YouTube 转录

YouTube 是 Google 创建的一个在线视频共享和社交媒体平台。

此笔记本介绍如何从YouTube transcript 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

Language 参数：它是语言代码列表，按优先级降序排列，默认为en。

translation 参数：它是翻译偏好，您可以将可用的 transcript 翻译成您喜欢的语言。

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

获取作为时间戳分段的 transcript

获取一个或多个Document 对象，每个对象包含视频 transcript 的一部分。可以指定分段的长度（以秒为单位）。每个分段的元数据都包含 YouTube 上视频的 URL，该 URL 将从特定分段的开头开始播放视频。

transcript_format 参数：langchain_community.document_loaders.youtube.TranscriptFormat 值之一。在本例中，为TranscriptFormat.CHUNKS。

chunk_size_seconds 参数：一个整数，表示 transcript 数据每个分段所代表的视频秒数。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 Google Cloud 项目或使用现有项目
2. 启用Youtube Api
3. 授权桌面应用程序的凭据
4. pip install --upgrade google-api-python-client google-auth-httplib2 google-auth-oauthlib youtube-transcript-api

🧑 获取 Google 文档数据说明

默认情况下，GoogleDriveLoader 预期credentials.json 文件位于~/.credentials/credentials.json，但可以使用credentials_file 关键字参数进行配置。token.json 也是如此。请注意，第一次使用加载器时，token.json 将自动创建。

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

# 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()

API 参考：GoogleApiClient | GoogleApiYoutubeLoader

相关

• 文档加载器概念指南
• 文档加载器操作指南