ASR+LLM:B站学习视屏下载并生成学习笔记

文章目录

一、背景

bilibili当前有越来越多高质量的教学视频,但是B站上没有直接下载视频的按钮,以及视频资料不利于复现回归,所以最好整理成笔记方便后续回顾。本文介绍一种B站视频下载、音频提取、使用ASR将音频转成文字,并且利用LLM大语言模型将文本生成学习笔记。

二、bilibili下载姬

B站视频下载,这里推荐开源工具bilibili下载姬,源码链接如下:

https://github.com/leiurayer/downkyi

下载v1.6版本的可执行文件,downkyi是基于aria工具实现。


三、ffmpeg提取音频

mp4文件可能比较大,我们仅仅需要提取音频即可,使用ffmpeg工具提取音频mp3文件。

复制代码
# 使用原始码率
ffmpeg -i input.mp4 -codec:a libmp3lame output.mp3

可以指定码率,一般不需要

复制代码
ffmpeg -i input.mp4 -vn -acodec libmp3lame -ar 44100 -ac 2 -ab 192k output.mp3

对于语音识别ASR模型,可能音频文件太大,需要截取音频长度,使用如下命令:

复制代码
ffmpeg -i input.mp3 -ss 00:00:10 -t 00:00:20 output.mp3
  • -ss 00:00:10:设置开始时间为 10 秒。
  • -t 00:00:20:设置持续时间为 20 秒。

四、在线音频提取文字ASR

ASR模型是用于语音识别的,这里推荐一款在线ASR工具进行语音转文字网站,注意该网站生成的文本是没有标点符号的。

https://tools.orionstar.qa/audio/

五、使用LLM 进行整理笔记

最后一步使用LLM对上述生成的文本进行整合,并形成正式文档,补充标点符号,注意不要改变原文意思。这里prompt如下,使用任意LLM大语言模型即可。

复制代码
我这里有一份没有标点符号的学习草稿文件,请在不改变原文意思的情况下帮忙整理成一份条例清晰的正式文档,以markdown形式输出,不要进行内容延展,仅进行格式整合。

六、参考链接

https://zhuanlan.zhihu.com/p/124293184

相关推荐
用户951794225102912 小时前
Agent Harness 工程(I5):权限与沙箱——让否决改变控制流
llm·agent
泯泷1 天前
OpenClaw 退潮背后,是 AI 圈“技术自嗨”的终结
人工智能·chatgpt·llm
泯泷1 天前
当"孤独的开发者"成为常态,AI正在悄悄杀死那个我们熟悉的互联网
人工智能·chatgpt·llm
泯泷1 天前
给你一个免费的20人 AI 团队,你的胜算真的变大了吗?
人工智能·llm
xyphf_和派孔明2 天前
第十章: Agent Skill的调用机制解读
langchain·llm·agent
真上帝的左手2 天前
26. AI-大语言模型-基础
人工智能·ai·架构·llm·大语言模型
XLYcmy3 天前
基于大语言模型的智能漏洞检测与修复系统 作品报告评审分析报告 上
llm·prompt·模糊测试·漏洞修复·漏洞检测·deepseek·消融实验
泯泷3 天前
Multica 真正打动我的,不是更多 Agent,而是一种新的团队协作方式
人工智能·llm·agent
XLYcmy3 天前
基于大语言模型的智能漏洞检测与修复系统 作品报告评审分析报告 下
机器学习·llm·prompt·api·token·漏洞修复·漏洞检测
M--Y3 天前
LangGraph 架构基石:持久化与运行控制
python·langchain·大模型·llm·持久化·langgraph