openai_whisper_transcribe_yt_videos

Расшифровщик видео YouTube

Этот проект представляет собой приложение на основе Streamlit, которое позволяет пользователям загружать аудио из видеороликов YouTube, транскрибировать их с использованием модели OpenAI Whisper и отображать транскрипции с нумерацией страниц.

Функции

• Загрузка аудио из видео YouTube
• Транскрибируйте аудио с помощью модели OpenAI Whisper.
• Отображение транскрипции с нумерацией страниц
• Очистите имена файлов для обеспечения совместимости.
• Поддержка ускорения CUDA (если доступно)

Демо

Посмотрите демо-версию приложения: OpenAI Whisper Transcribe YouTube Videos

Требования

• Питон 3.9+
• PyTorch
• yt-dlp
• шепот
• тиктокен
• освещенный потоком света
• FFmpeg (для преобразования аудио)

Установка

1. Клонируйте этот репозиторий:

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

2. Установите необходимые пакеты:

    pip install -r requirements.txt
   

3. Установите FFmpeg, если его еще нет в вашей системе. Способы установки различаются в зависимости от операционной системы.

Использование

1. Запустите приложение Streamlit:

    streamlit run .srcapp.py
   

2. Введите URL-адрес видео YouTube в соответствующем поле ввода.

3. Приложение загрузит аудио, расшифрует его и отобразит транскрипцию с нумерацией страниц.

Как это работает

1. Загрузить аудио : функция download_audio использует yt-dlp для загрузки аудио с предоставленного URL-адреса YouTube. Он сохраняет звук в формате WAV.

2. Транскрипция аудио : функция transcribe_audio использует модель OpenAI Whisper для расшифровки загруженного аудиофайла.

3. Отобразить транскрипт : функция display_transcript_with_pagination разбивает транскрипт на страницы и отображает их с помощью компонентов пользовательского интерфейса Streamlit.

4. Process Audio : process_audio управляет всем процессом, от загрузки до расшифровки и отображения результата.

Кастомизация

• Вы можете изменить размер модели Whisper, изменив параметр model_name в функции transcribe_audio .
• Настройте параметр tokens_per_page в display_transcript_with_pagination чтобы изменить количество текста, отображаемого на странице.

Примечание

Это приложение требует значительного количества вычислительных ресурсов, особенно для более длинных видеороликов. Использование графического процессора с поддержкой CUDA может значительно ускорить процесс транскрипции.

Лицензия

Лицензия MIT