用Python搭配OpenAI取得油管影片摘要

也许随着AI的持续发展，这个标题在未来真的可以实现，但并不是现在。

尽管ChatGPT的出现，让写程序的门槛大幅降低；但现在还是有不少ChatGPT无法解决，或是解决不好的问题。

这篇文章会用栗子让读者理解ChatGPT在写程序上的局限，以及适合使用的场景。

提醒大家，不要未经授权下载有版权保护的影片喔！

开发步骤：

STEP 1：安装相关Python 套件，pip install pytube pydub openai

STEP 2：建立一个ytb2txt.py的文件，贴上ChatGPT 的程序。

vi ytb2txt.py

from pytube import YouTube 
from pydub import AudioSegment 
import openai # 设定要下载的影片URLurl = "https://www.youtube.com/watch?v=JuntxVmi3wM" # 建立YouTube对象
yt = YouTube(url) # 取得影片的音轨
audio_stream = yt.streams. filter (only_audio= True ).first() # 下载音轨到指定的路径
audio_stream.download(output_path= "./save" , filename= "audio.mp3" ) # 读取下载下来的音频文件
audio_file = AudioSegment.from_file( "./audio.mp3" ) # 切割音频文件成多个小文件
chunk_size =100 * 1000   # 100 秒
chunks = [audio_file[i:i+chunk_size] for i in  range ( 0 , len (audio_file), chunk_size)] # 使用OpenAI 的Audio API 将每个小文件转成文字，然后合并在一起
openai.api_key = "YOUR_API_KEY"transcript = "" 
for chunk in chunks: with chunk.export( "temp.wav" , format = "wav" ) as f: result = openai.Audio.transcribe( "whisper-1" , f) transcript += result[ "text"]# 整理逐字稿
completion = openai.ChatCompletion.create( model= "gpt-3.5-turbo" ,    #用turbo可以省钱哦messages=[ { "role" : "user" , "content" : "使用简体中文阅读，帮我改错字、加标点符号，并分段使内容更通顺：\n" +transcript} ] 
) # 打印出整理后的文字
print (completion.choices[ 0 ].message.content)

STEP 3：在终端机输入python ytb2txt.py，然后稍等一段时间…就会看到成果啦！

表面上看起来整理得挺不错，但仔细看会发现结尾突然断掉了，这是为什么呢？

这边用OpenAI官方文件比较好说明，每个GPT模型都有自己的max_tokens，我们选用的 gpt-3.5-turbo 最高上限是4096。

https://platform.openai.com/docs/models/gpt-3.5

所以截断的原因就是我们的prompt太长了，所谓prompt长度就是我们传入的逐字稿长度。

而中文跟英文计算Token 的方式也不尽相同，如果使用英文，1000 个tokens 大约等于750 个单字；但如果使用中文，1000 个tokens 大约只有400 字。

https://platform.openai.com/tokenizer
上面是补充说明，让我们回到原本的话题，我们要如何让逐字稿完整的被整理，不要被截断呢？

最直觉的做法就是将逐字稿「分段」传送过去，4096 的token 换算成中文大约1600 字，我们保守一点，用「1200」的长度来做分割，下面是整理好的程序。

# 依照我们指定的长度分割字串
def  split_text ( text, max_length ): return [text[i:i+max_length] for i in  range ( 0 , len (text), max_length)] # 整理逐字稿
def  process_text ( text ): response = openai.ChatCompletion.create( model= "gpt-3.5-turbo" , messages=[ { "role" : "system" , "content" : "You are a helpful assistant." }, { "role" :"user" , "content" : "使用简体中文阅读，帮我改错字、加标点符号，并分段使内容更通顺：\n" +text} ] ) return response.choices[ 0 ].message.content # 处理长字串
def  process_long_text ( long_text ): text_list = split_text(long_text, 1200 ) processed_text_list = [process_text(text) for text in text_list] return  "" .join(processed_text_list) # 调用处理函数
processed_transcript = process_long_text(transcript) # 打印出处理后的逐字稿
print (processed_transcript)