首页为YouTube视频构建AI驱动的问答系统
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：
textpip 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：
textimport 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：
textdevice = "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：
textdef 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：
textaudio_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：
textdef 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, sourcestexts, 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：
textembeddings = 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：
textvectorstore = 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：
textchain = 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
相关文章
雷军证实小米正在开发桌面AI助手MiClaw，MiMo-V2-Pro已登陆所有平台
在2026年中国发展高层论坛上，小米集团雷军确认，备受期待的AI助手“MiClaw”（螃蟹）桌面版现已列入开发路线图。 小米已于3月6日启动了移动端MiClaw的限时封闭测试，并在3月19日的春季新品发布会上暗示了其跨设备协作能力。 随着上周小米自主研发的大模型MiMo-V2-Pro全平台发布，MiClaw的功能已全面升级，现已开放用户测试。MiClaw是一款专为执行现实世界任务而设计的AI代理，
OpenAI重启机器人业务，Automan正在招聘从事基础设施研发的工程师
6月1日，OpenAI首席执行官萨姆·阿尔特曼在社交媒体上宣布，该公司将重返机器人领域，并发布了OpenAI机器人团队的招聘信息。 该公司正在招聘全栈硬件、运维、系统及机器学习工程师。此举标志着OpenAI在关闭早期机器人业务后，重新回归物理世界的具身智能领域，旨在将其领先的大型模型能力从数字世界延伸至真实的物理环境。阿尔特曼强调，人工智能的真正价值在于提供实质性的现实世界协助。在发展战略上，Op
贝恩预测代理式人工智能自动化领域的SaaS市场规模将达1000亿美元
贝恩公司预计，在美国，利用代理式人工智能的SaaS公司将拥有一个价值1000亿美元的市场。该公司表示，这一市场源于企业系统内部协调任务的自动化。这一估算数据来自贝恩公司关于“AI时代软件行业”五部曲系列的第二篇报告。该报告探讨了代理式AI可能开拓哪些新的软件市场，以及SaaS供应商如何抢占这些市场。企业系统中的协调工作贝恩指出，该市场的形成源于员工在不同企业应用程序间执行的手动任务。这些工作流程通
相关专题推荐
代码
最佳 AI 代码审查工具：自动确保代码符合规范，并重构遗留代码库文件
在 XIX.AI 上探索 2026 年最佳 AI 代码审查工具。我们的精选列表汇集了备受好评、具有颠覆性的工具，可自动确保代码规范并重构遗留代码库文件。通过实际测试和每周更新的排行榜，对比免费与付费选项。立即开启您的 AI 优势。
10 个工具
xix.ai
文字转语音
专为阅读障碍设计的顶级AI语音合成应用：助力学生提升学习与阅读效率
探索2026年最新精选的高评分AI语音合成（TTS）应用，专为阅读障碍者提供支持。我们的专家评级对比了免费与付费工具，重点介绍了能够提升阅读效率和学习效果的强大功能。探索这些必试的、具有革命性意义的解决方案，释放学生的潜能。立即访问XIX.AI，开启您的探索之旅。
10 个工具
xix.ai
漫画创作
少年漫画顶级AI生成器：打造高能动作场面与特效
在 XIX.AI 探索 2026 年最优秀的少年漫画 AI 生成工具。我们精心筛选的这份高评分清单汇集了强大的工具，助您创作充满张力的动作场面和动态能量特效。通过实际测试对比免费与付费选项。释放您的创作潜能，立即开始创作史诗级漫画吧！
15 个工具
xix.ai
商业
最佳 AI 费用追踪工具：扫描收据并自动分类企业开支
2026年最新最佳AI报销管理工具：广受好评的解决方案，可自动扫描收据并分类企业支出。探索这些功能强大、颠覆传统的解决方案，助您轻松管理报销、精准追踪财务并简化合规流程。我们精心整理并每周更新的免费与付费选项对比指南，助您找到最适合的工具。通过XIX.AI的专家精选，释放您的AI优势。
10 个工具
xix.ai
商业
最佳人工智能招聘工具：筛选简历并自动安排候选人面试
在 XIX.AI 上探索 2026 年最新、评价最高的人工智能招聘工具。我们精心筛选的清单汇集了功能强大、颠覆传统的解决方案，可帮助您筛选简历并自动安排候选人面试。通过实际测试和每周更新的排名，对比免费与付费选项。立即找到最适合您的招聘助手，优化您的招聘流程！
10 个工具
xix.ai
生产率
AI个人健康与专注力教练：缓解倦怠，提升精神能量
立即访问 XIX.AI，探索 2026 年最优秀的 AI 个人健康与专注力教练。我们的精选排行榜汇集了广受好评、具有颠覆性意义的工具，助您缓解倦怠、提升精神能量。通过真实案例分析，对比免费与付费选项。立即开启通往巅峰生产力和身心健康的道路。
10 个工具
xix.ai
评论 (9)
0/500
![WillieRamirez]()
Endlich! Ich hab schon so oft Stunden in Tutorials versenkt, nur um eine spezifische Info zu finden. Die Idee, ein KI-System für YouTube-Fragen zu bauen, klingt nach einem Game-Changer. Aber mal ehrlich, wird das nicht irgendwann dazu führen, dass wir gar nicht mehr zuhören, sondern nur noch Fragen in eine Maschine tippen? 😅 Trotzdem, cooles Projekt!
![JoeLewis]()
Das klingt nach einer echten Zeitersparnis! Ich schaue oft lange Tutorials und ärgere mich, wenn ich nur eine bestimmte Info suche. Die Idee, direkt Fragen an das Video zu stellen, ist genial. Hoffentlich wird das Tool auch mit deutschen Untertiteln klarkommen. 😅
![JohnGarcia]()
¡Qué buena idea! Siempre me ocurre buscar respuestas concretas en tutoriales de YouTube, pero fastidia tener que rebobinar partes enteras. Una IA que lo haga por ti sería increíble 😌. Sin embargo, me genera duda hasta dónde llegará la precisión con videojuegos, doblajes o temas muy especializados.
![CharlesWhite]()
Qué idea tan práctica, la aplicación de IA en contenido multimedia me parece el siguiente paso lógico. Aunque, ¿no creéis que esto podría hacer que la gente deje de ver videos por completo y solo consulte respuestas rápidas? Perderíamos esa serendipia de descubrir cosas inesperadas al ver el contenido completo 😅 Me pregunto si YouTube implementará algo así nativamente pronto.
![JoseAdams]()
Un système de Q&A par IA pour YouTube ? Génial ! Fini les heures à chercher une info précise. Hâte de voir ça en action ! 😊
![GregoryClark]()
Классная идея с ИИ для YouTube! Теперь не придется часами искать нужный момент в видео. Надеюсь, оно справится с длинными лекциями! 🚀
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：
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：
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：
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：
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：
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：
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, sourcestexts, 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：
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：
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：
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
雷军证实小米正在开发桌面AI助手MiClaw，MiMo-V2-Pro已登陆所有平台
在2026年中国发展高层论坛上，小米集团雷军确认，备受期待的AI助手“MiClaw”（螃蟹）桌面版现已列入开发路线图。 小米已于3月6日启动了移动端MiClaw的限时封闭测试，并在3月19日的春季新品发布会上暗示了其跨设备协作能力。 随着上周小米自主研发的大模型MiMo-V2-Pro全平台发布，MiClaw的功能已全面升级，现已开放用户测试。MiClaw是一款专为执行现实世界任务而设计的AI代理，
OpenAI重启机器人业务，Automan正在招聘从事基础设施研发的工程师
6月1日，OpenAI首席执行官萨姆·阿尔特曼在社交媒体上宣布，该公司将重返机器人领域，并发布了OpenAI机器人团队的招聘信息。 该公司正在招聘全栈硬件、运维、系统及机器学习工程师。此举标志着OpenAI在关闭早期机器人业务后，重新回归物理世界的具身智能领域，旨在将其领先的大型模型能力从数字世界延伸至真实的物理环境。阿尔特曼强调，人工智能的真正价值在于提供实质性的现实世界协助。在发展战略上，Op
贝恩预测代理式人工智能自动化领域的SaaS市场规模将达1000亿美元
贝恩公司预计，在美国，利用代理式人工智能的SaaS公司将拥有一个价值1000亿美元的市场。该公司表示，这一市场源于企业系统内部协调任务的自动化。这一估算数据来自贝恩公司关于“AI时代软件行业”五部曲系列的第二篇报告。该报告探讨了代理式AI可能开拓哪些新的软件市场，以及SaaS供应商如何抢占这些市场。企业系统中的协调工作贝恩指出，该市场的形成源于员工在不同企业应用程序间执行的手动任务。这些工作流程通
在 XIX.AI 上探索 2026 年最佳 AI 代码审查工具。我们的精选列表汇集了备受好评、具有颠覆性的工具，可自动确保代码规范并重构遗留代码库文件。通过实际测试和每周更新的排行榜，对比免费与付费选项。立即开启您的 AI 优势。
10 个工具
xix.ai
探索2026年最新精选的高评分AI语音合成（TTS）应用，专为阅读障碍者提供支持。我们的专家评级对比了免费与付费工具，重点介绍了能够提升阅读效率和学习效果的强大功能。探索这些必试的、具有革命性意义的解决方案，释放学生的潜能。立即访问XIX.AI，开启您的探索之旅。
10 个工具
xix.ai
在 XIX.AI 探索 2026 年最优秀的少年漫画 AI 生成工具。我们精心筛选的这份高评分清单汇集了强大的工具，助您创作充满张力的动作场面和动态能量特效。通过实际测试对比免费与付费选项。释放您的创作潜能，立即开始创作史诗级漫画吧！
15 个工具
xix.ai
2026年最新最佳AI报销管理工具：广受好评的解决方案，可自动扫描收据并分类企业支出。探索这些功能强大、颠覆传统的解决方案，助您轻松管理报销、精准追踪财务并简化合规流程。我们精心整理并每周更新的免费与付费选项对比指南，助您找到最适合的工具。通过XIX.AI的专家精选，释放您的AI优势。
10 个工具
xix.ai
在 XIX.AI 上探索 2026 年最新、评价最高的人工智能招聘工具。我们精心筛选的清单汇集了功能强大、颠覆传统的解决方案，可帮助您筛选简历并自动安排候选人面试。通过实际测试和每周更新的排名，对比免费与付费选项。立即找到最适合您的招聘助手，优化您的招聘流程！
10 个工具
xix.ai
立即访问 XIX.AI，探索 2026 年最优秀的 AI 个人健康与专注力教练。我们的精选排行榜汇集了广受好评、具有颠覆性意义的工具，助您缓解倦怠、提升精神能量。通过真实案例分析，对比免费与付费选项。立即开启通往巅峰生产力和身心健康的道路。
10 个工具
xix.ai
Endlich! Ich hab schon so oft Stunden in Tutorials versenkt, nur um eine spezifische Info zu finden. Die Idee, ein KI-System für YouTube-Fragen zu bauen, klingt nach einem Game-Changer. Aber mal ehrlich, wird das nicht irgendwann dazu führen, dass wir gar nicht mehr zuhören, sondern nur noch Fragen in eine Maschine tippen? 😅 Trotzdem, cooles Projekt!
Das klingt nach einer echten Zeitersparnis! Ich schaue oft lange Tutorials und ärgere mich, wenn ich nur eine bestimmte Info suche. Die Idee, direkt Fragen an das Video zu stellen, ist genial. Hoffentlich wird das Tool auch mit deutschen Untertiteln klarkommen. 😅
¡Qué buena idea! Siempre me ocurre buscar respuestas concretas en tutoriales de YouTube, pero fastidia tener que rebobinar partes enteras. Una IA que lo haga por ti sería increíble 😌. Sin embargo, me genera duda hasta dónde llegará la precisión con videojuegos, doblajes o temas muy especializados.
Qué idea tan práctica, la aplicación de IA en contenido multimedia me parece el siguiente paso lógico. Aunque, ¿no creéis que esto podría hacer que la gente deje de ver videos por completo y solo consulte respuestas rápidas? Perderíamos esa serendipia de descubrir cosas inesperadas al ver el contenido completo 😅 Me pregunto si YouTube implementará algo así nativamente pronto.
Un système de Q&A par IA pour YouTube ? Génial ! Fini les heures à chercher une info précise. Hâte de voir ça en action ! 😊
Классная идея с ИИ для YouTube! Теперь не придется часами искать нужный момент в видео. Надеюсь, оно справится с длинными лекциями! 🚀
