October 4th, 2024
前言
之前提到過，我開發了一個「透過 IFTTT 與 LangChain 打造的科技時事 LINE Bot」，這個 Bot 可以幫助我獲取所需的資訊。然而，最近我發現許多 YouTube 影片中包含了豐富的技術資訊，這促使我思考如何有效地獲取 YouTube 字幕資訊以便整理和分析。
雖然 LangChain YouTube Transcripts Loader 可以快速獲取字幕資訊，但在部署到 Google CloudRun 時卻遇到了一些問題。本文將分享我遇到的問題及解決過程，希望能對大家有所幫助。
使用 LangChain YouTube Transcripts Loader 獲取影片字幕
根據 LangChain 的教學文件 (YouTube transcripts)，我們可以使用這個套件來獲取帶有字幕的 YouTube 影片，並通過分析快速了解影片內容。以下是一些範例程式碼：
%pip install --upgrade --quiet pytube
loader = YoutubeLoader.from_youtube_url(
"https://www.youtube.com/watch?v=QsYGlZkevEg", add_video_info=True
)
loader.load()
在 GCP CloudRun 上無法獲取資料
當我嘗試將程式碼部署到 Google CloudRun 時，使用以下程式碼：
def summarized_from_youtube(youtube_url: str) -> str:
"""
Summarize a YouTube video using the YoutubeLoader and Google Generative AI model.
"""
try:
print("Youtube URL: ", youtube_url)
# Load the video content using YoutubeLoader
loader = YoutubeLoader.from_youtube_url(
youtube_url, add_video_info=True, language=["zh-Hant", "zh-Hans", "ja", "en"])
docs = loader.load()
print("Pages of Docs: ", len(docs))
# Extract the text content from the loaded documents
text_content = docs_to_str(docs)
print("Words: ", len(text_content.split()),
"First 1000 chars: ", text_content[:1000])
# Summarize the extracted text
summary = summarize_text(text_content)
return summary
except Exception as e:
# Log the exception if needed
print(f"An error occurred: {e}")
return ""
結果卻完全無法獲取任何資料，沒有錯誤訊息，但結果是空的。
Debug 1: 在 Colab 上測試相同程式碼
可以參考以下的 gist 程式碼。
起初我以為是程式碼的問題，但在 Colab 上卻能正常執行。看來需要使用 GoogleApiYoutubeLoader。
在 Google CloudRun 上使用 LangChain Youtube Loader
要在 CloudRun 上使用 GoogleApiYoutubeLoader，需要遵循以下步驟：
- 取得系統帳戶的 JSON 檔案。（參考這篇文章)
- 將 JSON 內容存放在 Secret Manager。
- 在程式碼中透過 Secret Manager 獲取資料。
- 呼叫 YouTube API。
- 在 Google Cloud 啟動 YouTube API。
- 啟動 Secret Manager API 來管理系統帳戶金鑰 JSON 檔案。
使用 Secret Manager 獲取資料
- 首先需要在環境變數中設定 Project ID
PROJECT_ID。 - 然後將資料預先存放在
youtube_api_credentials中。
def get_secret(secret_id):
logging.debug(f"Fetching secret for: {secret_id}")
client = secretmanager.SecretManagerServiceClient()
name = f"projects/{os.environ['PROJECT_ID']}/secrets/{secret_id}/versions/latest"
response = client.access_secret_version(request={"name": name})
secret_data = response.payload.data.decode("UTF-8")
logging.debug(f"Secret fetched successfully for: {secret_id}, {secret_data[:50]}")
return secret_data
這樣就可以安全地透過 Secret Manager 獲取資料。
在 GCP CloudRun 上部署範例程式碼
程式碼： https://github.com/kkdai/gcp-test-youtuber
def load_youtube_data():
try:
logging.debug("Loading YouTube data")
google_api_client = init_google_api_client()
# Use a Channel
youtube_loader_channel = GoogleApiYoutubeLoader(
google_api_client=google_api_client,
channel_name="Reducible",
captions_language="en",
)
# Use Youtube Ids
youtube_loader_ids = GoogleApiYoutubeLoader(
google_api_client=google_api_client,
video_ids=["TrdevFK_am4"],
add_video_info=True,
)
# Load data
logging.debug("Loading data from channel")
channel_data = youtube_loader_channel.load()
logging.debug("Loading data from video IDs")
ids_data = youtube_loader_ids.load()
logging.debug("Data loaded successfully")
return jsonify({"channel_data": str(channel_data), "ids_data": str(ids_data)})
except Exception as e:
logging.error(f"An error occurred: {str(e)}", exc_info=True)
return jsonify({"error": str(e)}), 500
成果
影片來源：https://www.youtube.com/watch?v=TrdevFK_am4
