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