Este es el repositorio del código del Trabajo de Fin de Grado del año 2020/2021 Generación de resúmenes de vídeo-entrevistas utilizando redes neuronales de la Universidad Complutense de Madrid realizado por Francisco Javier Lozano Hernández y Daniel Alcázar Muñoz. La aplicación web se encuentra en este enlace.
La web tiene una zona donde puedes arastrar un archivo de vídeo MP4 y un botón para procesarlo. Después de un rato, a la derecha aparecerá una transcripción de lo que se habla en el vídeo y un resumen dependiendo de los parámetros utilizados:
- Transcribir con separación por silencios: Realiza la transcripción del audio del archivo mediante los silencios que se detecten utilizando la biblioteca SpeechRecognition.
- Transcribir con separación por hablantes: Realiza la transcripción del audio del archivo utilizando la API de SpeechToTExt de Google junto a su funcionalidad de detección de hablantes. Delante de cada intervención aparecen un número y dos puntos: Este número es el
speaker_tagque la API ha puesto a ese interlocutor. - Resumir hablantes por separado: Realiza un resumen de las intervenciones de cada interlocutor por separado. Se puede combinar con la siguiente opción.
- Resumir por segmentos: Realiza un resumen segmentando el texto en fragmentos de varias frases. Sí se ha habilitado la opción de
Resumir hablantes por separado, se segmentarán las intervenciones de cada interlocutor por separado. - Tamaño del segmento: El número de frases que abarca cada segmento. Va desde 3 hasta 30, pero es ignorado si no se marca la opción de
Resumir por segmentos - Introduce un correo al que se le enviarán los resultados: Te llegará un correo a esa dirección con el resumen y la transcripción. No es obligatorio, pero muy importante si vas a usar un audio largo o muy pesado debido a las limitaciones técnicas del servidor.
Si quieres ejecutar el código por ti mismo estas son las instrucciones que debes seguir:
Antes de nada instala las dependencias ejecutando el siguiente comando
pip install -r requirements.txt
Es posible que en algunas versiones de python haya problemas para instalar ciertas dependencias, en cuyo caso simplemente anota el paquete que está causando problemas y elimínalo del archivo requirements.txt
Ahora debes crear el archivo resources.py en la raíz y añadir lo siguiente:
api_key = r'ruta/a/tu/archivo/de/la/clave/API'
bucket_name = r'nombredetucubo'
sender_email = 'tucorreo@gmail.com'
passw = "contraseñadetucorreo"
api-key: Esta parte es necesaria para utilizar las funciones de separación por hablantes, ya que utiilza el servicio de SpeechToText de Google. Para crear la clave de la API primero habilita Google Cloud en tu cuenta y sigue el apartado Configurar la autenticación de este tutorial hasta que hayas descargado el JSON de la clave.
bucket_name: También es necesario crear un bucket en Google Cloud Storage y poner su nombre en esta variable.
sender_email y passw: Para utilizar la función de envío de correo crea una cuenta en Gmail y permitir el acceso de aplicaciones poco seguras. El segundo campo es la contraseña.
Después ejecuta app.py con tu versión de python. Se recomienda Python 3.8 o mayor.