Web上の英語動画から音声を抽出してWhisperで文字起こし→日本語翻訳をやってみた

# yt-dlpのインストール
pip install yt-dlp

# OpenAI Whisperのインストール
pip install git+https://github.com/openai/whisper.git

# DeepL APIリクエスト時のHTTP通信
pip install requests

export API_DEEPL="<APIキー>"

例: https://example.com/video/playlist.m3u8

# 基本的なダウンロードコマンド
yt-dlp "<VIDEO_URL>"

# 音声のみをmp3形式で抽出
# 実際は動画ファイルが存在しないURLですが、本記事においては例として以下のURLで進めていきます
yt-dlp -x --audio-format mp3 "https://example.com/video/playlist.m3u8" -o awesome-contents.mp3

import whisper
import os

audio_file_path = "awesome-contents.mp3" # ここを実際のファイル名に置き換えてください

if not os.path.exists(audio_file_path):
    print(f"エラー: 音声ファイル '{audio_file_path}' が見つかりません。パスを確認してください。")
else:
    # Whisperモデルをロード
    print("Whisperモデルをロード中...")
    model = whisper.load_model("base")

    # 文字起こしを実行
    #    language="en" で英語の文字起こしを明示的に指定
    print(f"'{os.path.basename(audio_file_path)}' の文字起こしを開始します...")
    result = model.transcribe(audio_file_path, language="en", verbose=True)

    # 結果を表示・保存します
    print("\n--- 文字起こし結果 ---")
    print(result["text"])

    # 結果をテキストファイルに保存
    output_filename = os.path.splitext(audio_file_path)[0] + "_transcription.txt"
    with open(output_filename, "w", encoding="utf-8") as f:
        f.write(result["text"])
    print(f"\n文字起こし結果を '{output_filename}' に保存しました。")

import whisper
import os
import requests

# 環境変数からDeepLのAPI KEYを受け取ります
auth_key = os.getenv('API_DEEPL')

audio_file_path = "awesome-contents.mp3" # ここを実際のファイル名に置き換えてください

if not os.path.exists(audio_file_path):
    print(f"エラー: 音声ファイル '{audio_file_path}' が見つかりません。パスを確認してください。")
else:
    # Whisperモデルをロード
    print("Whisperモデルをロード中...")
    model = whisper.load_model("base")

    # 文字起こしを実行
    #    language="en" で英語の文字起こしを明示的に指定
    print(f"'{os.path.basename(audio_file_path)}' の文字起こしを開始します...")
    result = model.transcribe(audio_file_path, language="en", verbose=True)

    # 結果を表示・保存します
    print("\n--- 文字起こし結果 ---")
    print(result["text"])

    # 結果をテキストファイルに保存
    output_filename = os.path.splitext(audio_file_path)[0] + "_transcription.txt"
    with open(output_filename, "w", encoding="utf-8") as f:
        f.write(result["text"])
    print(f"\n文字起こし結果を '{output_filename}' に保存しました。")

# ここから翻訳処理を行います
def translate_with_deepl(text, auth_key):
    """
    DeepL APIを使用してテキストを翻訳
    """
    url = "https://api-free.deepl.com/v2/translate"

    params = {
        'auth_key': auth_key,
        'text': text,
        'source_lang': 'EN',
        'target_lang': 'JA'
    }

    response = requests.post(url, data=params)

    if response.status_code == 200:
        result = response.json()
        return result['translations'][0]['text']
    else:
        print(f"エラー: {response.status_code}")
        return None

# 翻訳を開始
japanese_text = translate_with_deepl(result["text"], auth_key)

# 翻訳結果を表示・保存します
print("\n--- 翻訳結果 ---")
print(japanese_text)

ja_output_filename = "ja_" + output_filename
with open(ja_output_filename, "w", encoding="utf-8") as f:
    f.write(japanese_text)
print(f"\n翻訳結果を '{ja_output_filename}' に保存しました。")