AI總結視頻以及谷歌瀏覽器插件安裝步驟

本篇介紹用AI一鍵總結全網視頻內容的獨家方法,支持B站、抖音、小紅書等任何平臺的視頻,提高學習效率,幫助一鍵提取視頻文案、劃分章節,還能生成雙語翻譯,這個方法直接在線總結所有視頻。


一.準備工作:

需要準備兩個網站,如下:

1.通義聽悟:用于解析視頻內容并提取

通義聽悟-你的工作學習AI助手阿里云通義聽悟是聚焦音視頻內容的工作學習AI助手,依托大模型,幫助用戶記錄、整理和分析音視頻內容,體驗用大模型做音視頻筆記、整理會議記錄。https://tingwu.aliyun.com/home上述網站頁面如下:

2.ParseVideo:用于把視頻網址解析為通義聽悟可以識別的網址(ParseVideo對于解析的網址有一些要求,比如網址必需使用http開頭,詳情可到ParseVideo中查看)

免費在線視頻解析下載網站 - Parsevideo.comhttps://www.vlogdownloader.com/上述網站頁面如下:


二.演示:

步驟一:隨便打開一個B站視頻

步驟二:復制該視頻的網址

步驟三:把復制到的網址粘貼到ParseVideo里?

步驟四:點擊"開始解析"(如果解析失敗可以刷新ParseVideo或者重新打開ParseVideo)

步驟五:復制解析后的視頻地址,再打開通義聽悟,點擊"播客鏈接轉寫",

步驟六:粘貼解析后的網址(注:最好不要直接粘貼網址后就開始使用通義聽悟進行解析,這樣可能會出現無法解析的情況,但使用ParseVideo解析后的視頻網址再使用通義聽悟就不會出現無法解析的情況)

步驟七:點擊"開始解析"?

步驟八:在右邊可以選擇音視頻語言,還可以選擇是否翻譯,也可以區分發言人->是單人演講還是多人的對話,這樣的話可以總結出每一個人說的話的主要內容,選擇好后點擊"開始轉寫"即可總結視頻

步驟九:視頻總結好后,點擊左上角"我的記錄"即可找到剛才總結的視頻

步驟十:打開總結好的內容,通常放在第一個

如上圖,

其中有視頻里的關鍵字、全文摘要、章節速覽等,有的視頻如網課,還會有提取PPT(點進去后在右上角可以導出PPT)的功能,對于上網課很有用(視頻上方還有個字"譯",可選擇生成的文案的語言;視頻下方還可以打開字幕)。

如上圖,

視頻播放的上方界面也會有每一個章節的主要內容,已經劃分好了。

步驟十一:如果要提取整個視頻的文案

如上圖,

再點擊"摘取原文"(有的英文視頻還會有"摘取翻譯結果"的選項),如下圖:

如上圖,

這里可以選擇是否摘取發言人的信息和時間戳的信息,

但如果只需要視頻文案的話,直接點擊右下角"確定"即可,如下圖:

如上圖,

此時就把視頻的所有文案都提取出來了。


三.注意事項:

步驟一:打開抖音?

步驟二:選擇一個視頻

步驟三:復制該視頻的網址,再粘貼到ParseVideo中進行解析

如上圖,

ParseVideo解析抖音的視頻網址后會出現多個鏈接,這是按照不同的分辨率進行排列的,正常只需要選擇最大的分辨率1080即可,之后總結視頻的步驟與總結B站視頻里的步驟一樣,這里不再贅述。


四.補充:

1.通義聽悟中"播客鏈接轉寫"的另一個打開方式:

如上圖,

通義聽悟中"默認文件夾"->"新建"->"播客鏈接轉寫"。

2.通義聽悟(每天免費10小時)和ParseVideo(每天免費解析一定數量的網址,具體免費幾個詳情見ParseVideo)的使用每天的免費次數有限,如果用完的話可以使用其他免費的視頻解析網站,如嗶哩嗶哩視頻下載、抖音視頻下載、小紅書視頻下載等,使用方法類似。


五.技巧:將視頻內容變成結構化的思維導圖

步驟一:根據之前的步驟提取出視頻的文案

步驟二:復制提取出來的視頻文案,打開一個AI對話軟件,如ChatGPT for Google(谷歌瀏覽器專用ChatGPt),也可以用大國AI(網址為GPT中文版 - 寫作|繪畫|音樂)

步驟三:在ChatGPT for Google輸入"#幫我將以下內容整理成markdown格式的層級式思維導圖+剛才復制的視頻文案"

步驟四:根據需求復制得到的markdown格式內容

之后把復制結果粘貼到如下網站:該網站叫Mark map,能夠將markdown格式的內容直接轉成思維導圖

markmaphttps://markmap.js.org/

上述網站頁面如下:

如上圖,

點擊"Try it out ->",如下圖:

如上圖,?

再把剛才得到的markdown格式的內容粘貼到左側(左側的變化會影響思維導圖的生成),最后就可以在右邊看到生成的思維導圖。

生成的思維導圖可以進行交互,點擊某一個結點可以實現收起來或展開;

右下角Download as SVG可以把思維導圖下載為圖片,右下角Download as interactive HTML可以把思維導圖下載為交互式的網頁。


六.谷歌瀏覽器裝插件的步驟:?

步驟一:掛VPN(也就是翻墻,切記要合法上網),不掛的話可能無法正常安裝

步驟二:打開谷歌瀏覽器(軟件或網址都可以)

步驟三:點擊右上角"?"

步驟四:點擊"擴展程序"->"管理擴展程序"

步驟五:點擊右上角"開發者模式"?

步驟六:點擊左中間"Chrome應用商店"?

步驟七:搜索要裝的插件,本例裝ChatGPT

步驟八:點擊ChatGPT for Google(最好不要安裝ChatGPT search,因為可能用不了)進入安裝界面,再點擊"添加至Chrome"

步驟九:點擊"添加擴展程序"

步驟十:點擊"授予權限"->允許->接下來進行登錄,可以使用已有的谷歌賬戶->最后會進行到"升級到專業版",這個可以先不管

步驟十一:根據個人情況選擇是否固定到菜單一使用AI側邊欄等

步驟十二:安裝成功


七.谷歌瀏覽器插件ChatGPT for Google和Elmo介紹:

1.ChatGPT for Google:

該插件就是一個AI對話插件,用于回答提出的問題。

2.Elmo:

支持B站和YouTube的視頻一鍵總結,使用該插件可一鍵生成視頻摘要、主要觀點等。


本文來自互聯網用戶投稿,該文觀點僅代表作者本人,不代表本站立場。本站僅提供信息存儲空間服務,不擁有所有權,不承擔相關法律責任。
如若轉載,請注明出處:http://www.pswp.cn/news/916306.shtml
繁體地址,請注明出處:http://hk.pswp.cn/news/916306.shtml
英文地址,請注明出處:http://en.pswp.cn/news/916306.shtml

如若內容造成侵權/違法違規/事實不符,請聯系多彩編程網進行投訴反饋email:809451989@qq.com,一經查實,立即刪除!

相關文章

網絡協議HTTP、TCP

概述如何讓數據具有自我描述性?為什么網絡有層級的劃分?交換機、路由器要不要閱讀一個信息的頭部?要不要閱讀數據部分? 網卡:網卡可以完成幀的封裝和解封裝,工作在數據鏈路層。 中繼器:中繼器以比特方式將網絡信號進…

Linux選擇題

第12題(多選題)原題: 能夠為邏輯卷增加容量的命令有( )。A. lvresize: 此命令可以用來調整邏輯卷的大小,既可以增大也可以縮小。例如,lvresize -L 1G /dev/vgname/lvname 會增加1GB,lvresize -L 10G /dev/vgname/lvnam…

使用釘釘開源api發送釘釘工作消息

在工作管理系統場景中&#xff0c;上下級和不同部門之間常常有請假&#xff0c;餐補等流程操作&#xff0c;而這些操作通常需要人員手動進行&#xff0c;這里我們引入一個釘釘的api&#xff0c;可以基于釘釘來發送工作消息通知1、導入釘釘sdk<dependency><groupId>…

拒絕SQL恐懼:用Python+pyqt打造任意Excel數據庫查詢系統

一、引言 在數字化轉型浪潮中&#xff0c;超過76%的基層業務人員仍被困在"SQL恐懼癥"的泥潭里——他們精通業務邏輯卻受限于技術門檻&#xff0c;面對海量數據時只能反復請求IT部門協助。本項目通過PythonPyQt來構建基于Excel風格的查詢系統&#xff0c;從而打破這種…

KubeKey安裝KubeSphere、部署應用實踐問題總結

使用KubeSphere的KubeKey 安裝K8s 集群過程中&#xff0c;碰到了一些問題&#xff0c;現在都一一解決了&#xff0c;以此記錄一下。 kubekey 安裝k8s 集群報錯 execute task timeout, Timeout1m error: Pipeline[CreateClusterPipeline] execute failed: Module[GreetingsModul…

基于粒子群優化的PID控制在藥液流量控制系統中的應用

基于粒子群優化的PID控制在藥液流量控制系統中的應用 前些天發現了一個巨牛的人工智能學習網站,通俗易懂,風趣幽默,忍不住分享一下給大家,覺得好請收藏。點擊跳轉到網站。 1. 引言 在現代工業控制系統中,精確的流量控制是許多生產過程的關鍵環節。本文針對藥液流量控制…

不用電腦要不要關機?

1. 短時間不用&#xff08;午休、臨時外出&#xff09;&#xff1a;建議「睡眠」或「休眠」睡眠&#xff1a;電腦暫停工作&#xff0c;喚醒速度快&#xff0c;耗電較少適合需要快速恢復工作的場景休眠&#xff1a;整機斷電&#xff0c;喚醒速度比睡眠慢&#xff0c;但完全不耗電…

【Spring AI】SiliconFlow-硅基流動

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

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

swagger基本注解 Tag 介紹&#xff1a;用于給接口分組&#xff0c;用途類似于為接口文檔添加標簽。用于&#xff1a;方法、類、接口。常用屬性&#xff1a; name&#xff1a;分組的名稱 RestController RequestMapping("/sysUser") Tag(name "管理員接口&quo…

Unity 實現幀率(FPS)顯示功能

一、功能介紹本教程實現一個 FPS 顯示腳本&#xff0c;支持 TextMeshProUGUI 組件。腳本會每秒更新一次幀率&#xff0c;并顯示在 UI 上&#xff0c;便于開發和調試時觀察性能變化。二、完整代碼將以下代碼保存為 FPS.cs 腳本&#xff1a;using UnityEngine; using TMPro;[Requ…

【星野AI】minimax非活動時間充值優惠漏洞

點開發現有活動即將開啟。把手機時間修改為20250729&#xff0c;或者其它活動內時間。發現活動的充值接口未進行時間校驗。疊加新人首充優惠&#xff0c;充值六元&#xff0c;獲得1800鉆。在非活動時間獲取了優惠。

Python 程序設計講義(22):循環結構——for 循環

Python 程序設計講義&#xff08;22&#xff09;&#xff1a;循環結構——for 循環 目錄Python 程序設計講義&#xff08;22&#xff09;&#xff1a;循環結構——for 循環一、for 循環的語法二、for 循環執行的流程三、for 循環應用舉例while 循環的循環次數往往是不確定的&am…

自動駕駛---視覺語言模型(VLM)引導的模型預測控制器(MPC)

1 背景之前大家普遍認為的端到端就是傳感器輸入&#xff0c;控制輸出&#xff0c;這也確實是真正的端到端&#xff0c;但目前車企走的更多的是軌跡生成。自動駕駛端到端控制瓶頸主要有以下兩點&#xff1a;可解釋性缺失&#xff1a;傳統端到端模型&#xff08;如純VLM控制器&am…

最優估計準則與方法(5)加權最小二乘估計(WLS)_學習筆記

前言 最優估計理論中研究的最小二乘估計&#xff08;LS&#xff09;為線性最小二乘估計&#xff08;LLS&#xff09;&#xff0c;包括古典最小二乘估計&#xff08;CLS&#xff09;[1]、加權最小二乘估計&#xff08;WLS&#xff09;和遞推最小二乘估計&#xff08;RLS&#x…

Linux——線程互斥

文章目錄一、有關概念原子性錯誤認知澄清加鎖二、鎖的相關函數全局鎖局部鎖初始化銷毀加鎖解鎖三、鎖相關如何看待鎖一個線程在執行臨界區的代碼時&#xff0c;可以被切換嗎&#xff1f;鎖是本身也是臨界資源&#xff0c;它如何做到保護自己&#xff1f;&#xff08;鎖的實現&a…

扣子(Coze)宣布開源兩大核心項目——Coze Studio(扣子開發平臺)和Coze Loop(扣子羅盤),附安裝步驟

2025年7月26日,字節跳動旗下AI開發平臺“扣子(Coze)”宣布開源兩大核心項目——Coze Studio(扣子開發平臺)和Coze Loop(扣子羅盤),采用Apache 2.0協議,支持免費商用及本地化部署。 開源內容 Coze Studio:提供可視化AI智能體開發工具,支持零代碼/低代碼拖拽式工作流編…

InfluxDB Flux 查詢協議實戰應用(二)

四、實戰案例解析4.1 服務器性能監控數據查詢在服務器性能監控場景中&#xff0c;InfluxDB 和 Flux 查詢協議能夠發揮重要作用&#xff0c;幫助運維人員實時了解服務器的運行狀態&#xff0c;及時發現性能問題。假設我們的服務器性能監控數據存儲在名為server-monitoring的存儲…

二層隧道協議(PPP、PPTP、L2TP)

PPP —— 點對點鏈路上的“鏈路層會話層”協議&#xff0c;解決撥號認證、IP 分配和多協議封裝。PPTP —— 在 IP 網絡里開一條“PPP-over-GRE”隧道&#xff0c;把 PPP 封裝進公共網絡&#xff0c;速度快但已不安全。L2TP —— 在 IP/UDP 里再開一條“PPP-over-UDP”隧道&…

openmv特征點檢測

AGAST 角點檢測器和 FAST 角點檢測器&#xff1a; 兩者都是計算機視覺中快速檢測圖像角點的算法&#xff0c;核心目的是高效找到圖像中 "有辨識度的點"&#xff0c;但細節略有不同&#xff1a; &#xff08;1&#xff09;FAST 角點檢測器 ? 特點&#xff1a;速度極快…

基于深度學習的CT圖像3D重建技術研究

基于深度學習的CT圖像3D重建技術研究 摘要 本文詳細探討了使用深度學習技術進行CT(計算機斷層掃描)圖像3D重建的全過程。我們從CT成像基本原理出發,系統介紹了數據預處理、深度學習模型構建、訓練優化以及三維可視化等關鍵技術環節。研究采用了先進的深度學習架構如3D U-Net…