稳健地确定 YouTube 视频中使用的语言

Question

根据 YouTube API 文档，人们应该能够使用

list

端点确定 YouTube 视频中所说的语言。特别是，语言代码位于响应中：

response['items'][0]['snippet']['defaultAudioLanguage']

。

这在大多数情况下都有效。但是，某些视频，例如这个，在

defaultAudioLanguage

中没有

snippet

。为什么会发生这种情况？在这种情况下如何确定视频中所说的语言？

Answer 1

defaultAudioLanguage

大概 指的是视频作者在 Youtube 视频详细信息部分中设置的任何内容：

所有这些字段都是可选的。

我可能会使用 whisper.cpp 来检测给定音频中的口语（下载 YouTube 视频的音频作为练习，但有一些工具可以实现这一点）；一旦您手头有视频，您可以将其转换为 16khz WAV（这是 tweet.cpp

main

工具支持的唯一格式），并将

-dl

（检测到语言后退出）传递给该工具：

~/b/whisper.cpp $ ffmpeg -i myvideo.mp4 -an -ac 1 -ar 16000 myaudio.wav
~/b/whisper.cpp $ ./main -dl -m models/ggml-medium-q5_0.bin myaudio.wav
[...]
whisper_full_with_state: auto-detected language: fi (p = 0.997451)
[...]
~/b/whisper.cpp $

在我的机器上，对于一个长达一小时的视频，这需要大约 2 秒的时间。