ASR+LLM：B站学习视屏下载并生成学习笔记
文章目录
- 一、背景
- 二、bilibili下载姬
- 三、ffmpeg提取音频
- 四、在线音频提取文字ASR
- 五、使用LLM 进行整理笔记
- 六、参考链接
一、背景
bilibili当前有越来越多高质量的教学视频，但是B站上没有直接下载视频的按钮，以及视频资料不利于复现回归，所以最好整理成笔记方便后续回顾。本文介绍一种B站视频下载、音频提取、使用ASR将音频转成文字，并且利用LLM大语言模型将文本生成学习笔记。
二、bilibili下载姬
B站视频下载，这里推荐开源工具bilibili下载姬，源码链接如下：
https://github.com/leiurayer/downkyi
下载v1.6版本的可执行文件，downkyi是基于aria工具实现。
三、ffmpeg提取音频
mp4文件可能比较大，我们仅仅需要提取音频即可，使用ffmpeg工具提取音频mp3文件。
# 使用原始码率
ffmpeg -i input.mp4 -codec:a libmp3lame output.mp3
可以指定码率，一般不需要
ffmpeg -i input.mp4 -vn -acodec libmp3lame -ar 44100 -ac 2 -ab 192k output.mp3
对于语音识别ASR模型，可能音频文件太大，需要截取音频长度，使用如下命令：
ffmpeg -i input.mp3 -ss 00:00:10 -t 00:00:20 output.mp3
- -ss 00:00:10：设置开始时间为 10 秒。
- -t 00:00:20：设置持续时间为 20 秒。
四、在线音频提取文字ASR
ASR模型是用于语音识别的，这里推荐一款在线ASR工具进行语音转文字网站，注意该网站生成的文本是没有标点符号的。
https://tools.orionstar.qa/audio/
五、使用LLM 进行整理笔记
最后一步使用LLM对上述生成的文本进行整合，并形成正式文档，补充标点符号，注意不要改变原文意思。这里prompt如下，使用任意LLM大语言模型即可。
我这里有一份没有标点符号的学习草稿文件，请在不改变原文意思的情况下帮忙整理成一份条例清晰的正式文档，以markdown形式输出，不要进行内容延展，仅进行格式整合。
六、参考链接
https://zhuanlan.zhihu.com/p/124293184