用机器学习来概括《哈利波特》，视频也可以有“太长不看版”

毒栗子 发自 凹非寺

量子位 出品 | 公众号 QbitAI

文章太长读不下去的时候，就想有个TL;DR按钮，用最短的时间，看最关键的部分。

要是视频很长不想看，该怎么挑重点食用？

一位叫做Sagi Shaier的程序猿，用机器学习给《哈利·波特》电影片段，做了一份太长不看的概括版。

(至于是哪个片段，读下去就会知道。)

他的AI还用四句话，总结了一段11分钟的有声故事。

并且，程序猿已经把算法放上了GitHub。

那么，一起来观察一下，那些没时间看但又必须看的长视频，要怎样用AI概括出要点：

语音转文本：多种工具选择

首先，做好准备工作，就是把音频转换成文本。

语音转文本的工具有很多。

该选什么工具？

程序猿先用了Pocketsphinx，免费且易用，只是准确度感人。

然后，少年又想试试谷歌云的语音转文本服务。这应该是最好的工具之一，不过少年因为不想填信用卡，就放弃了。

最终，他选择了免费且准确率高的IBM沃森语音转文本，注册流程也简单。

在Python里面用沃森

一开始你可能会感觉有点复杂，熟悉了就简单了。

只要用这一段代码：

1 IBM_USERNAME = “apikey”
2 IBM_PASSWORD = ‘Pass’ #Put your API key here
3 stt = SpeechToTextV1(username=IBM_USERNAME, password=IBM_PASSWORD)
4 audio_file = open(“new_story.wav”, “rb”) #audio file's name
5 with open(‘new_story.json’, ‘w’) as fp: 
6 result = stt.recognize(audio_file, content_type=”audio/wav”,
7 continuous=True, timestamps=False,
8 max_alternatives=1).get_result()
9 json.dump(result, fp, indent=2)

把你IBM网站的密码填进去。

把要转换的音频文件名填进去。

(可以给.json文件起个名字，也可以用默认的new_story。)

然后，音频就转换成文本啦：

当然，语音识别还是有一些错误，后面会讲到怎样处理。

AI是怎么概括的？

有了文本，要让AI来读一读。先写这段代码，让文本变成字符串：

1 with open(‘new_story.json’) as file:
2 distros_dict = json.load(file)
3 for item in distros_dict[‘results’]:
4 print(item[‘alternatives’][0][‘transcript’] +’.’)

这样，就可以用NLP算法来解读了。

程序猿并没有用很复杂的算法，只需要六步：

1、把段落转换成句子。2、文本预处理：删掉所有特殊字符、停用词 (Stop Words) 以及数字。3、给句子做标记：获取句子里出现的所有单词。4、给每个单词算好它出现的加权频率。

第4步得出的加权频率长这样：

后面还有关键的两步：

5、把原始句子里的单词，都替换成加权频率。6、给每个句子算出加权频率之和，按降序排列。

效果还不错

然后，AI对一场戏的总结就做好了：

程序猿对这个结果还是很满意的：他说自己看电影的时候，本来就有些字听不太清。所以，这场戏的总结已经算是友好了。

谷歌翻译长这样：

不过，不知道你能不能看出，这是哪一场戏 (答案在文末) 。

另外，程序猿也用同样的方法，四句话概括了一个11分钟的有声故事：

故事的名字叫The Boarded Window，AI的总结和维基百科的情节描述，已经有些接近了。

你也来试试

程序猿已经把算法上传到了GitHub。

如果你也有太长不想看的视频，或者太长不想听的音频，让AI帮你总结一下吧。

GitHub传送门：

https://github.com/Shaier/Movie-Summarizer

教程原文传送门：

https://towardsdatascience.com/summarizing-harry-potter-with-ml-e724c024e2a2