Skip to main content
Open In Colab在 GitHub 上打开

YouTube 转录

YouTube 是由 Google 创建的在线视频共享和社交媒体平台。

此笔记本介绍如何从YouTube transcripts.

from langchain_community.document_loaders import YoutubeLoader
API 参考：YoutubeLoader
%pip install --upgrade --quiet  youtube-transcript-api
loader = YoutubeLoader.from_youtube_url(
    "https://www.youtube.com/watch?v=QsYGlZkevEg", add_video_info=False
)
loader.load()

添加视频信息

%pip install --upgrade --quiet  pytube
loader = YoutubeLoader.from_youtube_url(
    "https://www.youtube.com/watch?v=QsYGlZkevEg", add_video_info=True
)
loader.load()

添加语言首选项

Language param ： 是优先级降序排列的语言代码列表，en默认情况下。

翻译参数 ：这是一个翻译偏好，您可以将可用的成绩单翻译成您的首选语言。

loader = YoutubeLoader.from_youtube_url(
    "https://www.youtube.com/watch?v=QsYGlZkevEg",
    add_video_info=True,
    language=["en", "id"],
    translation="en",
)
loader.load()

将转录文本作为带时间戳的块获取

获取一个或多个Document对象，每个对象都包含一个视频脚本块。可以指定块的长度（以秒为单位）。每个区块的元数据都包含 YouTube 上视频的 URL，该 URL 将在特定区块的开头开始视频。

transcript_formatparam：其中一个langchain_community.document_loaders.youtube.TranscriptFormat值。在这种情况下，TranscriptFormat.CHUNKS.

chunk_size_secondsparam：每个转录数据块表示的视频秒数的整数。默认值为 120 秒。

from langchain_community.document_loaders.youtube import TranscriptFormat

loader = YoutubeLoader.from_youtube_url(
    "https://www.youtube.com/watch?v=TKCMw0utiak",
    add_video_info=True,
    transcript_format=TranscriptFormat.CHUNKS,
    chunk_size_seconds=30,
)
print("\n\n".join(map(repr, loader.load())))
API 参考：TranscriptFormat

来自 Google Cloud 的 YouTube 加载器

先决条件

  1. 创建 Google Cloud 项目或使用现有项目
  2. 启用 Youtube API
  3. 为桌面应用程序授权凭据
  4. pip install --upgrade google-api-python-client google-auth-httplib2 google-auth-oauthlib youtube-transcript-api

🧑 有关提取 Google 文档数据的说明

默认情况下，GoogleDriveLoader期望credentials.json文件~/.credentials/credentials.json，但这可以使用credentials_filekeyword 参数。同样token.json.请注意，token.json将在您第一次使用 loader 时自动创建。

GoogleApiYoutubeLoader可以从 Google Docs 文档 ID 列表或文件夹 ID 加载。您可以从 URL 获取文件夹和文档 ID： 请注意，根据您的设置，service_account_path需要设置。有关更多详细信息，请参阅此处。

# Init the GoogleApiClient
from pathlib import Path

from langchain_community.document_loaders import GoogleApiClient, GoogleApiYoutubeLoader

google_api_client = GoogleApiClient(credentials_path=Path("your_path_creds.json"))


# Use a Channel
youtube_loader_channel = GoogleApiYoutubeLoader(
    google_api_client=google_api_client,
    channel_name="Reducible",
    captions_language="en",
)

# Use Youtube Ids

youtube_loader_ids = GoogleApiYoutubeLoader(
    google_api_client=google_api_client, video_ids=["TrdevFK_am4"], add_video_info=True
)

# returns a list of Documents
youtube_loader_channel.load()