Transcripción con Pytube y Whisper de OpenAI: Script en Python

#

Photo by Cash Macanaya on Unsplash

La transcripción de videos ofrece una serie de beneficios, como mejorar la accesibilidad para personas con discapacidades auditivas, facilitar la búsqueda de información, permitir la creación de subtítulos y traducciones automáticas, o para trabajar con cualquier contenido multimedia.

Por un lado, encontramos a Whisper, un modelo de inteligencia artificial de código abierto desarrollado por OpenAI. Este modelo no solo facilita la conversión precisa de voz a texto, sino que también cuenta con la capacidad para detectar cualquier idioma de manera eficiente. Por otro lado, la biblioteca de Python PyTube está diseñada para descargar videos desde la plataforma de YouTube.

Si queremos transcribir el audio de cualquier video de Youtube, podemos realizarlo llevando cada paso del siguiente script:

Transcripción de Audio de un Video de YouTube

#

Instalar las dependencias necesarias

#

Se instalan las bibliotecas necesarias para utilizar el modelo de transcripción de voz Whisper.

!pip install -U openai-whisper  
!pip install --upgrade whisper

Instalación de bibliotecas para manipulación de videos y audio

#

Se instalan las bibliotecas Pytube y ffmpeg-python para la manipulación de videos y la descarga de audio.

!python -m pip install pytube  
!pip install ffmpeg-python

Importar las bibliotecas necesarias

#

from pytube import YouTube  
import whisper

Configurar el enlace de YouTube

#

El audio del video es el poema “Splendour in the grass” de William Wordsworth.

youtubeID = 'https://www.youtube.com/watch?v=-6JIaWigm-c'

Cargar el modelo de transcripción

#

Carga del modelo para la transcripción de voz.

model = whisper.load_model('small')

Subir el video desde YouTube

#

Se utiliza la biblioteca Pytube para subir el video desde YouTube y obtener información sobre él.

letterVideoYT = YouTube(youtubeID)

Obtener el audio del video

#

Se extrae el audio del video utilizando la función get_audio_only() de Pytube, que obtiene la pista de audio del video.

audio = letterVideoYT.streams.get_audio_only()

Descargar el archivo de audio

#

El audio del video se descarga y se guarda en un archivo llamado ‘audio.mp4’ en el directorio ‘/content/’.

audio.download(filename='/content/audio.mp4')

Transcribir el audio utilizando el modelo

#

Se utiliza el modelo Whisper previamente cargado para transcribir el audio del archivo ‘audio.mp4’.

result = model.transcribe('audio.mp4')

Guardar el resultado en un archivo de texto

#

El resultado de la transcripción se guarda en un archivo de texto llamado ‘resultado.txt’ en el formato UTF-8.

with open('resultado.txt', 'w', encoding='utf-8') as file:  
    file.write(result["text"])  
  
print("Resultado guardado en 'resultado.txt'")

Siguiendo los pasos anteriores, obtendrás la transcripción del video de YouTube en un archivo de texto. Aunque si deseas descargar el archivo, puedes hacerlo accediendo al enlace del repositorio.

Espero que el artículo haya sido de utilidad para ti. 🍀