Произведите революцию в написании сценариев для YouTube с помощью LangChain и Streamlit: раскрывая силу ИИ…

Введение:

В нынешнюю цифровую эпоху YouTube зарекомендовал себя как ведущая платформа для производителей контента, позволяющая распространять свои идеи, развлекать и информировать миллионы зрителей по всему миру. Сценарий является ключевым компонентом создания увлекательных видео на YouTube. Вы можете оставаться организованным и улучшать общее качество и воздействие вашего контента, используя хорошо написанный сценарий. В этой статье мы рассмотрим, как мощное сочетание LangChain и Streamlit может революционизировать способ написания сценариев для YouTube.

Понимание LangChain:

OpenAI создала сложную языковую модель ИИ, известную как LangChain. Он основан на архитектуре GPT-3.5, которая позволяет ему понимать и создавать текст, напоминающий текст человека. Когда дело доходит до создания сценариев для YouTube, LangChain может полностью изменить правила игры, потому что он позволяет легко придумывать идеи, предлагать предложения и даже писать целые сценарии.

Фрагменты кода

Импорт библиотек и пакетов

import os 
import streamlit as st 
from langchain.llms import OpenAI
from langchain.prompts import PromptTemplate
from langchain.chains import LLMChain, SequentialChain 
from langchain.memory import ConversationBufferMemory
from langchain.utilities import WikipediaAPIWrapper 

os.environ['OPENAI_API_KEY'] = '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'

Платформа приложений Streamlit

st.title('🦜🔗 YouTube Script Assistant')
st.image('./Youtube.png')
prompt = st.text_input('Plug in your prompt here')

Шаблоны подсказок

title_template = PromptTemplate(
    input_variables=['topic'], 
    template='write me a youtube video title about {topic}'
)

script_template = PromptTemplate(
    input_variables=['title', 'wikipedia_research'], 
    template='write me a youtube video script based on this title TITLE: {title} while leveraging this wikipedia research: {wikipedia_research}'
)

Память

title_memory = ConversationBufferMemory(input_key='topic', memory_key='chat_history')
script_memory = ConversationBufferMemory(input_key='title', memory_key='chat_history')

ВикипедияAPIWrapper

wiki = WikipediaAPIWrapper()

Обработка пользовательского ввода и генерация вывода

if prompt: 
    title = title_chain.run(prompt)
    wiki_research = wiki.run(prompt) 
    script = script_chain.run(title=title, wikipedia_research=wiki_research)

    st.write(title) 
    st.write(script) 

    with st.expander('Title History'): 
        st.info(title_memory.buffer)

    with st.expander('Script History'): 
        st.info(script_memory.buffer)

    with st.expander('Wikipedia Research'): 
        st.info(wiki_research)

Вот полный код для справки: —

# Import libraries & packages
import os 

import streamlit as st 
from langchain.llms import OpenAI
from langchain.prompts import PromptTemplate
from langchain.chains import LLMChain, SequentialChain 
from langchain.memory import ConversationBufferMemory
from langchain.utilities import WikipediaAPIWrapper 

os.environ['OPENAI_API_KEY'] = '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'

# Streamlet App framework
st.title('🦜🔗 YouTube Script Assistant') # setting teh title 
st.image('./Youtube.png') # set the featured image of the web application 
prompt = st.text_input('Plug in your prompt here')  # The box for the text prompt

# Prompt templates
title_template = PromptTemplate(
    input_variables = ['topic'], 
    template='write me a youtube video title about {topic}'
)

script_template = PromptTemplate(
    input_variables = ['title', 'wikipedia_research'], 
    template='write me a youtube video script based on this title TITLE: {title} while leveraging this wikipedia reserch:{wikipedia_research} '
)

# Memory 
title_memory = ConversationBufferMemory(input_key='topic', memory_key='chat_history')
script_memory = ConversationBufferMemory(input_key='title', memory_key='chat_history')

# Llms
llm = OpenAI(temperature=0.9) 
title_chain = LLMChain(llm=llm, prompt=title_template, verbose=True, output_key='title', memory=title_memory)
script_chain = LLMChain(llm=llm, prompt=script_template, verbose=True, output_key='script', memory=script_memory)

wiki = WikipediaAPIWrapper()

# Show stuff to the screen if there's a prompt
if prompt: 
    title = title_chain.run(prompt)
    wiki_research = wiki.run(prompt) 
    script = script_chain.run(title=title, wikipedia_research=wiki_research)

    st.write(title) 
    st.write(script) 

    with st.expander('Title History'): 
        st.info(title_memory.buffer)

    with st.expander('Script History'): 
        st.info(script_memory.buffer)

    with st.expander('Wikipedia Research'): 
        st.info(wiki_research)

Это всего лишь базовая модель, которую можно настроить дальше, и я оставляю вам людей, чтобы поиграть с ней. И отметьте меня при публикации своего блога на этом, так что поиграйте с этим сейчас.

Вот и все.

Надеюсь, вы сможете найти что-то полезное в этой статье и спасибо за чтение!

Повышение уровня кодирования

Спасибо, что являетесь частью нашего сообщества! Перед тем, как ты уйдешь:

• 👏 Хлопайте за историю и подписывайтесь на автора 👉
• 📰 Смотрите больше контента в публикации Level Up Coding