search_transcripts

成绩单搜索

该代码旨在使大量OpenAI的耳语成绩单容易搜索。因此，人们可以找到特定的段落或期限发生，并且在成绩单中什么时候。但是，它应该与.vtt文件的任何文件夹一起使用：播客的非OpenAI成绩单。

我使用Whisper Openai转录偶然的技术播客，并在此处部署了一个实时搜索引擎网站前端，由该模块提供支持（特别是SearchTranscripts ）。

该模块有两个类：

• LoadTranscripts ：从转录文件文件的文件夹（ .vtt或.json文件）创建一个SQLITE数据库和FTS5虚拟表。它从原始文件中的短成绩单段中创建了更长的文本（每个单词约300个单词），以使文本块可搜索。它将单个成绩单段保存在单独的数据库中。

• SearchTranscripts ：这是一个使用SQLite数据库返回搜索查询最佳结果的PANDAS数据框架的Python类。

一旦使用LoadTranscripts创建了SQLITE数据库，您就可以通过您喜欢的任何SQLITE接口访问该数据库，例如DataSette，dbeaver，dbeaver，命令行，SQL Alchemy等。 SearchTranscripts类是一种简单便捷的方式，可以从Python中使用python，使用python，使用内置的In In In In In Ins Sqlite3 Module和P.Sqlite 3 Module和P.Sqlite和P. In In In In Is In Is In Is In Is It In Is It In Is It In It。

安装：

克隆和CD进入仓库的主要目录，然后运行：

 pip install .

用法：

from search_transcripts import LoadTranscripts, SearchTranscripts

l = LoadTranscripts('transcripts') ## will create main.db and bm25.pickle


s = SearchTranscripts()

## Returns a pandas dataframe of the top scoring transcript sections, across all transcripts.

s.search('starship enterprise')

##find the exact phrase

s.search('"starship enterprise"')

JSON成绩单？

因此，在我意识到Whisper会创建标准.VTT文件之前，我直接使用Python API。它生成了Python词典列表。将其保存为当时的JSON似乎是合乎逻辑的。我发现JSON比.vtt更容易读取，并且可以轻松地转换为VTT，因此我仍然支持这种有些古怪的格式。看起来如此：

    [
           {
        "start": 606.1800000000001,
        "end": 610.74,
        "text": " It's important to have a goal to work toward and accomplish rather than just randomly learning and half building things"
    },
    {
        "start": 610.74,
        "end": 613.0600000000001,
        "text": " Having a specific thing you want to build is a good substitute"
    },
    {
        "start": 613.38,
        "end": 619.78,
        "text": " Keep making things until you've made something you're proud enough a proud of enough to show off in an interview by the time you've built a few"
    },
    {
        "start": 619.78,
        "end": 624.26,
        "text": " Things you'll start developing the taste you need to make that determination of what's quote unquote good enough"
    },


    ]