YouTube 逐字稿分析器

這是一個可以分析 YouTube 影片逐字稿並生成摘要的程式，完成以下功能：

功能特色

1. URL 輸入: 詢問使用者輸入 YouTube URL
2. 逐字稿提取:
   • 英文影片：提取英文逐字稿
   • 中文影片：提取沒有標點符號的逐字稿
3. LLM 處理:
   • 英文逐字稿：翻譯成中文
   • 中文逐字稿：加上標點符號
4. 摘要生成: 將逐字稿整理成條列式摘要

檔案說明

1. YouTube_Transcript_Analyzer.ipynb (推薦)

• 適用於: Google Colab
• 特點: Jupyter Notebook 格式，分步驟執行
• 使用方式: 直接在 Google Colab 中開啟並執行

2. youtube_analyzer_colab.py

• 適用於: Google Colab
• 特點: Python 腳本格式
• 使用方式: 在 Colab 中執行整個腳本

3. youtube_transcript_analyzer.py

• 適用於: 本地環境
• 特點: 完整的 Python 類別實作
• 使用方式: 需要先安裝依賴套件

使用方法

在 Google Colab 中使用（推薦）

1. 開啟 Google Colab
2. 上傳 YouTube_Transcript_Analyzer.ipynb 檔案
3. 依序執行每個 cell
4. 在提示時輸入 YouTube URL

在本地環境使用

1. 安裝依賴套件：

   pip install -r requirements.txt

2. 安裝並設定 Ollama：

   # 安裝 Ollama
   curl -fsSL https://ollama.com/install.sh | sh
   
   # 啟動服務
   ollama serve
   
   # 下載 Gemma 7B 模型
   ollama pull gemma:7b

3. 執行程式：

   python youtube_transcript_analyzer.py

依賴套件

• yt-dlp: YouTube 影片下載
• openai-whisper: 語音轉文字
• langchain-community: LLM 整合
• torch: PyTorch 深度學習框架
• ffmpeg: 音訊處理（需要系統安裝）

注意事項

1. 影片長度: 建議測試影片長度控制在 4-5 分鐘以內，避免記憶體不足
2. 網路連線: 需要穩定的網路連線下載影片和模型
3. 計算資源: Whisper 和 LLM 模型需要一定的計算資源
4. 模型下載: 首次使用時需要下載 Whisper 和 Gemma 模型，可能需要較長時間

程式流程

1. 使用者輸入 YouTube URL
2. 下載影片音訊檔案
3. 使用 Whisper 提取逐字稿並檢測語言
4. 根據語言使用 LLM 進行：
   • 英文 → 中文翻譯
   • 中文 → 加標點符號
5. 使用 LLM 生成條列式摘要
6. 清理臨時檔案

範例輸出

=== YouTube 逐字稿分析器 ===

請輸入 YouTube 影片 URL: https://www.youtube.com/watch?v=example

==================================================
原始逐字稿:
==================================================
Hello everyone, welcome to our channel...

==================================================
翻譯結果:
==================================================
大家好，歡迎來到我們的頻道...

==================================================
摘要:
==================================================
• 頻道介紹與歡迎詞
• 影片主要內容說明
• 重要觀點總結

疑難排解

常見問題

1. LLM 連接失敗

   • 確保 Ollama 服務正在運行
   • 檢查 Gemma 7B 模型是否已下載

2. 音訊下載失敗

   • 檢查 YouTube URL 是否正確
   • 確認網路連線穩定
   • 檢查影片是否有地區限制

3. 記憶體不足

   • 使用較短的測試影片
   • 在 Colab 中使用 GPU 運算環境

4. FFmpeg 相關錯誤

   • 在 Colab 中執行: !apt install ffmpeg
   • 在本地環境中安裝 FFmpeg

作業要求對照

✅ 能詢問使用者，讓他/她輸入一個 YouTube 的 URL（一分）

• 實作在 get_youtube_url() 函數中

✅ 能印出逐字稿。如果影片是英文，則印出英文逐字稿。如果影片是中文，則印出沒有標點符號的逐字稿（兩分）

• 使用 Whisper API 自動檢測語言並提取逐字稿

✅ 能連上一個大語言模型（LLM）。如果逐字稿是英文，則用 LLM 把逐字稿翻譯成中文印出。如果逐字稿是中文，則用 LLM 替它加上標點符號印出（兩分）

• 使用 Ollama + Gemma 7B 模型進行處理

✅ 能要求大語言模型（LLM），將逐字稿摘要（Summarize）整理成條列（Bullet Points）的形式印出（兩分）

• 實作在 generate_summary() 函數中

授權

此程式僅供學術用途使用。