openai_whisper_transcribe_yt_videos

โปรแกรมถอดเสียงวิดีโอ YouTube

โปรเจ็กต์นี้เป็นแอปพลิเคชันที่ใช้ Streamlit ซึ่งอนุญาตให้ผู้ใช้ดาวน์โหลดเสียงจากวิดีโอ YouTube ถอดเสียงโดยใช้โมเดล Whisper ของ OpenAI และแสดงการถอดเสียงด้วยการแบ่งหน้า

คุณสมบัติ

• ดาวน์โหลดเสียงจากวิดีโอ YouTube
• ถอดเสียงโดยใช้โมเดล Whisper ของ OpenAI
• แสดงการถอดเสียงด้วยการแบ่งหน้า
• ฆ่าเชื้อชื่อไฟล์เพื่อความเข้ากันได้
• รองรับการเร่งความเร็ว CUDA (ถ้ามี)

สาธิต

ดูการสาธิตแอปพลิเคชัน: OpenAI Whisper Transcribe YouTube Videos

ความต้องการ

• ไพธอน 3.9+
• ไพทอร์ช
• yt-dlp
• กระซิบ
• ติ๊กต๊อก
• สตรีมไลท์
• FFmpeg (สำหรับการแปลงเสียง)

การติดตั้ง

1. โคลนที่เก็บนี้:

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

2. ติดตั้งแพ็คเกจที่จำเป็น:

    pip install -r requirements.txt
   

3. ติดตั้ง FFmpeg หากยังไม่มีอยู่ในระบบของคุณ วิธีการติดตั้งจะแตกต่างกันไปตามระบบปฏิบัติการ

การใช้งาน

1. เรียกใช้แอป Streamlit:

    streamlit run .srcapp.py
   

2. ป้อน URL วิดีโอ YouTube ในช่องป้อนข้อมูลที่ให้ไว้

3. แอปจะดาวน์โหลดไฟล์เสียง ถอดเสียง และแสดงการถอดเสียงพร้อมการแบ่งหน้า

มันทำงานอย่างไร

1. ดาวน์โหลดเสียง : ฟังก์ชัน download_audio ใช้ yt-dlp เพื่อดาวน์โหลดเสียงจาก URL ของ YouTube ที่ให้มา มันจะบันทึกเสียงเป็นไฟล์ WAV

2. ถอดเสียง : ฟังก์ชัน transcribe_audio ใช้โมเดล Whisper ของ OpenAI เพื่อถอดเสียงไฟล์เสียงที่ดาวน์โหลด

3. Display Transcript : ฟังก์ชัน display_transcript_with_pagination จะแบ่งการถอดเสียงออกเป็นหน้าต่างๆ และแสดงโดยใช้ส่วนประกอบ UI ของ Streamlit

4. ประมวลผลเสียง : ฟังก์ชัน process_audio ควบคุมกระบวนการทั้งหมด ตั้งแต่การดาวน์โหลดไปจนถึงการถอดเสียงและแสดงผลลัพธ์

การปรับแต่ง

• คุณสามารถเปลี่ยนขนาดโมเดล Whisper ได้โดยการแก้ไขพารามิเตอร์ model_name ในฟังก์ชัน transcribe_audio
• ปรับพารามิเตอร์ tokens_per_page ใน display_transcript_with_pagination เพื่อเปลี่ยนจำนวนข้อความที่แสดงต่อหน้า

บันทึก

แอปพลิเคชันนี้ต้องการทรัพยากรการคำนวณจำนวนมาก โดยเฉพาะวิดีโอขนาดยาว การใช้ GPU ที่รองรับ CUDA สามารถเร่งกระบวนการถอดเสียงได้อย่างมาก

ใบอนุญาต

ใบอนุญาตเอ็มไอที