跳到主要内容
Open In ColabOpen on GitHub

YouTube 字幕

YouTube 是一个由 Google 创建的在线视频分享和社交媒体平台。

本笔记介绍了如何从 YouTube 字幕 加载文档。

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()

添加语言偏好设置

语言参数:它是一个按降序优先级的语言代码列表,默认为 en

翻译参数:这是一个翻译偏好设置,你可以将现有字幕翻译成你偏好的语言。

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

获取带时间戳的字幕分块

获取一个或多个 Document 对象,每个对象包含视频字幕的一个分块。可以指定分块的长度(以秒为单位)。每个分块的元数据都包含一个 YouTube 视频的 URL,该 URL 将从特定分块的开头开始播放视频。

transcript_format 参数:langchain_community.document_loaders.youtube.TranscriptFormat 的值之一。在本例中为 TranscriptFormat.CHUNKS

chunk_size_seconds 参数:一个整数,表示每个字幕数据分块所代表的视频秒数。默认为 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. 创建一个 Google Cloud 项目或使用现有项目
  2. 启用 YouTube API
  3. 为桌面应用授权凭据
  4. pip install --upgrade google-api-python-client google-auth-httplib2 google-auth-oauthlib youtube-transcript-api

🧑 摄取 Google 文档数据的说明

默认情况下,GoogleDriveLoader 期望 credentials.json 文件位于 ~/.credentials/credentials.json,但这可以通过 credentials_file 关键字参数进行配置。token.json 也一样。请注意,token.json 在你第一次使用加载器时会自动创建。

GoogleApiYoutubeLoader 可以从 Google Docs 文档 ID 列表或文件夹 ID 加载。你可以从 URL 获取你的文件夹和文档 ID:请注意,根据你的设置,service_account_path 需要进行配置。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()