openai_whisper_transcribe_yt_videos

YouTube-Videotranskribierer

Bei diesem Projekt handelt es sich um eine Streamlit-basierte Anwendung, die es Benutzern ermöglicht, Audiodaten von YouTube-Videos herunterzuladen, sie mithilfe des Whisper-Modells von OpenAI zu transkribieren und die Transkriptionen mit Paginierung anzuzeigen.

Merkmale

• Laden Sie Audio von YouTube-Videos herunter
• Transkribieren Sie Audio mit dem Whisper-Modell von OpenAI
• Transkriptionen mit Paginierung anzeigen
• Bereinigen Sie Dateinamen aus Kompatibilitätsgründen
• Unterstützung für CUDA-Beschleunigung (falls verfügbar)

Demo

Schauen Sie sich die Demo der Anwendung an: OpenAI Whisper Transcribe YouTube Videos

Anforderungen

• Python 3.9+
• PyTorch
• yt-dlp
• flüstern
• Tiktoken
• streamlit
• FFmpeg (zur Audiokonvertierung)

Installation

1. Klonen Sie dieses Repository:

    git clone https://github.com/RiteshGenAI/openai_whisper_transcribe_yt_videos.git
   cd openai_whisper_transcribe_yt_videos
   

2. Installieren Sie die erforderlichen Pakete:

    pip install -r requirements.txt
   

3. Installieren Sie FFmpeg, falls es noch nicht auf Ihrem System vorhanden ist. Die Installationsmethoden variieren je nach Betriebssystem.

Verwendung

1. Führen Sie die Streamlit-App aus:

    streamlit run .srcapp.py
   

2. Geben Sie eine YouTube-Video-URL in das dafür vorgesehene Eingabefeld ein.

3. Die App lädt das Audio herunter, transkribiert es und zeigt die Transkription mit Paginierung an.

Wie es funktioniert

1. Audio herunterladen : Die Funktion download_audio verwendet yt-dlp, um das Audio von der bereitgestellten YouTube-URL herunterzuladen. Es speichert das Audio als WAV-Datei.

2. Audio transkribieren : Die Funktion transcribe_audio verwendet das Whisper-Modell von OpenAI, um die heruntergeladene Audiodatei zu transkribieren.

3. Transkript anzeigen : Die Funktion display_transcript_with_pagination teilt das Transkript in Seiten auf und zeigt sie mithilfe der UI-Komponenten von Streamlit an.

4. Audio verarbeiten : Die Funktion process_audio orchestriert den gesamten Prozess, vom Herunterladen bis zum Transkribieren und Anzeigen des Ergebnisses.

Anpassung

• Sie können die Größe des Whisper-Modells ändern, indem Sie den Parameter model_name in der Funktion transcribe_audio ändern.
• Passen Sie den Parameter tokens_per_page in display_transcript_with_pagination an, um die pro Seite angezeigte Textmenge zu ändern.

Notiz

Diese Anwendung erfordert eine erhebliche Menge an Rechenressourcen, insbesondere bei längeren Videos. Die Verwendung einer CUDA-fähigen GPU kann den Transkriptionsprozess erheblich beschleunigen.

Lizenz

MIT-Lizenz