为YouTube视频构建AI驱动的问答系统

首页

新闻

2025-06-03

AlbertKing

你是否曾花费数小时浏览YouTube视频，试图在无尽的音频流中寻找智慧的珍珠？想象一下：你坐在那里，一个接一个地点击播放教程视频，希望能偶然发现你所需的关键信息。现在，想象一个世界，你可以瞬间浏览所有内容，提取你需要的部分，甚至能针对特定问题得到答案——只需轻轻一挥手指。本文将向你展示如何使用最新的AI工具为YouTube视频构建你自己的问答系统。通过结合Chroma、LangChain和OpenAI的Whisper，你可以将数小时的音频转化为可操作的见解。从总结长篇讲座到找到关键时刻的精确时间戳，这个系统将彻底改变你消费视频内容的方式。

对AI工具、编程技巧有迫切问题，或者只是需要一个可以尽情探讨的空间？加入我们的Discord社区——这是与志同道合的人连接的完美场所！

为YouTube视频构建问答系统

在深入之前，我们先谈谈为什么这值得你花时间。在当今快节奏的数字世界，人们不断被信息轰炸。无论你是试图掌握复杂概念的学生，还是渴望保持领先的专业人士，高效地从冗长的YouTube视频中提取知识至关重要。问答系统通过将数小时的内容浓缩为易于消化的摘要，让你能够精准定位所需信息。把它想象成将你喜爱的视频变成一张能回答所有迫切问题的备忘单。

它的工作原理是这样的：想象你提问，“向量数据库和关系数据库有什么区别？”系统无需你花费数小时观看视频，就能提取相关片段，给你答案，甚至告诉你精确的时间戳。不再浪费时间漫无目的地滑动——只有纯粹、专注的学习。此外，这不仅限于学术用途；对于分析商业通话、播客片段或任何其他形式的音频内容同样有用。

核心组件：Chroma、LangChain和OpenAI的Whisper

要构建这个问答系统，你将依赖三个协同工作的强大工具：

Chroma

Chroma标志

Chroma是向量存储的可靠助手。把它想象成一个超级智能的文件柜，将文本数据组织成可搜索的向量。为什么这很重要？因为Chroma让你无需翻阅大量文本，就能进行闪电般的相似性搜索。当你提问时，它会快速将你的问题与视频转录中最相关的部分匹配。Chroma的高效使其非常适合处理大型数据集，如转录文本，确保你能迅速得到答案。

LangChain

LangChain是整个操作的大脑。它像指挥家一样协调一切——从提取转录到生成答案。凭借其模块化设计，LangChain无缝连接不同的AI组件，确保它们和谐协作。例如，它负责保持多次交互的上下文，让对话自然流畅。LangChain的灵活性意味着你可以根据需求调整系统，无论是追求简洁的摘要还是详细的解释。

OpenAI的Whisper

在将音频转化为文本方面，Whisper是王者。这款开源工具擅长将口语转化为书面形式，处理从细微口音到嘈杂环境的一切。其可靠性确保生成的文本尽可能准确，为有效分析奠定基础。没有Whisper，系统将难以解读原始音频数据。

构建问答系统的分步指南

准备好卷起袖子打造一个很棒的东西了吗？按照以下步骤创建你的个性化YouTube问答系统：

步骤1：安装所需库

首先安装必要的库。每个库在流程中都扮演着重要角色：

whisper：将音频转化为文本。
pytube：下载YouTube视频。
langchain：处理问答逻辑。
chromadb：存储嵌入以实现高效搜索。
openai：与OpenAI的模型交互。

在终端运行以下命令：

text

pip install git+https://github.com/openai/whisper.git
pip install pytube
pip install langchain
pip install chromadb
pip install openai

确保每个库正确安装后再继续。

步骤2：导入必要模块

安装好库后，将它们导入你的脚本：

text

import whisper
import torch
import os
from pytube import YouTube
from langchain.text_splitter import CharacterTextSplitter
from langchain.document_loaders import DataFrameLoader
from langchain.vectorstores import Chroma
from langchain.chains import RetrievalQAWithSourcesChain
from langchain.embeddings.openai import OpenAIEmbeddings
from langchain.llms import OpenAI
import pandas as pd

这些模块为所需功能提供了支持。

步骤3：配置设备并加载Whisper模型

决定是使用GPU（如果可用）还是CPU：

text

device = "cuda" if torch.cuda.is_available() else "cpu"
whisper_model = whisper.load_model("large", device=device)

选择合适的模型大小取决于你的硬件。较大的模型提供更高准确性，但需要更多资源。

步骤4：从YouTube视频提取音频

创建一个函数来下载并保存音频：

text

def extract_and_save_audio(video_url, destination, final_filename):
    video = YouTube(video_url)
    audio = video.streams.filter(only_audio=True).first()
    output_path = audio.download(output_path=destination)
    ext = os.path.splitext(output_path)[1]
    new_file = final_filename + '.mp3'
    os.rename(output_path, new_file)
    return new_file

此函数从YouTube视频中提取音频流并保存为MP3文件。干净的音频对于准确转录至关重要。

步骤5：转录音频并将其分成块

使用Whisper转录音频：

text

audio_file = 'geek_avenue.mp3'
result = whisper_model.transcribe(audio_file)
transcription = pd.DataFrame(result['segments'])

现在，将转录分成可管理的块：

text

def chunk_clips(transcription, clip_size):
    texts = []
    sources = []
    for i in range(0, len(transcription), clip_size):
        clip_df = transcription.iloc[i:i + clip_size]
        text = '. '.join(clip_df['text'].to_list())
        sources.append(text)
        text = '. '.join(clip_df['text'].to_list())
        source = str(round(clip_df.iloc[0]['start'] / 60, 2)) + "--" + str(round(clip_df.iloc[-1]['end'] / 60, 2)) + " 分钟"
        texts.append(text)
        sources.append(source)
    return texts, sources

texts, sources = chunk_clips(transcription, clip_size=4)

分块可以防止系统超出令牌限制，并保持内容可管理。

步骤6：创建嵌入并设置Chroma

为文本块生成嵌入：

text

embeddings = OpenAIEmbeddings()
df = pd.DataFrame({'text': texts, 'sources': sources})
document_loader = DataFrameLoader(df, page_content_column="text")
documents = document_loader.load()

使用这些文档初始化Chroma：

text

vectorstore = Chroma.from_documents(documents=documents, embedding=embeddings, persist_directory="./chroma_db")
vectorstore.persist()

这将设置一个本地数据库，Chroma在其中存储嵌入的文本块。

步骤7：构建问答链

使用LangChain将所有内容整合在一起：

text

chain = RetrievalQAWithSourcesChain.from_chain_type(
    llm=OpenAI(temperature=0.5),
    chain_type="stuff",
    retriever=vectorstore.as_retriever()
)

这个链结合了语言模型和检索器，以高效地获取和回答问题。

步骤8：测试系统

使用示例查询测试你的问答系统

马乔里·泰勒·格林批评AI聊天机器人Grok涉嫌左翼偏见上周，埃隆·马斯克的AI聊天机器人Grok出现故障，导致其在用户提出无关问题时讨论南非的“白人种族灭绝”阴谋论。此后不久，Grok质疑了大屠杀死亡人数，将问题归咎于“编码故障”。令人意外的是，众议员马乔里·泰勒·格林（共和党-乔治亚州）称埃隆·马斯克的AI创作Grok过于进步。图片来源：Twitter/X（截图）“Grok倾向左翼并传播虚假叙事，”格林在X上发帖说。她分享了一张截图，Grok在其中

AI语音翻译器G5 Pro：无缝全球沟通在全球互联至关重要的世界中，弥合语言差距比以往任何时候都更重要。AI语音翻译器G5 Pro以其实时翻译功能为多种场景提供实用解决方案。无论您是探索新国家、进行国际商务，还是学习新语言，此设备都能轻松简化沟通。本文深入探讨AI语音翻译器G5 Pro的功能、优势和应用，展示其如何在多语言环境中增强互动。主要亮点AI语音翻译器G5 Pro支持多种语言，促进全球互联。其即时翻译功能支持旅行、教育和商务等场

使用HitPaw AI照片增强器提升您的图像：全面指南想改变您的照片编辑体验吗？凭借尖端人工智能技术，改善您的图像现在变得轻而易举。本详细指南介绍了HitPaw AI照片增强器，这是一款离线AI工具，可自动提升图像质量和分辨率。无论您是经验丰富的摄影师还是希望优化个人快照的爱好者，HitPaw AI照片增强器都能提供强大的功能，带来惊艳的效果。主要亮点HitPaw AI照片增强器是一款适用于Windows和Mac的AI驱动解决方案，旨在提升图像质量。

0/200

提交

JoseAdams