V2EX = way to explore
V2EX 是一个关于分享和探索的地方
现在注册
已注册用户请  登录
Jenqyang
V2EX  ›  程序员

B 站那种视频总结账号和总结插件的时间线功能是怎么做的?

  •  
  •   Jenqyang · 262 天前 · 2264 次点击
    这是一个创建于 262 天前的主题,其中的信息可能已经有所发展或是发生改变。

    除了总结视频,很多这类总结账号和总结插件都提供了时间线,或者叫时间点跳转的功能,我观察了几个总结之后发现,这些时间点并不是长度相同的间隔,也就是说有可能真的是按照内容来分块总结的,思来想去找不到比较优雅的解决方案,在 twitter 有个开发者的帖子说可以用提示词解决,有大佬知道其他的解决方案或者开源项目吗?

    7 条回复    2024-03-07 22:10:43 +08:00
    yyzh
        1
    yyzh  
       262 天前
    mmxq
        2
    mmxq  
       262 天前
    有个思路:b 站视频有自带的字幕,字幕导出后就自带时间点和每一个时间点的文字。
    只要利用这个就能轻松做出自带时间线的总结了。
    类似项目:
    https://github.com/IndieKKY/bilibili-subtitle 这个项目就是依托本身生成的字幕,加入了 ChatGPT 总结出来的。
    mxT52CRuqR6o5
        3
    mxT52CRuqR6o5  
       262 天前
    没人说话的视频都总结不了,都是靠语音识别出的文字进行总结的
    noahlias
        4
    noahlias  
       262 天前
    这种挺好做的你吧字幕加上时间线 给大语言模型总结下 类似 ai 搜索的方式 让它自己标注内容引用的源时间轴
    edotac
        5
    edotac  
       262 天前
    1 、ffmpeg 提取音频
    2 、通过 Asr 比如开源的 [whisper]( https://github.com/openai/whisper) 生成字幕文件
    3 、交给 GPT 总结一下
    noahlias
        6
    noahlias  
       262 天前
    不过有一种视频总结更加准确 用视频的里面图片( https://cookbook.openai.com/examples/gpt_with_vision_for_video_understanding) 用 vision 模型获取文本 这种总结更加准确
    但是成本很高 大佬 Andrej Karpathy 在 x( https://twitter.com/karpathy/status/1760740503614836917)上提到了这种想法 下面有很多实现方案 其中有一个是最近的 claude3 Opus demo( https://hundredblocks.github.io/transcription_demo/) 代码( https://github.com/hundredblocks/transcription_demo/)
    其实 之前也有人去做 比如 gemini1.5 ( https://simonwillison.net/2024/Feb/21/gemini-pro-video/)都是用大窗口模型来弄的
    zhiyu1998
        7
    zhiyu1998  
       262 天前
    我是做的 Yunzai-Bot 的插件,之前就用的字幕根据算法做的,但是嫌麻烦删了,然后用官方的 AI 了。

    如果对你有帮助可以参考,Node.js 写的: https://gitee.com/kyrzy0416/rconsole-plugin
    关于   ·   帮助文档   ·   博客   ·   API   ·   FAQ   ·   实用小工具   ·   4185 人在线   最高记录 6679   ·     Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 · 21ms · UTC 04:13 · PVG 12:13 · LAX 20:13 · JFK 23:13
    Developed with CodeLauncher
    ♥ Do have faith in what you're doing.