YouTube 字幕

YouTube 是一个由谷歌创建的在线视频分享和社交媒体平台。

本笔记本介绍如何从 YouTube 字幕 加载文档。

from langchain_community.document_loaders import 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

语言参数：这是一个按优先级降序排列的语言代码列表，默认为 en。

翻译参数：这是一个翻译偏好，您可以将可用的转录翻译为您首选的语言。

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

获取带时间戳的转录文本块

获取一个或多个 Document 对象，每个对象包含视频转录文本的一部分。可以指定每个块的长度（以秒为单位）。每个块的元数据包括视频在 YouTube 上的 URL，该 URL 将在特定块的开头开始播放视频。

transcript_format 参数：langchain_community.document_loaders.youtube.TranscriptFormat 的一个值。在这种情况下，使用 TranscriptFormat.CHUNKS。

chunk_size_seconds 参数：表示每个转录数据块的视频秒数的整数。默认值为 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())))

来自 Google Cloud 的 YouTube 加载器

前提条件

1. 创建一个 Google Cloud 项目或使用现有项目
2. 启用 Youtube Api
3. 为桌面应用授权凭据
4. pip install --upgrade google-api-python-client google-auth-httplib2 google-auth-oauthlib youtube-transcript-api

🧑 导入您的 Google Docs 数据的说明

默认情况下，GoogleDriveLoader 期望 credentials.json 文件位于 ~/.credentials/credentials.json，但可以使用 credentials_file 关键字参数进行配置。token.json 也是一样。请注意，token.json 会在您第一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 中加载。您可以从 URL 中获取您的文件夹和文档 ID： 根据您的设置，service_account_path 需要进行设置。有关更多详细信息，请参见 这里。

# 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()

相关

• 文档加载器 概念指南
• 文档加载器 操作指南