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
- 创建一个 Google Cloud 项目或使用现有项目
- 启用 YouTube API
- 为桌面应用授权凭据
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()
API 参考:GoogleApiClient | GoogleApiYoutubeLoader