A ferramenta sugere diferentes legendas/hanstags para TikTok ou Instagram, já que as tendências variam em cada plataforma
Há uma interface interessante que você pode usar para interagir com a ferramenta aqui
Carregue seu arquivo de vídeo e pronto
Alternativamente, o aplicativo pode ser executado clonando este repositório e trabalhando com ele localmente
Clonar repositório
git clone https : // github . com / tjoab / captionaize . git
cd captionaize
Configure seu ambiente virtual usando Python 3.11
python3 - m venv venv
source venv / bin / activate
Instale dependências pip3 install -r requirements.txt
(A dependência do Streamlit não é necessária se você não planeja executar o aplicativo Streamlit localmente - pode ser removida)
Crie um novo arquivo de script principal
Importe o módulo helper.py
para o seu script principal
Adicione o seguinte ao seu 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 )
A variável response
contém a resposta bruta da solicitação LLM, que pode ser impressa diretamente e inspecionada, mas é um pouco feia. Você também pode importar a função parseResponse()
do módulo helper
e obter uma tupla formatada:
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 )
Este projeto está licenciado sob a licença MIT - consulte o arquivo LICENSE.md para obter detalhes
Se você achar este projeto útil, pode me apoiar comprando um café: