Das Tool schlägt unterschiedliche Untertitel/Hanstags für TikTok oder Instagram vor, da die Trends auf beiden Plattformen unterschiedlich sind
Hier gibt es eine schöne Benutzeroberfläche, über die Sie mit dem Tool interagieren können
Laden Sie Ihre Videodatei hoch und los geht's
Alternativ kann die App ausgeführt werden, indem dieses Repo geklont und lokal damit gearbeitet wird
Klon-Repo
git clone https : // github . com / tjoab / captionaize . git
cd captionaize
Richten Sie Ihre virtuelle Umgebung mit Python 3.11 ein
python3 - m venv venv
source venv / bin / activate
Installieren Sie Abhängigkeiten pip3 install -r requirements.txt
(Streamlit-Abhängigkeit ist nicht erforderlich, wenn Sie nicht vorhaben, die Streamlit-App lokal auszuführen – kann entfernt werden)
Erstellen Sie eine neue Hauptskriptdatei
Importieren Sie das Modul helper.py
in Ihr Hauptskript
Fügen Sie Folgendes zu Ihrem Hauptskript hinzu
from helper import authenticateAPI , uploadVideo , modelInference , deleteVideo
authenticateAPI ( YOUR_GOOGLE_API_KEY )
filePath = "path_to_your_video_file_in_project_dir"
videoFile = uploadVideo ( filePath )
response = modelInference ( videoFile )
deleteVideo ( videoFile )
Die response
enthält die Rohantwort der LLM-Anfrage, die direkt gedruckt und überprüft werden kann, aber etwas hässlich ist. Sie können auch die Funktion parseResponse()
aus dem helper
importieren und ein formatiertes Tupel erhalten:
Tuple[str, List[str], List[str]] = (Caption, List of Viral-esque Hashtags, List of Relevance-esque Hastags)
from helper import parseResponse
platform = "tiktok"
# or
platform = "instagram"
parseResponse ( response , platform )
Dieses Projekt ist unter der MIT-Lizenz lizenziert – Einzelheiten finden Sie in der Datei LICENSE.md
Wenn Sie dieses Projekt hilfreich finden, können Sie mich mit dem Kauf eines Kaffees unterstützen: