TL;DW

Too Long; Don't Watch

相信大家都囤了一大堆沒時間看的課程影片，這個小工具可以節省大量時間，直接透過 AI 整理出影片重點。

還能解決聽不懂的奇怪印度、日本之類的英文腔調聽不懂獨特問題。

本腳本使用 OpenAI 的 GPT3 幫忙把課程影片總結成文字，並產出繁體中文的 Docx 報告。

轉換時間依照影片時間而定，通常影片時間與轉換時間為 1:1，主要時間耗在 AI 總結以及語音轉文字的 API 呼叫上 QQ。

使用技術 / API

• Audio to Text: Google Speech to Text
  • Free
• Image to Text: Tesseract OCR
  • Free
• AI Summary: OpenAI GPT3
  • 製作 30 分鐘的影片約需 0.3 ~ 0.7 USD

Pre-requirements

Package

應該會需要裝 ffmpeg 之類的套件，還有一堆有的沒的，噴錯的話請自己 pip 裝一裝，我懶得列ㄌ

Setup

• 可能會需要調整的參數
  • OPEN_AI_KEY：請自行至 https://platform.openai.com/account/api-keys 申請
  • THRESHOLD：如果截圖太敏感的話請把值減小
  • THREADS：選擇電腦的 CPU 核心數量
  • prompt：關於魔法詠唱部分，可視需求修改
  • 預設輸入僅支援英文影片 + 英文簡報，修改 98 行 & 108 行理論上可以支援其他語言，但我沒有測過...ㄏ。

Usage

python3 main.py [file_name.mp4]

Demo Result

(From: My Talk in BSide Tokyo / SECCON 2022)