pmarreck/yt-transcriber

何を解決するか

このツールは、YouTube動画やローカルのオーディオ/ビデオファイルをテキストに変換する方法を提供します。特定の情報を得るために動画全体を視聴する必要がなくなり、ユーザーはトランスクリプトを読むことで、コンテンツを要約したり、別の言語に翻訳したりできます。

動作方法

このアプリケーションは、オープンソースのAIツール（特にWhisperモデル）を使用するコマンドラインインターフェース（CLI）です。YouTubeのURLまたはローカルファイルパスを入力として受け取ります。ffmpegとyt-dlpを使用してYouTube動画からオーディオを抽出し、その後Whisperで音声を処理してトランスクリプトを生成します。また、要約と翻訳のための別々のスクリプトも提供されており、これらの追加処理ステップにはOpenAIのAPIが使用されています。

対象ユーザー

動画コンテンツを素早くテキストに変換したいユーザー、研究者、またはコンテンツが少ない動画を視聴する代わりに読むことで時間を節約したい人。

特徴

• Whisperを使用した自己所有のAI音声認識。複数のモデルサイズ（base、small、medium、large、large-v2）をサポート。
• ffmpegを介してYouTube URLとローカルオーディオ/ビデオファイルの両方をサポート。
• トランスクリプトとオーディオの再処理を回避するための統合キャッシュシステム。
• OpenAI API統合によるオプションの要約と翻訳機能。
• Nixによる決定論的インストールにより、依存関係の管理が簡素化されます。