איך יוצרים כתוביות, תמליל ופרקים לפודקאסט או לסרטון יוטיוב

מתמללים פעם אחת

ייצאו את האודיו של הפרק (MP3 או M4A) או את קובץ הווידאו, העלו אותו בעזרת פונקציית העזר ממדריך עריכת הווידאו ובקשו פלט JSON:

{
  "audio_url": "https://example.com/interview.mp3",
  "model": "oracle",
  "language": "auto",
  "word_timestamps": true,
  "output_format": "json"
}

בראיונות ובפאנלים העבירו include_diarization: true כדי שיהיה ברור בתמליל מי מדבר.

כתוביות כקובץ SRT

חברו את המילים לשורות והעלו את קובץ ה־.srt ל־YouTube Studio או לשירות האירוח של הפודקאסט. במדריך ה־SRT תמצאו את הקוד לזה, וגם הסבר על איך עובד פלט ה־SRT המובנה של ה־API (שמוציא שורה נפרדת לכל מילה).

כתוביות מתורגמות

אפשר להריץ משימה שנייה על אותו קובץ עם translate_to (במודלים ממשפחת Oracle) ו־output_format: "srt", או לתרגם את הטקסט מהתוצאה הראשונה בעזרת ה־LLM. הרצת משימה נפרדת לכל שפת יעד שומרת על סנכרון בין הכתוביות לאודיו.

תמליל לתיאור הפרק

בקשו output_format: "txt" אם אתם רוצים טקסט נקי, או חברו את שדות ה־text מתוך מקטעי ה־JSON יחד עם שמות הדוברים. כדאי לעבור על הטקסט לפני הפרסום, כי תמלול אוטומטי נוטה לטעות בשמות, במוצרים ובמספרים.

פרקים עם חותמות זמן

העבירו ל־LLM את המקטעים ממוספרים ובקשו ממנו לציין איפה מתחיל כל פרק לפי מספר המקטע, אף פעם לא לפי זמן. את הזמנים עצמם חשבו בקוד מתוך המקטעים. הפרומפט הבא עובד עם כל מודל:

Below is a podcast transcript, one line per segment: S<number> [start-end] text.
Pick 5 to 9 chapter starts. For each give the segment number and a title of at most six words.
Return JSON: [{"segment": 0, "title": "Intro"}]. The first chapter must be segment 0.

chapters.py

# chapters.py — YouTube chapter lines from (seconds, title) pairs
def stamp(seconds):
    m, s = divmod(int(seconds), 60)
    h, m = divmod(m, 60)
    return f"{h}:{m:02}:{s:02}" if h else f"{m}:{s:02}"


def chapter_lines(chapters):
    return "\n".join(f"{stamp(start)} {title}" for start, title in chapters)


print(chapter_lines([(0, "Intro"), (95, "Why captions matter"), (412, "Editing from a transcript")]))

יוטיוב מזהה רשימת חותמות זמן בתיאור הסרטון והופך אותה לפרקים אם היא מתחילה ב־0:00, מכילה לפחות שלוש שורות בסדר עולה, וכל פרק נמשך עשר שניות לפחות.

כמה זה עולה

החיוב הוא לפי שנייה, בלי מינימום. לכל התעריפים: /llms/pricing.md.

שאלות ותשובות