Как перевести видео из ютуба в текст

Поисковики предлагают очень много решений этой задачи. Платные сервисы справляются достаточно хорошо.

Минусы бесплатных сервисов:

Цель этой статьи – показать именно бесплатный способ. При этом получить качественный результат на выходе. На мой взгляд, самые главные преимущества предложенного ниже варианта – это довольно качественное распознавание разных голосов и точное определение таймкодов. Используется модель Whisper. Это модель машинного обучения для распознавания и транскрипции речи, созданная компанией OpenAI и выпущенная с открытым исходным кодом в сентябре 2022 года.

У Ютуба есть встроенная функция транскрибации. Разверните описание видео. Снизу кнопка:

Но качество текста очень-очень не очень. Многие слова неверно переведены. Также нет разделения на голоса:

В этой статье предлагается техническое решение. Необязательно быть программистом, достаточно точно следовать по шагам. Думаю, любой справится.

1. Зайдите на свой гугл драйв (нужна гугл почта).

2. Установите приложение Colaboratory.

Colaboratory (или просто Colab) – сервис от Google, который позволяет писать и выполнять код Python в браузере.

3. Нажмите на большую кнопку «+» в левом верхнем углу и выберите Google Colaboratory. Открывается страница с Colab-документом. Это такой же файл, как любой ваш гугл документ или гугл таблица. Поэтому этот файл автоматически сохранится на вашем гугл диске.

4. В меню (в верхней части документа) выберите «Среда выполнения» -> «Сменить среду выполнения». Откроется окно, в нем выберите T4 GPU.

5. В поле (для ввода кода) введите команду:

и нажмите слева иконку play. Время выполнения - около 1 минуты.

6. В поле (для ввода кода) введите команду:

Важно: не забудьте поменять адрес нужного вам ролика в переменной URL.

Нажмите слева иконку play. Время выполнения зависит от длительности ролика. Видео длительностью 1 час 30 минут переводилось около 10 минут. Это при условии, что вычисления выполнялись в среде T4 GPU. Иногда ресурсы заняты (если мы говорим про бесплатный тариф в Colab), тогда такой размер файла обрабатывается на обычном CPU, и процесс занимает около 2 часов.

7. В панели слева кликните правой кнопкой мыши и выберите "Обновить". Появятся файлы result.tsv и result.json. Их можно скачать (наведите курсор на название файла, справа появится иконка с тремя точками).

Качество вполне хорошее. Но лучше бегло пробежаться и проверить на явные ляпы.

Если у вас возникли трудности с запуском или вопросы, напишите в комментарии. Постараюсь помочь.

Этим способом можно вытягивать текст из любых видео/аудио, не только из Ютуба. Можно почитать в статье, в ней подробнее описания шагов и больше скриншотов.