Skip to main content
Open In ColabOpen on GitHub

YouTube 转录

YouTube 是由 Google 创建的在线视频分享和社交媒体平台。

本笔记本介绍了如何从 YouTube transcripts 加载文档。

from langchain_community.document_loaders import YoutubeLoader
API Reference: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：一个语言代码列表，按优先级降序排列，默认为 en。

translation 参数：一个翻译偏好设置，您可以将可用的字幕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()

获取带时间戳的字幕块​

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

transcript_format 参数：langchain_community.document_loaders.youtube.TranscriptFormat 的值之一。在此情况下为 TranscriptFormat.CHUNKS。

chunk_size_seconds 参数：代表每个字幕数据块的视频秒数。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 Reference:TranscriptFormat

YouTube 加载器，来自 Google Cloud​

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. 授权桌面应用的凭据
  4. pip install --upgrade google-api-python-client google-auth-httplib2 google-auth-oauthlib youtube-transcript-api

🧑 ingest 您的 Google Docs 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 同理。请注意，token.json 将在您首次使用加载器时自动创建。

GoogleApiYoutubeLoader 可以从 Google Docs 文档 ID 列表或文件夹 ID 加载数据。您可以从 URL 获取您的文件夹和文档 ID： 请注意，根据您的设置，可能需要设置 service_account_path。更多详情请参见 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()