Tutorial: So verwandeln Sie YouTube-Videos mithilfe von KI in Twitter-Threads

Während wir in das Zeitalter der künstlichen Intelligenz eintreten, scheint sich alles mit beispielloser Geschwindigkeit zu beschleunigen. Generativ dies, generativ das – überall Datenüberflutung. Ich bin mir ziemlich sicher, dass Sie von all den Informationen bereits geistig erschöpft sind, also kommen wir gleich zur Sache, einverstanden?

Was ich tun möchte:

YouTube-Video → Informationen in mundgerechten Häppchen → Lernen ✨ + Teilen in sozialen Medien 🐦

… Das ist es …

In diesem KI-Rennen dreht sich alles um Geschwindigkeit. Wenn wir KI nutzen können, um unser Lernen zu beschleunigen, warum nicht? Teilen Sie dies also – ob mit Ihrer Familie, Ihren Freunden oder Followern oder sogar als Influencer.

Die Ergebnisse:

Repo: https://github.com/WorkSmarter-lol/yt2tweets-cli/

Haftungsausschluss:

Dieses Tutorial funktioniert nur für YouTube-Videos mit englischen Untertiteln und ist nicht auf YouTube Shorts anwendbar.

Der Prozess

0. Vorkenntnisse:

Bevor Sie beginnen, ist es wichtig, einige grundlegende Kenntnisse über die Funktionsweise von LangChain.js , Prompt Engineering und OpenAI Models zu haben.

1. Erforderliche Werkzeuge:

• OpenAI API-Key (wir verwenden OpenAI GPT-4o-mini)
• youtube-transcript (NPM-Paket) – Extrahieren Sie ein Transkript aus einem YouTube-Video
• Node.js
• Garn / NPM
• LangChain.js

In meinem Fall verwende ich Yarn, um mit der Entwicklung zu beginnen. Um das Skript schnell testen zu können, habe ich mithilfe der CLI ein schnelles MVP erstellt, um das Projekt auszuprobieren.

2. Namen für CLI auswählen

Der schnellen Übersichtlichkeit halber und um einen einprägsamen Namen zu haben, habe ich es „ yt2tweets “ genannt, was im Wesentlichen → „ YouTube to Tweets “ bedeutet.

3. Gewünschte Ausgabe

 $ yt2tweets "https://youtu.be/1-TZqOsVCNM" # Result: # Tweet 1: Introduction ... 🧵👇 (1/X) # Tweet 2: ... 🧵 (2/X) # Tweet 3: ... 🧵 (3/X) # Tweet 4: ... 🧵 (4/X) # Tweet 5: Conclusion ... 🧵 (5/X)

Idealerweise müssen wir das Transkript als Kontext für das KI-Modell bereitstellen, in unserem Fall GPT-4o-mini, damit es den Kontext verstehen und die Eingabe im von uns angegebenen Ausgabeformat zusammenfassen kann.

4. Schnelles Design

Hier liegt die Geheimzutat ✨, damit die Dinge funktionieren: Prompt Engineering ist eine notwendige Kernkompetenz, um die Arbeit zu erledigen.

Um anzupassen, wie die CLI YouTube-Videos in Twitter/X-Threads konvertiert, folgen Sie der einfachen und unkomplizierten 3-Schritt-Einrichtung, die ich definiert habe. Sie können Ton, Länge und Stil Ihren Bedürfnissen entsprechend anpassen. Um die KI zu leiten, folgen Sie dem Einfügeblock unten für einen reibungslosen Konfigurationsprozess.

Identität und Zweck

Legen Sie die Rolle und Ziele der KI mit dem Block „Identität und Zweck“ fest. Definieren Sie ihre Funktion und Ziele, um sicherzustellen, dass sie Inhalte generiert, die Ihren Anforderungen und gewünschten Ergebnissen entsprechen.

Vorgehensweise

Definieren Sie die schrittweisen Aktionen, die die KI ausführen soll, und sorgen Sie so für einen klaren und strukturierten Ansatz bei der Erstellung Ihrer Inhalte.

Ausgabeformate

Geben Sie die Formate an, in denen die KI Inhalte bereitstellen soll.

Beispiel wie unten:

 import { ChatPromptTemplate } from '@langchain/core/prompts'; const prompt = ChatPromptTemplate.fromMessages([ { role: 'system', content: ` # IDENTITY AND PURPOSE {identity} # STEPS {steps} # OUTPUT INSTRUCTIONS {formats} # INPUT INPUT: {input} `, }, ]);

In {input} gebe ich das gesamte Transkript ein, damit GPT die Zusammenfassung durchführen kann.

Eine Referenz dazu, wie ich meine Eingabeaufforderung hinzugefügt habe, mit einem Beispiel unten finden Sie hier :

5. Alles zusammenfügen

Damit es ausgeführt werden kann, müssen Sie schließlich @langchain/openai installiert und Ihren OpenAI-API-Schlüssel bereithalten. Sobald alles geklärt ist, können Sie das Modell initiieren und damit beginnen, Eingabeaufforderungen und Feeds an die KI zu übermitteln, um eine Antwort zu erhalten.

 import { ChatOpenAI } from '@langchain/openai'; // Instantiate Model const llm = new ChatOpenAI({ modelName: 'gpt-4o-mini', temperature: 0.7, // <-- feel free to adjust temperature here apiKey, }); // ... // add prompts here // ... // Ensure that chain.invoke correctly passes the variables result = await prompt.pipe(llm).invoke({ identity, steps, formats, input, }); // get result console.log('>> result?.content'); // Tweet 1: Introduction ... 🧵👇 (1/X) ...

6. Verpacken Sie es als CLI

Der Einfachheit halber habe ich die Funktion als CLI exportiert, sodass ich sie in Zukunft problemlos verwenden kann.

Um das zu erreichen, habe ich Folgendes verwendet:

• Commander – um CLI für NPM-Paket BIN zu aktivieren
• Ora – Eleganter Terminalspinner
• Kreide – Terminal-String-Styling

Unten finden Sie einen Codeausschnitt (vollständiger Code am Ende):

 import { Command } from 'commander'; import chalk from 'chalk'; import ora from 'ora'; const spinner = ora('Loading...'); // Initialize the command line interface const program = new Command(); // Command to convert a YouTube URL program .argument('<url>') .description('Turn YouTube Videos into Twitter Threads with AI') .action(async url => { const apiKey = readApiKey(); // Read the saved API key // ... spinner.start(); await convertYt2Tweets(url, apiKey); // ... });

Repository-Link (vollständiger Code)

https://github.com/WorkSmarter-lol/yt2tweets-cli

Abschluss

Ich hoffe erneut, dass dieses Projekt Ihnen hilft, Ihren Lernprozess zu beschleunigen und YouTube-Inhalte zu verarbeiten oder sie mit Ihren Freunden, Ihrer Familie und Ihren Followern zu teilen.

Wenn Sie lieber auf das UI-fähige Projekt zugreifen möchten, habe ich eine Benutzeroberfläche für dasselbe Projekt erstellt. Den Link finden Sie unten:

https://yt2tweets.worksmarter.lol