如何标点YouTube成绩单？

Question

在 Youtube 上，我可以下载视频的 CC 抄本，但抄本不包含标点符号。我怎样才能自动标点成绩单？

Answer 1

这是自然语言处理（NLP）中研究的一个问题，通常称为标点符号恢复。有一些深度学习解决方案可以实现这一点，但它们并不完美，尽管它们可以取得不错的结果。您可以尝试使用https://github.com/ottokart/punctuator2，它基于本文。（你可以在这里尝试一下）。

Answer 2

2023 年有多种方法可以实现这一目标：

1. 使用聊天GPT。它工作得很好，但由于输入文本的限制，对于长视频（60 分钟以上）来说这是一个相当麻烦的过程。除了处理批次之外，您还必须控制每个批次的输出质量，因为它还不是 100% 一致。
2. 使用深度多语言标点预测。它可以以 77% 的准确率恢复英文文本的标点符号。但它不会修复大写字母。
3. 使用yt-dlp和Whisper。从 Youtube 下载 mp3 并运行 Whisper。这个 OpenAI 的模型可以很好地完成语音到文本的转换，并提供带标点符号的输出。但对于长视频/音频来说，速度相当慢（处理 60 分钟的音频大约需要 30 分钟）。实施示例
4. 使用yt-dlp和tweet.cpp。这样工作速度更快，处理 60 分钟的音频只需不到 10 分钟。我的示例实现
5. 使用Shoki.app

Answer 3

无法从 YouTube 获取它们，您必须自己生成它们。谷歌提供了一项为任意文本生成标点符号的服务，从我个人的经验来看，它比一些竞争对手更准确，所以我会通过它来运行它。