本篇介绍用AI一键总结全网视频内容的独家方法,支持B站、抖音、小红书等任何平台的视频,提高学习效率,帮助一键提取视频文案、划分章节,还能生成双语翻译,这个方法直接在线总结所有视频。


一.准备工作:

需要准备两个网站,如下:

1.通义听悟:用于解析视频内容并提取

通义听悟-你的工作学习AI助手阿里云通义听悟是聚焦音视频内容的工作学习AI助手,依托大模型,帮助用户记录、整理和分析音视频内容,体验用大模型做音视频笔记、整理会议记录。https://tingwu.aliyun.com/home上述网站页面如下:

2.ParseVideo:用于把视频网址解析为通义听悟可以识别的网址(ParseVideo对于解析的网址有一些要求,比如网址必需使用http开头,详情可到ParseVideo中查看)

免费在线视频解析下载网站 - Parsevideo.comhttps://www.vlogdownloader.com/上述网站页面如下:


二.演示:

步骤一:随便打开一个B站视频

步骤二:复制该视频的网址

步骤三:把复制到的网址粘贴到ParseVideo里 

步骤四:点击"开始解析"(如果解析失败可以刷新ParseVideo或者重新打开ParseVideo)

步骤五:复制解析后的视频地址,再打开通义听悟,点击"播客链接转写",

步骤六:粘贴解析后的网址(注:最好不要直接粘贴网址后就开始使用通义听悟进行解析,这样可能会出现无法解析的情况,但使用ParseVideo解析后的视频网址再使用通义听悟就不会出现无法解析的情况)

步骤七:点击"开始解析" 

步骤八:在右边可以选择音视频语言,还可以选择是否翻译,也可以区分发言人->是单人演讲还是多人的对话,这样的话可以总结出每一个人说的话的主要内容,选择好后点击"开始转写"即可总结视频

步骤九:视频总结好后,点击左上角"我的记录"即可找到刚才总结的视频

步骤十:打开总结好的内容,通常放在第一个

如上图,

其中有视频里的关键字、全文摘要、章节速览等,有的视频如网课,还会有提取PPT(点进去后在右上角可以导出PPT)的功能,对于上网课很有用(视频上方还有个字"译",可选择生成的文案的语言;视频下方还可以打开字幕)。

如上图,

视频播放的上方界面也会有每一个章节的主要内容,已经划分好了。

步骤十一:如果要提取整个视频的文案

如上图,

再点击"摘取原文"(有的英文视频还会有"摘取翻译结果"的选项),如下图:

如上图,

这里可以选择是否摘取发言人的信息和时间戳的信息,

但如果只需要视频文案的话,直接点击右下角"确定"即可,如下图:

如上图,

此时就把视频的所有文案都提取出来了。


三.注意事项:

步骤一:打开抖音 

步骤二:选择一个视频

步骤三:复制该视频的网址,再粘贴到ParseVideo中进行解析

如上图,

ParseVideo解析抖音的视频网址后会出现多个链接,这是按照不同的分辨率进行排列的,正常只需要选择最大的分辨率1080即可,之后总结视频的步骤与总结B站视频里的步骤一样,这里不再赘述。


四.补充:

1.通义听悟中"播客链接转写"的另一个打开方式:

如上图,

通义听悟中"默认文件夹"->"新建"->"播客链接转写"。

2.通义听悟(每天免费10小时)和ParseVideo(每天免费解析一定数量的网址,具体免费几个详情见ParseVideo)的使用每天的免费次数有限,如果用完的话可以使用其他免费的视频解析网站,如哔哩哔哩视频下载、抖音视频下载、小红书视频下载等,使用方法类似。


五.技巧:将视频内容变成结构化的思维导图

步骤一:根据之前的步骤提取出视频的文案

步骤二:复制提取出来的视频文案,打开一个AI对话软件,如ChatGPT for Google(谷歌浏览器专用ChatGPt),也可以用大国AI(网址为GPT中文版 - 写作|绘画|音乐)

步骤三:在ChatGPT for Google输入"#帮我将以下内容整理成markdown格式的层级式思维导图+刚才复制的视频文案"

步骤四:根据需求复制得到的markdown格式内容

之后把复制结果粘贴到如下网站:该网站叫Mark map,能够将markdown格式的内容直接转成思维导图

markmaphttps://markmap.js.org/

上述网站页面如下:

如上图,

点击"Try it out ->",如下图:

如上图, 

再把刚才得到的markdown格式的内容粘贴到左侧(左侧的变化会影响思维导图的生成),最后就可以在右边看到生成的思维导图。

生成的思维导图可以进行交互,点击某一个结点可以实现收起来或展开;

右下角Download as SVG可以把思维导图下载为图片,右下角Download as interactive HTML可以把思维导图下载为交互式的网页。


六.谷歌浏览器装插件的步骤: 

步骤一:挂VPN(也就是翻墙,切记要合法上网),不挂的话可能无法正常安装

步骤二:打开谷歌浏览器(软件或网址都可以)

步骤三:点击右上角"⁝"

步骤四:点击"扩展程序"->"管理扩展程序"

步骤五:点击右上角"开发者模式" 

步骤六:点击左中间"Chrome应用商店" 

步骤七:搜索要装的插件,本例装ChatGPT

步骤八:点击ChatGPT for Google(最好不要安装ChatGPT search,因为可能用不了)进入安装界面,再点击"添加至Chrome"

步骤九:点击"添加扩展程序"

步骤十:点击"授予权限"->允许->接下来进行登录,可以使用已有的谷歌账户->最后会进行到"升级到专业版",这个可以先不管

步骤十一:根据个人情况选择是否固定到菜单一使用AI侧边栏等

步骤十二:安装成功


七.谷歌浏览器插件ChatGPT for Google和Elmo介绍:

1.ChatGPT for Google:

该插件就是一个AI对话插件,用于回答提出的问题。

2.Elmo:

支持B站和YouTube的视频一键总结,使用该插件可一键生成视频摘要、主要观点等。


本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。
如若转载,请注明出处:http://www.pswp.cn/news/916306.shtml
繁体地址,请注明出处:http://hk.pswp.cn/news/916306.shtml
英文地址,请注明出处:http://en.pswp.cn/news/916306.shtml

如若内容造成侵权/违法违规/事实不符,请联系英文站点网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

网络协议HTTP、TCP

概述如何让数据具有自我描述性?为什么网络有层级的划分?交换机、路由器要不要阅读一个信息的头部?要不要阅读数据部分? 网卡:网卡可以完成帧的封装和解封装,工作在数据链路层。 中继器:中继器以比特方式将网络信号进…

Linux选择题

第12题(多选题)原题: 能够为逻辑卷增加容量的命令有( )。A. lvresize: 此命令可以用来调整逻辑卷的大小,既可以增大也可以缩小。例如,lvresize -L 1G /dev/vgname/lvname 会增加1GB,lvresize -L 10G /dev/vgname/lvnam…

使用钉钉开源api发送钉钉工作消息

在工作管理系统场景中&#xff0c;上下级和不同部门之间常常有请假&#xff0c;餐补等流程操作&#xff0c;而这些操作通常需要人员手动进行&#xff0c;这里我们引入一个钉钉的api&#xff0c;可以基于钉钉来发送工作消息通知1、导入钉钉sdk<dependency><groupId>…

拒绝SQL恐惧:用Python+pyqt打造任意Excel数据库查询系统

一、引言 在数字化转型浪潮中&#xff0c;超过76%的基层业务人员仍被困在"SQL恐惧症"的泥潭里——他们精通业务逻辑却受限于技术门槛&#xff0c;面对海量数据时只能反复请求IT部门协助。本项目通过PythonPyQt来构建基于Excel风格的查询系统&#xff0c;从而打破这种…

KubeKey安装KubeSphere、部署应用实践问题总结

使用KubeSphere的KubeKey 安装K8s 集群过程中&#xff0c;碰到了一些问题&#xff0c;现在都一一解决了&#xff0c;以此记录一下。 kubekey 安装k8s 集群报错 execute task timeout, Timeout1m error: Pipeline[CreateClusterPipeline] execute failed: Module[GreetingsModul…

基于粒子群优化的PID控制在药液流量控制系统中的应用

基于粒子群优化的PID控制在药液流量控制系统中的应用 前些天发现了一个巨牛的人工智能学习网站,通俗易懂,风趣幽默,忍不住分享一下给大家,觉得好请收藏。点击跳转到网站。 1. 引言 在现代工业控制系统中,精确的流量控制是许多生产过程的关键环节。本文针对药液流量控制…

不用电脑要不要关机?

1. 短时间不用&#xff08;午休、临时外出&#xff09;&#xff1a;建议「睡眠」或「休眠」睡眠&#xff1a;电脑暂停工作&#xff0c;唤醒速度快&#xff0c;耗电较少适合需要快速恢复工作的场景休眠&#xff1a;整机断电&#xff0c;唤醒速度比睡眠慢&#xff0c;但完全不耗电…

【Spring AI】SiliconFlow-硅基流动

硅基流动 https://docs.siliconflow.cn/cn/userguide/introduction

swagger基本注解@Tag、@Operation、@Parameters、@Parameter、@ApiResponse、@Schema

swagger基本注解 Tag 介绍&#xff1a;用于给接口分组&#xff0c;用途类似于为接口文档添加标签。用于&#xff1a;方法、类、接口。常用属性&#xff1a; name&#xff1a;分组的名称 RestController RequestMapping("/sysUser") Tag(name "管理员接口&quo…

Unity 实现帧率(FPS)显示功能

一、功能介绍本教程实现一个 FPS 显示脚本&#xff0c;支持 TextMeshProUGUI 组件。脚本会每秒更新一次帧率&#xff0c;并显示在 UI 上&#xff0c;便于开发和调试时观察性能变化。二、完整代码将以下代码保存为 FPS.cs 脚本&#xff1a;using UnityEngine; using TMPro;[Requ…

【星野AI】minimax非活动时间充值优惠漏洞

点开发现有活动即将开启。把手机时间修改为20250729&#xff0c;或者其它活动内时间。发现活动的充值接口未进行时间校验。叠加新人首充优惠&#xff0c;充值六元&#xff0c;获得1800钻。在非活动时间获取了优惠。

Python 程序设计讲义(22):循环结构——for 循环

Python 程序设计讲义&#xff08;22&#xff09;&#xff1a;循环结构——for 循环 目录Python 程序设计讲义&#xff08;22&#xff09;&#xff1a;循环结构——for 循环一、for 循环的语法二、for 循环执行的流程三、for 循环应用举例while 循环的循环次数往往是不确定的&am…

自动驾驶---视觉语言模型(VLM)引导的模型预测控制器(MPC)

1 背景之前大家普遍认为的端到端就是传感器输入&#xff0c;控制输出&#xff0c;这也确实是真正的端到端&#xff0c;但目前车企走的更多的是轨迹生成。自动驾驶端到端控制瓶颈主要有以下两点&#xff1a;可解释性缺失&#xff1a;传统端到端模型&#xff08;如纯VLM控制器&am…

最优估计准则与方法(5)加权最小二乘估计(WLS)_学习笔记

前言 最优估计理论中研究的最小二乘估计&#xff08;LS&#xff09;为线性最小二乘估计&#xff08;LLS&#xff09;&#xff0c;包括古典最小二乘估计&#xff08;CLS&#xff09;[1]、加权最小二乘估计&#xff08;WLS&#xff09;和递推最小二乘估计&#xff08;RLS&#x…

Linux——线程互斥

文章目录一、有关概念原子性错误认知澄清加锁二、锁的相关函数全局锁局部锁初始化销毁加锁解锁三、锁相关如何看待锁一个线程在执行临界区的代码时&#xff0c;可以被切换吗&#xff1f;锁是本身也是临界资源&#xff0c;它如何做到保护自己&#xff1f;&#xff08;锁的实现&a…

扣子(Coze)宣布开源两大核心项目——Coze Studio(扣子开发平台)和Coze Loop(扣子罗盘),附安装步骤

2025年7月26日,字节跳动旗下AI开发平台“扣子(Coze)”宣布开源两大核心项目——Coze Studio(扣子开发平台)和Coze Loop(扣子罗盘),采用Apache 2.0协议,支持免费商用及本地化部署。 开源内容 Coze Studio:提供可视化AI智能体开发工具,支持零代码/低代码拖拽式工作流编…

InfluxDB Flux 查询协议实战应用(二)

四、实战案例解析4.1 服务器性能监控数据查询在服务器性能监控场景中&#xff0c;InfluxDB 和 Flux 查询协议能够发挥重要作用&#xff0c;帮助运维人员实时了解服务器的运行状态&#xff0c;及时发现性能问题。假设我们的服务器性能监控数据存储在名为server-monitoring的存储…

二层隧道协议(PPP、PPTP、L2TP)

PPP —— 点对点链路上的“链路层会话层”协议&#xff0c;解决拨号认证、IP 分配和多协议封装。PPTP —— 在 IP 网络里开一条“PPP-over-GRE”隧道&#xff0c;把 PPP 封装进公共网络&#xff0c;速度快但已不安全。L2TP —— 在 IP/UDP 里再开一条“PPP-over-UDP”隧道&…

openmv特征点检测

AGAST 角点检测器和 FAST 角点检测器&#xff1a; 两者都是计算机视觉中快速检测图像角点的算法&#xff0c;核心目的是高效找到图像中 "有辨识度的点"&#xff0c;但细节略有不同&#xff1a; &#xff08;1&#xff09;FAST 角点检测器 • 特点&#xff1a;速度极快…

基于深度学习的CT图像3D重建技术研究

基于深度学习的CT图像3D重建技术研究 摘要 本文详细探讨了使用深度学习技术进行CT(计算机断层扫描)图像3D重建的全过程。我们从CT成像基本原理出发,系统介绍了数据预处理、深度学习模型构建、训练优化以及三维可视化等关键技术环节。研究采用了先进的深度学习架构如3D U-Net…