openai_whisper_transcribe_yt_videos

YouTube ビデオ トランスクライバー

このプロジェクトは、ユーザーが YouTube ビデオからオーディオをダウンロードし、OpenAI の Whisper モデルを使用して文字起こしし、ページネーション付きで文字起こしを表示できる Streamlit ベースのアプリケーションです。

特徴

• YouTube 動画から音声をダウンロード
• OpenAI の Whisper モデルを使用して音声を文字に起こす
• ページネーション付きで文字起こしを表示する
• 互換性のためにファイル名をサニタイズする
• CUDA アクセラレーションのサポート (利用可能な場合)

デモ

アプリケーションのデモをチェックしてください: OpenAI Whisper Transcribe YouTube Videos

要件

• Python 3.9以降
• パイトーチ
• yt-dlp
• ささやき声
• ティックトークン
• 流光に照らされた
• FFmpeg (音声変換用)

インストール

1. このリポジトリのクローンを作成します。

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

2. 必要なパッケージをインストールします。

    pip install -r requirements.txt
   

3. FFmpeg がシステムにまだインストールされていない場合は、インストールします。インストール方法はオペレーティング システムによって異なります。

使用法

1. Streamlit アプリを実行します。

    streamlit run .srcapp.py
   

2. 表示された入力フィールドに YouTube ビデオの URL を入力します。

3. アプリは音声をダウンロードして文字起こしし、ページネーション付きで文字起こしを表示します。

仕組み

1. オーディオのダウンロード: download_audio関数は、yt-dlp を使用して、指定された YouTube URL からオーディオをダウンロードします。音声を WAV ファイルとして保存します。

2. オーディオの転写: transcribe_audio関数は、OpenAI の Whisper モデルを使用して、ダウンロードされたオーディオ ファイルを転写します。

3. トランスクリプトの表示: display_transcript_with_pagination関数は、トランスクリプトをページに分割し、Streamlit の UI コンポーネントを使用して表示します。

4. Process Audio : process_audio関数は、ダウンロードから文字起こし、結果の表示までのプロセス全体を調整します。

カスタマイズ

• Whisper モデルのサイズを変更するには、 transcribe_audio関数のmodel_nameパラメーターを変更します。
• display_transcript_with_paginationのtokens_per_pageパラメーターを調整して、ページごとに表示されるテキストの量を変更します。

注記

このアプリケーションは、特に長いビデオの場合、大量の計算リソースを必要とします。 CUDA 対応 GPU を使用すると、文字起こしプロセスを大幅に高速化できます。

ライセンス

MITライセンス