.bedtime.news 的帮助下，获取到往期内容的 docx 文件。通过 pandoc 将 docx 转换为 markdown，目前 1~ 369 期采此方式生成，370 ~ present 均为公众号抓取。

目前的文本内容基本可读，但是表现形式还不够好，距离方便阅读还有一段距离（像568期这样），后续内容缓慢补齐。

缺失内容

• 74期
• 140期
• 178期
• 183期
• 353期
• 409期
• 435期
• 473期
• 524期
• 551期
• 590期
• 591期

todo

• 基于日期（年月周）的归档
• 自定义合集归档
• 标签分类视图
• 多视频源

格式规范

名称/路径

1. markdown 文件名称，应当符合 [分类]_[编号].md 的格式，这有利于索引，以及自定义视图的生成 编号应采取 4 位编号，对应期数，不足 4 位应用 0 补齐。

2. 部分期数存在 .5， 用 _5 替代，如 13.5 对应 0013_5，文件名 btnews_0013_5.md

3. 每 100 期划分一个子文件夹，[起始编号]_[截止编号] 的格式，如 0001_0100 包括 第 1 期到第 100 期， 13.5 期也包含在内。

4. 文件存储路径 docs/${category}/${子文件夹}/${category}_${id}.md，文本内容中的图片存储在 images/${category}/${子文件夹}/${id}/下。

5. 分类名称如下（目前仅有睡前消息）：

分类名称	类型	备注
btnews	睡前消息	bedtime news
refnews	参考消息	reference news

文件内容

frontmatter

这部分用于指示文件的一些基本信息，如标题，日期等

必填项

frontmatter	描述
date	对应稿件投稿日期，格式应为 yyyy-mm-dd，如 2020-04-12
title	稿件标题

可选项

frontmatter	描述
tag	标签，是一个 yaml 字符串数组，如 tag: ["社会化抚养","房产税"]， tag 应当依据文件内容确定，也可以参考对应稿件的 tag
description	页面的描述，可以使用原稿件描述。

禁用项

虽然 vuepress 预定义了一些 frontmatter，但有些 frontmatter 不应当使用。这会导致预期外的行为

frontmatter	描述
permalink/permalinkPattern	文件永久链接，我们约定，文件的永久链接应当为 /${category}/${id}/，在 page 渲染时，会进行一定的检查
layout	布局，相同类型的稿件布局应当一致，采用全局设置
category	分类，在渲染时会根据路径自定获取分类，但考虑到可能属于多种类型，暂且保留
type	用于指明页面类型，插件功能会用到（如替换链接），因此文件中不应使用

正文内容

1. 正文内容是根据 openai 的 whisper 模型生成的，内容准确性存在一些问题，需要补充修改。
2. 需要补充图片，添加引用来源。部分链接等应当转为适当的 markdown 格式。
3. 正文文首应添加一个播放器组件，指向原始稿件。
4. 可能的话，考虑添加 备注、comment 等功能

关于

just for fun, 源于之前写的另外一个 b 站视频下载工具，完成批量下载功能之后，便用督工的合集测试了一下，效果还不错，又恰好在看到 openai 的开源模型 whisper，发现效果也不错，便花了点时间建了这个repo，做一个睡前消息的内容归档。