進階應用！詢問 ChatGPT 如何用 Python 將 Youtube 影片轉換成逐字稿（OpenAI 的 whisper）
上一篇文章中，筆者靠 ChatGPT 成功將 Youtube 影片轉換成音檔（mp3），在這篇文章中，我會分享如何用 OpenAI 提供的 whisper api 將 音檔轉成逐字稿。
如果沒有程式基礎的朋友，建議先從上一篇文章開始閱讀。
提醒大家，不要未經授權下載有版權保護的影片喔！
目前的 ChatGPT 資料截止於 2021 年 9 月，如果用到最近才新增的技術，我們還是要先到官網查看文件。
OpenAI 技術文件：https://platform.openai.com/docs/guides/speech-to-text
儘管 ChatGPT 不知道未來世界的資料，但我們還是可以請他幫我們將程式重組。
😀：「下面是我用 Python 寫的 Youtube 影片轉成音檔的程式，我想要在這個基礎上擴充功能，我在後續的對話中會提出自己的需求，請問你可以幫忙嗎？
from pytube import YouTube
from pydub import AudioSegment
# 設定要下載的影片 URL
url = "https://www.youtube.com/watch?v=IvOdTbIYZs4"
# 建立 YouTube 物件
yt = YouTube(url)
# 取得影片的音軌
audio_stream = yt.streams.filter(only_audio=True).first()
# 下載音軌到指定的路徑
audio_stream.download(output_path="path/to/save/directory", filename="audio")
# 讀取下載下來的音檔
audio_file = AudioSegment.from_file("path/to/save/directory/audio")
# 檢查音檔是否可以正常解碼
print(audio_file)
# 將音檔轉換為 MP3 格式
mp3_file = audio_file.export("path/to/save/directory/audio.mp3", format="mp3")
😀：「我找到了一個可以將 mp3 檔案轉成文字檔的套件，官方範例如下，我要如何將他與我現在的程式結合呢？
import openai
audio_file= open("/path/to/file/audio.mp3", "rb")
transcript = openai.Audio.transcribe("whisper-1", audio_file)
有了 ChatGPT 的提示後，我們可以按照下面的步驟操作。
SETP 1：安裝新套件：pip3 install openai。
如果上一篇文章沒有安裝到，請記得順便安裝不然會有錯誤訊息喔：
pip install pydub pytube
SETP 2：建立一個檔案youtube-to-text.py，然後貼上 ChatGPT 提供的程式。
from pytube import YouTube
from pydub import AudioSegment
import openai
# 設定要下載的影片 URL
url = "https://www.youtube.com/watch?v=IvOdTbIYZs4"
# 建立 YouTube 物件
yt = YouTube(url)
# 取得影片的音軌
audio_stream = yt.streams.filter(only_audio=True).first()
# 下載音軌到指定的路徑
audio_stream.download(output_path="path/to/save/directory", filename="audio")
# 讀取下載下來的音檔
audio_file = AudioSegment.from_file("path/to/save/directory/audio")
# 將音檔轉換為 WAV 格式
wav_file = audio_file.export("path/to/save/directory/audio.wav", format="wav")
# 使用 OpenAI 的 Audio API 將音檔轉成文字
openai.api_key = "YOUR_API_KEY"
with open("path/to/save/directory/audio.wav", "rb") as f:
transcript = openai.Audio.transcribe("whisper-1", f)
# 印出轉換後的文字
print(transcript)我們原本是將 Youtube 轉換成 mp3 檔，而這次 ChatGPT 改寫的過程中，把它轉換成了 wav 檔；並且對我們提供的範例程式做了一定程度的改寫（ex：告訴我們要自己填入”YOUR_API_KEY”）。
SETP 3：請先去 https://platform.openai.com/account/api-keys 申請自己的 API Key，將 YOUR_API_KEY 替換成自己的。
小提醒：將 API Key 放入環境變數的作法更好，不過這篇文章以 Demo 目的為主，讀者切記不要把自己的 API Key 洩露出去了。
SETP 4：輸入 python youtube-to-text.py 執行程式，結果遇到了錯誤如下：
看不懂錯誤訊息沒關係，直接貼到 ChatGPT。
原來是檔案大小的問題，這邊筆者將 10 秒的時間拉長到 100 秒，避免聲音切割過度。
from pytube import YouTube
from pydub import AudioSegment
import openai
# 設定要下載的影片 URL
url = "https://www.youtube.com/watch?v=IvOdTbIYZs4"
# 建立 YouTube 物件
yt = YouTube(url)
# 取得影片的音軌
audio_stream = yt.streams.filter(only_audio=True).first()
# 下載音軌到指定的路徑
audio_stream.download(output_path="path/to/save/directory", filename="audio")
# 讀取下載下來的音檔
audio_file = AudioSegment.from_file("path/to/save/directory/audio")
# 切割音檔成多個小檔案
chunk_size = 100 * 1000 # 100 秒
chunks = [audio_file[i:i+chunk_size] for i in range(0, len(audio_file), chunk_size)]
# 使用 OpenAI 的 Audio API 將每個小檔案轉成文字，然後合併在一起
openai.api_key = "YOUR_API_KEY"
transcript = ""
for chunk in chunks:
with chunk.export("temp.wav", format="wav") as f:
result = openai.Audio.transcribe("whisper-1", f)
transcript += result["text"]
# 印出轉換後的文字
print(transcript)再輸入一次 python youtube-to-text.py 執行程式，接著就順利取得逐字稿啦！！！！
結論：要懂得組合應用
相比於上一篇，這篇文章的門檻比較高，像是多了：
- 前往 OpenAI 官網，取得所需技術文件
- 需要一定的英文閱讀能力（雖然你也可以請 ChatGPT 幫你翻譯）
- 讓原有程式基礎上，疊加新應用的提問技巧
不過儘管我們取得了逐字稿，但這份逐字稿真的有點醜，閱讀起來有點困難。
這邊我們可以直接把他丟到 ChatGPT，請他幫忙分段落、整理摘要。
😀：「幫我改錯字、分段、加標點符號，讓內容更通順：[逐字稿]」
😀：「幫我擷取 300 字摘要：[逐字稿]」
摘要的內容有點赤裸 😅，不過當年筆者參加比賽的確就是為了出書。
不過手動貼到 ChatGPT 還是有點麻煩，下一篇筆者就來分享如何透過 OpenAI 的 GPT-3.5 模型，幫我們整理逐字稿內容吧！
想將 AI 導入自己的職場與生活嗎？歡迎報名筆者與商周集團合作的線上課程：「AI 高效簡報術｜ChatGPT + Gamma 工作簡報」
如果您想在 AI 的浪潮中站穩腳步，並在未來的職場競爭中佔據優勢，那麼筆者出版的新書絕對是您入門 AI 的第一步！
▶︎ 如果這篇文章有幫助到你
1. 可以點擊下方「Follow」來追蹤我～
2. 可以對文章拍手讓我知道 👏🏻
你們的追蹤與鼓勵是我繼續寫作的動力 🙏🏼
▶︎ 如果你對工程師的職涯感到迷茫
1. 也許我在iT邦幫忙發表的系列文可以給你不一樣的觀點 💡
2. 也歡迎您到書局選購支持，透過豐富的案例來重新檢視自己的職涯
