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()