Python کے ذریعے YouTube ویڈیوز کو AI سے تیار کردہ شارٹس میں تبدیل کریں

AI شارٹس جنریٹر کیا ہے؟

AI شارٹس جنریٹر ایک مفت، اوپن سورس Python پروجیکٹ ہے جو طویل YouTube ویڈیوز یا مقامی ویڈیو فائلوں کو مختصر، پوسٹ کے لیے تیار کلپس میں تبدیل کرتا ہے۔ یہ خودکار طور پر ماخذ کی نقل تیار کرتا ہے، ممکنہ طور پر پُرکشش لمحات کی شناخت کرتا ہے، ایک دوسرے سے متداخل انتخاب ہٹاتا ہے، اور بہترین امیدواروں کو عمودی یا حسبِ ضرورت پہلو تناسب میں رینڈر کرتا ہے۔

یہ پروجیکٹ مختصر ویڈیو SaaS مصنوعات کے خود میزبان متبادل کے طور پر پیش کیا گیا ہے۔ یہ کلپ سے پہلے کریڈٹس یا واٹرمارکس شامل نہیں کرتا۔ اس کے وسیع فیچر سیٹ میں سب ٹائٹلز، ترجمہ، وائس اوور، سیاق و سباق سے آگاہ ابتدائی ہکس، کمانڈ لائن انٹرفیس، مقامی ویب انٹرفیس، اور دیگر پروجیکٹس میں انضمام کے لیے API بھی شامل ہیں۔

آؤٹ پٹ کی مثال

تیار کردہ کلپس تقاریر، انٹرویوز، پوڈکاسٹس، ٹیوٹوریلز اور اسی نوعیت کے طویل مواد کو موبائل کے لیے موزوں ویڈیوز میں تبدیل کر سکتے ہیں۔

پروسیسنگ پائپ لائن کیسے کام کرتی ہے

1. ماخذ کا حصول: پروگرام YouTube ویڈیو ڈاؤن لوڈ کرتا ہے یا آپ کے فراہم کردہ مقامی فائل پاتھ کو پڑھتا ہے۔
2. نقل نویسی: faster-whisper مقامی طور پر ٹائم اسٹیمپ کے ساتھ نقل تیار کرتا ہے۔ یہ مرحلہ ہر معاون LLM فراہم کنندہ کے لیے یکساں ہے۔
3. مواد کی درجہ بندی: منتخب کردہ LLM تعین کرتا ہے کہ ماخذ پوڈکاسٹ، انٹرویو، ٹیوٹوریل، ولاگ یا کسی اور قسم کے مواد سے مشابہ ہے۔ یہ رفتارِ پیشکش کا بھی جائزہ لیتا ہے تاکہ ہائی لائٹس کا انتخاب مواد کے مطابق ڈھالا جا سکے۔
4. ہائی لائٹس کی درجہ بندی: OpenAI، Gemini یا MuAPI ہکس، جذباتی عروج، مضبوط آرا، انکشافات، تنازع، قابلِ اقتباس بیانات، کہانی کے اہم موڑ اور عملی قدر کے لیے نقل کا جائزہ لیتا ہے۔ یہ 0 سے 100 تک اسکور کے ساتھ درجہ بند ہائی لائٹ امیدوار واپس کرتا ہے۔
5. تکراری مواد کا خاتمہ: ایک دوسرے سے متداخل امیدواروں کو ان کے اسکور کے مطابق یکجا کیا جاتا ہے۔
6. اعلیٰ N کا انتخاب: --n آپشن کی بنیاد پر سب سے زیادہ درجہ رکھنے والے امیدوار منتخب کیے جاتے ہیں۔
7. رینڈرنگ: ہر منتخب حصے کو خودکار طور پر کراپ کر کے مطلوبہ پہلو تناسب میں رینڈر کیا جاتا ہے۔ جب تک اسے غیر فعال نہ کیا جائے، AI سے تیار کردہ سیاقی ہک آغاز میں شامل کیا جاتا ہے۔

تقاضے

• Python 3.10 یا اس کے بعد کا ورژن
• OpenAI، Gemini یا MuAPI کی API key
• requirements.txt میں درج Python پیکیجز

Gemini روزانہ کی حد کے ساتھ مفت درجۂ خدمت فراہم کرتا ہے۔ OpenAI بامعاوضہ ہے، جبکہ MuAPI سبسکرپشن کے بغیر، استعمال کے مطابق بامعاوضہ رسائی فراہم کرتا ہے۔ فراہم کنندگان کی شرائط اور قیمتیں تبدیل ہو سکتی ہیں، اس لیے بڑی تعداد میں پروسیسنگ سے پہلے متعلقہ سروس کا جائزہ لیں۔

پروجیکٹ انسٹال کریں

1. ریپوزٹری کلون کریں

git clone https://github.com/Colafornia/short-video-generator-AI.git
cd short-video-generator-AI

2. ورچوئل ماحول بنائیں

Windows پر چلائیں:

python -m venv venv
venv\Scripts\activate

Linux یا macOS پر چلائیں:

python -m venv venv
source venv/bin/activate

ورچوئل ماحول جنریٹر کے پیکیجز کو آپ کے کمپیوٹر پر موجود دیگر Python پروجیکٹس سے الگ رکھتا ہے۔

3. انحصارات انسٹال کریں

pip install -r requirements.txt

LLM اور Whisper کو ترتیب دیں

پروجیکٹ ڈائریکٹری میں .env فائل بنائیں۔ LLM_PROVIDER کو openai، gemini یا muapi پر سیٹ کریں اور متعلقہ API key شامل کریں۔

LLM_PROVIDER=openai

OPENAI_API_KEY=your_openai_key_here
OPENAI_MODEL=gpt-4o-mini

GEMINI_API_KEY=your_gemini_key_here
GEMINI_MODEL=gemini-2.5-flash

MUAPI_API_KEY=your_muapi_key_here

LOCAL_WHISPER_MODEL=base
LOCAL_WHISPER_DEVICE=auto

آپ کو صرف LLM_PROVIDER کے ذریعے منتخب کردہ فراہم کنندہ کی درست key درکار ہے۔ OpenAI اور Gemini کے لیے دکھائے گئے ماڈل فیلڈز اختیاری ہیں۔

• Gemini: Google AI Studio سے key حاصل کریں۔
• OpenAI: OpenAI Platform سے key حاصل کریں۔
• MuAPI: MuAPI سے key حاصل کریں۔

Whisper ماڈل منتخب کریں

LOCAL_WHISPER_MODEL میں tiny، base، small، medium یا large-v3 استعمال کیا جا سکتا ہے۔ پہلے سے دی گئی مثال میں base استعمال ہوتا ہے۔ ڈیوائس کے انتخاب کے لیے auto، cpu یا cuda استعمال کریں۔

اگر آپ چاہتے ہیں کہ پروگرام دستیاب ڈیوائس خود منتخب کرے تو LOCAL_WHISPER_DEVICE=auto رہنے دیں۔ مطابقت رکھنے والا CUDA ماحول موجود ہو تو cuda، یا واضح طور پر CPU پروسیسنگ مطلوب ہو تو cpu استعمال کریں۔

اپنا پہلا شارٹ بنائیں

main.py کو YouTube URL دیں:

python main.py "https://www.youtube.com/watch?v=video_id"

بطورِ ڈیفالٹ، پروگرام 9:16 پہلو تناسب پر تین کلپس رینڈر کرتا ہے اور ماخذ ڈاؤن لوڈ کی 720 ریزولوشن استعمال کرتا ہے۔ رینڈر شدہ فائلیں output ڈائریکٹری میں محفوظ کی جاتی ہیں۔

تعداد، تناسب اور ریزولوشن کو کنٹرول کریں

درج ذیل کمانڈ تین ہائی لائٹس منتخب کرتی ہے، انہیں عمودی ویڈیوز میں فارمیٹ کرتی ہے اور ماخذ کی 1080 ریزولوشن کی درخواست کرتی ہے:

python main.py "https://www.youtube.com/watch?v=video_id" \
  --n 3 \
  --ratio 9:16 \
  --resolution 1080

• --n رینڈر کیے جانے والے کلپس کی تعداد کنٹرول کرتا ہے۔ اس کی ڈیفالٹ قدر 3 ہے۔
• --ratio حسبِ ضرورت تناسب قبول کرتا ہے۔ عمودی شارٹس کے لیے 9:16 یا مربع آؤٹ پٹ کے لیے 1:1 استعمال کریں۔
• --resolution ماخذ ویڈیو کی ڈاؤن لوڈ ریزولوشن کنٹرول کرتا ہے۔ دستاویزی طور پر معاون اقدار 360، 480، 720، اور 1080 ہیں۔

مقامی ویڈیو پر کارروائی کریں

YouTube URL کی جگہ مقامی فائل کا راستہ استعمال کیا جا سکتا ہے۔ یہ مثال 720 ریزولوشن پر چار عمودی کلپس بناتی ہے اور Whisper کو تقریر کو چینی سمجھنے پر مجبور کرتی ہے:

python main.py "/Users/Admin/Folder/video.mp4" \
  --n 4 \
  --ratio 9:16 \
  --resolution 720 \
  --language zh

زبان کی ڈیفالٹ ترتیب auto ہے۔ جب خودکار شناخت موزوں نہ ہو یا آپ کو ویڈیو کی بولی جانے والی زبان پہلے سے معلوم ہو، تو Whisper کے زبان کوڈ مثلاً en کے ساتھ --language استعمال کریں۔

تخلیق کردہ ہک کو غیر فعال کریں

AI سے تخلیق کردہ ہکس ڈیفالٹ طور پر فعال ہوتے ہیں۔ شروع میں نیا ہک شامل کیے بغیر ہائی لائٹس رینڈر کرنے کے لیے --no-hook شامل کریں:

python main.py "https://www.youtube.com/watch?v=video_id" --no-hook

یہ اس وقت مفید ہے جب منتخب کردہ حصے کا آغاز پہلے ہی مضبوط ہو یا آپ چاہتے ہوں کہ شارٹ بالکل اسی طرح شروع ہو جیسے وہ ماخذ میں دکھائی دیتا ہے۔

مقامی ویب انٹرفیس استعمال کریں

ویب ورژن متعدد ویڈیوز کو قطار میں شامل کرنے اور رینڈرنگ کے اختیارات تبدیل کرنے کا بصری طریقہ فراہم کرتا ہے۔ یہ اب بھی LLM فراہم کنندہ اور API اسناد .env سے پڑھتا ہے؛ انٹرفیس صرف ویڈیو ان پٹ اور رینڈرنگ کے اختیارات سنبھالتا ہے۔

1. بیک اینڈ شروع کریں

python3 server.py

2. فرنٹ اینڈ سرور کریں

پروجیکٹ ڈائریکٹری میں ایک اور ٹرمینل کھولیں اور چلائیں:

cd web
python3 -m http.server 8000

3. انٹرفیس کھولیں

اپنے براؤزر میں http://localhost:8000/shorts-generator-ui.html کھولیں۔

جدید استعمال کی تجاویز

پہلو کا تناسب منزل کے مطابق رکھیں

معیاری عمودی شارٹ فارم ویڈیو کے لیے 9:16 استعمال کریں۔ مربع آؤٹ پٹ کے لیے 1:1 منتخب کریں، یا مختلف لے آؤٹ کے لیے جنریٹر کے معاون کوئی اور تناسب فراہم کریں۔

جانچ کے دوران کلپس محدود رکھیں

ابتدائی ترتیب کے دوران --n 1 مقرر کریں۔ اس سے رینڈر کیے جانے والے کلپس کی تعداد کم ہو جاتی ہے، جبکہ آپ API اسناد، ٹرانسکرپشن کے رویے، زبان کی ترتیبات، ہکس، اور آؤٹ پٹ کے ابعاد کی جانچ کرتے ہیں۔

python main.py "https://www.youtube.com/watch?v=video_id" --n 1 --resolution 360

ضرورت کے مطابق زبان زبردستی مقرر کریں

خودکار زبان کی شناخت آسان ہے، لیکن ماخذ زبان معلوم ہونے پر --language کو واضح طور پر مقرر کرنا مفید ہو سکتا ہے۔ یہ اختیار Whisper ٹرانسکرپشن پر لاگو ہوتا ہے۔

مقامی ٹرانسکرپشن کی ترتیبات تبدیل کریں

ہائی لائٹ کے تجزیے میں بیرونی LLM فراہم کنندہ استعمال ہونے کے باوجود ٹرانسکرپشن مقامی طور پر چلتی ہے۔ اپنی مشین پر دستیاب وسائل کے مطابق .env میں Whisper ماڈل اور ڈیوائس منتخب کریں۔ README ان ترتیبات کو ظاہر کرتا ہے، لیکن ہر ورک لوڈ کے لیے کسی ایک ماڈل کی پابندی نہیں کرتا۔

فراہم کنندہ کی ترتیب کو انٹرفیس کے انتخاب سے الگ رکھیں

CLI سے ویب انٹرفیس پر منتقل ہونے سے ترتیب دیا گیا LLM فراہم کنندہ تبدیل نہیں ہوتا۔ OpenAI، Gemini، اور MuAPI کے درمیان تبدیل ہوتے وقت .env میں LLM_PROVIDER اور متعلقہ API کلید کو اپ ڈیٹ کریں۔

شائع کرنے سے پہلے تخلیق کردہ کلپس کا جائزہ لیں

ہائی لائٹ سسٹم امیدواروں کو خودکار طور پر منتخب کرنے کے لیے ٹرانسکرپٹ کے تجزیے اور وائرلٹی فریم ورک کا استعمال کرتا ہے۔ پوسٹ کرنے سے پہلے output میں موجود فائلوں کا جائزہ لے کر تصدیق کریں کہ کراپنگ، ٹرانسکرپشن، سیاق، اور اختیاری ہک آپ کے مطلوبہ استعمال کے مطابق ہیں۔

نتیجہ

AI Shorts Generator مقامی Whisper ٹرانسکرپشن، LLM پر مبنی ہائی لائٹ شناخت، ڈپلیکیٹس کا خاتمہ، درجہ بندی، اور خودکار کراپنگ کو ایک اوپن سورس ورک فلو میں یکجا کرتا ہے۔ انحصارات انسٹال کرنے اور .env میں کسی فراہم کنندہ کو ترتیب دینے کے بعد، آپ کمانڈ لائن سے YouTube URL یا مقامی فائل، دونوں پر کارروائی کر سکتے ہیں۔ مقامی ویب انٹرفیس اس وقت متبادل فراہم کرتا ہے جب آپ ویڈیوز کو قطار میں شامل کرنا اور رینڈرنگ کے اختیارات بصری طور پر منتخب کرنا چاہتے ہوں۔

یہ پروجیکٹ MIT License کے تحت دستیاب ہے۔ آپ GitHub سے مسائل کی اطلاع دے سکتے ہیں، تبدیلیوں میں تعاون کر سکتے ہیں، یا ریپوزٹری کو فورک کر سکتے ہیں۔