请问: 如何让 chatGPT 总结视频的内容?

[Angela2022]

发了视频链接给 chatGPT, 返回: 抱歉，我无法访问外部链接或查看特定的在线视频内容

请问: 如何让 chatGPT 总结视频的内容? 谢谢

[Nosub]

提取音频内容，语音识别内容，然后把文字内容喂给它。

[Nosub]

补充一点，如果要一帧一帧的分析视频视频画面以及结合音频应该也是可以的，应该也有很多公司已经在做了，但是你直接丢一个视频外部链接给 ChatGPT ，是不是有点难，试想一个场景，比如一个外链，视频 2 小时，是流媒体，难道要 ChatGPT 在这个网站观看 2 小时，然后再给你结果。

[Evergreen]

@Nosub 应该不对吧，ai“观看”视频和人类不一样吧，人类需要两小时是因为需要分析视频画面内容，而 ai 处理信息的方法不一样且速度快多了

[xyy003]

可以看看这个项目： https://github.com/disingn/cliptalk

[dji38838c]

GPTs 里面不就有 Free YouTube Summarizer 吗？

[JensenQian]

现在好多都是
音频转文字，文字总结就完事

[zanshin]

大多数应该都是先提取字幕再总结内容吧？语音转文字用的时间可太久了

[SillyGod]

最简单的是直接识别音频总结
最完整的是音频+视频逐帧分析

[Bapper]

总之不管怎么样都必须文字喂给他，有字幕就字幕，没字幕就创造字幕..

[vincentqi]

https://bibigpt.co/r/VfmiZN
一个链接总结主流音视频文字媒体概要

[yanyao233]

普遍采用的方案就是音频转文字

逐帧截取也不是不行，但成本太高、耗时太长，不划算

[abc500]

poe 上好多个这样的 但现在用不了 不知道为什么 好像不是提取字幕 而是客户评价 我不确定

[xyy003]

@yanyao23 逐帧和视频字幕结合是最好的 嘎嘎准

[winterx]

很好奇 B 站的小助手是怎么实现提取这么精准的

[smalltong02]

gemini 可以处理 2 分钟以内的视频

[smalltong02]

如果你可以把音频提取出来，也可以试一下 Qwen-Audio-Chat 模型，它可以按照自然语言的要求处理音频，比如列出音频内容的提纲。

[Nosub]

@Evergreen 这里的问题不是查看方式的问题，是爬虫的问题，我特意说了流媒体，就是你不能一次性获取完整的视频，ChatGPT 还没有强大到可以爬取任意视频。

[imliukai]

@dji38838c YouTube 官方提供了视频字幕的接口，所以总结 YouTube 视频会简单很多。

[yanyao233]

@smalltong02 才知道有这么个模型 看起来有点意思

[bugu1986]

字幕 https://github.com/buhe/langchain-swift 手机不方便，用 youtubeloader

[YsHaNg]

@Nosub TensorRT-LLM maybe 可以

[Byzliu]

阿里云的通义听悟把语音转文字再发给 GPT