تحلیل ویدیوهای یوتیوب با GPT-4o-mini: استخراج و رتبه‌بندی بی…

تحلیل ویدیوهای یوتیوب با GPT-4o-mini برای استخراج بینش‌های رتبه‌بندی شده بر اساس مرتبط بودن

این گردش کار، فرآیند تحلیل رونوشت ویدیوهای یوتیوب را با استفاده از GPT-4o-mini برای استخراج و رتبه‌بندی بینش‌های کلیدی، خودکار می‌کند. این روش برای تحقیقات بازار، تحلیل محتوا و درک سریع مضامین اصلی محتوای ویدیویی ایده‌آل است.

دسته‌بندی‌ها: تحقیقات بازار، خلاصه‌سازی با هوش مصنوعی

لینک کاتالوگ Axeto: https://axeto.ai/n8n

نمای کلی گردش کار

این گردش کار یک URL ویدیوی یوتیوب را دریافت کرده، رونوشت آن را بازیابی می‌کند، سپس آن را با GPT-4o-mini پردازش می‌کند تا موضوعات مهم را شناسایی کرده و در نهایت این موضوعات را بر اساس میزان مرتبط بودنشان رتبه‌بندی می‌کند. در نهایت، می‌تواند خلاصه‌ای از این بینش‌ها را از طریق ایمیل ارسال کند یا آن‌ها را در Google Sheets ذخیره نماید.

گره‌های مورد استفاده

• Form Trigger: برای شروع گردش کار با ارائه URL ویدیوی یوتیوب.
• HTTP Request: برای دریافت رونوشت ویدیوی یوتیوب.
• Set: برای پیکربندی پارامترها برای گره‌های بعدی.
• Wait: برای مدیریت محدودیت‌های نرخ API یا ایجاد تأخیر.
• Code: برای منطق سفارشی جاوا اسکریپت، مانند تجزیه رونوشت یا دستکاری داده‌ها.
• Gmail: برای ارسال بینش‌های تحلیل شده از طریق ایمیل.
• Sticky Note: برای اشکال‌زدایی و بصری‌سازی داده‌ها در داخل گردش کار.
• Google Sheets: برای ذخیره بینش‌های استخراج شده.
• Langchain Agent: برای هماهنگ کردن تعامل با مدل زبان.
• Langchain LM Chat OpenAI: برای پیکربندی مدل زبان GPT-4o-mini.
• Langchain Output Parser Structured: برای تجزیه خروجی ساختاریافته از مدل زبان.

نحوه استفاده

1. شروع (Trigger): گردش کار را با ارسال یک URL ویدیوی یوتیوب از طریق گره Form Trigger آغاز کنید.

2. بازیابی رونوشت: گره HTTP Request رونوشت ویدیو را دریافت خواهد کرد. ممکن است لازم باشد از یک سرویس یا API شخص ثالث برای استخراج قابل اعتماد رونوشت‌ها استفاده کنید، زیرا دریافت مستقیم رونوشت یوتیوب می‌تواند پیچیده باشد.

3. تحلیل با هوش مصنوعی:

* گره‌های Langchain رونوشت را با استفاده از GPT-4o-mini پردازش خواهند کرد.

* گره LM Chat OpenAI را با کلید API OpenAI خود پیکربندی کرده و gpt-4o-mini را به عنوان مدل انتخاب خواهید کرد.

* گره Langchain Agent برای درخواست از GPT-4o-mini جهت شناسایی موضوعات کلیدی و میزان مرتبط بودن آن‌ها تنظیم خواهد شد.

* گره Output Parser Structured اطمینان حاصل می‌کند که پاسخ هوش مصنوعی در قالبی قابل پیش‌بینی و ساختاریافته ارائه شود.

4. رتبه‌بندی بینش‌ها: منطق گردش کار (احتمالاً با استفاده از گره Code) بینش‌های استخراج شده را بر اساس میزان مرتبط بودن درک شده، رتبه‌بندی می‌کند.

5. خروجی:

* از گره Gmail برای ارسال خلاصه‌ای از بینش‌های رتبه‌بندی شده به آدرس ایمیل خود استفاده کنید.

* به طور جایگزین، از گره Google Sheets برای ثبت بینش‌ها در یک صفحه گسترده جهت تحلیل بیشتر استفاده کنید.

* گره Sticky Note می‌تواند در مراحل مختلف برای بازرسی داده‌هایی که بین گره‌ها منتقل می‌شوند، به کار گرفته شود.

پیش‌نیازها

• یک کلید API OpenAI با دسترسی به GPT-4o-mini.
• اعتبارنامه‌های حساب Gmail شما (در صورت استفاده از گره Gmail).
• اعتبارنامه‌های حساب Google Sheets شما (در صورت استفاده از گره Google Sheets).

مثال Prompt (برای Langchain Agent)

شما یک محقق بازار متخصص هستید. رونوشت ویدیوی یوتیوب زیر را تحلیل کرده و مهم‌ترین موضوعات مورد بحث را استخراج کنید. برای هر موضوع، یک توضیح مختصر و یک امتیاز مرتبط بودن از 1 تا 5 ارائه دهید، که در آن 5 به معنی بسیار مرتبط است.

رونوشت:
{transcript_data}

خروجی باید یک آرایه JSON از اشیاء باشد، که در آن هر شیء دارای کلیدهای 'topic'، 'description' و 'relevance_score' است.

این گردش کار راهی قدرتمند برای استخراج سریع اطلاعات ارزشمند از محتوای ویدیویی ارائه می‌دهد، در زمان شما صرفه‌جویی کرده و قابلیت‌های تحقیقاتی شما را بهبود می‌بخشد.

---