L'outil suggère différentes légendes/hanstags pour TikTok ou Instagram, car les tendances varient sur l'une ou l'autre plateforme.
Il existe une interface utilisateur intéressante que vous pouvez utiliser pour interagir avec l'outil ici
Téléchargez votre fichier vidéo et c'est parti
Alternativement, l'application peut être exécutée en clonant ce dépôt et en l'utilisant localement.
Cloner le dépôt
git clone https : // github . com / tjoab / captionaize . git
cd captionaize
Configurez votre environnement virtuel à l'aide de Python 3.11
python3 - m venv venv
source venv / bin / activate
Installer les dépendances pip3 install -r requirements.txt
(La dépendance Streamlit n'est pas nécessaire si vous ne prévoyez pas d'exécuter l'application Streamlit localement - peut être supprimée)
Créer un nouveau fichier de script principal
Importez le module helper.py
dans votre script principal
Ajoutez ce qui suit à votre script principal
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 )
La variable response
contient la réponse brute de la requête LLM, qui peut être imprimée directement et inspectée, mais elle est un peu moche. Vous pouvez également importer la fonction parseResponse()
depuis le module helper
et obtenir un tuple formaté :
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 )
Ce projet est sous licence MIT - voir le fichier LICENSE.md pour plus de détails
Si vous trouvez ce projet utile, vous pouvez me soutenir en achetant un café :