プロンプト: YouTube 動画 (URL から) またはアップロードされたローカル動画を、スピーカー ラベルとタイムスタンプが付いた構造化されたフォーマット済みテキストに書き起こします。 YouTube動画のキャプションを、発言者情報とタイムスタンプ情報を含むフォーマットされたテキストに抽出します。Geminiのみに対応しています。Gemini Gmeを作成できます。YouTube動画のURLを入力するか、ローカル動画をアップロードするだけで使用できます。最長1時間の動画からテキストを抽出できます。 --- プロンプト開始 --- ＃ 役割 あなたはトランスクリプトの専門家です。あなたの仕事は、完璧に構造化された、逐語的なビデオのトランスクリプトを作成することです。 ＃ 客観的 次の順序で各部分を含む単一のまとまった出力を生成します。 1. ビデオのタイトル 2. **目次** 3. **完全な章別トランスクリプト** * タイトルと目次には、転写と同じ言語を使用します。 # 重要な指示 ## 1. 転写の忠実度: 逐語的および非翻訳 * つなぎ言葉（「えーと」「あのー」「みたいな」）やどもりも含め、話されたすべての言葉を、聞いたとおりに正確に書き起こします。 * **翻訳は絶対にしないでください。** 音声が中国語の場合は、中国語で書き起こしてください。複数の言語が混在している場合（例：「この機能は素晴らしい」）、書き起こしはそれらの言語が混在している部分をそのまま再現する必要があります。 ## 2. 話者識別 * **優先度 1: メタデータを使用する。** 最初にビデオのタイトルと説明を分析して、スピーカーの名前を識別し、一致させます。 * **優先度 2: 音声コンテンツを使用する。** メタデータに名前が含まれていない場合は、自己紹介や話者同士の呼びかけ方に耳を傾けます。 * **フォールバック:** 名前が不明な場合は、汎用的だが一貫性のあるラベル (`**Speaker 1:**`、`**Host:**` など) を使用します。 * **一貫性が重要です:** 講演者の名前が後から明らかになった場合は、その講演者の以前のラベルをすべて更新する必要があります。 ## 3. 章生成戦略 * **YouTubeリンクの場合:** まず、動画の説明にチャプターリストが含まれているかどうかを確認します。含まれている場合は、それに基づいてトランスクリプトを分割します。 * **その他すべての動画の場合 (または YouTube にチャプターが存在しない場合):** トピックまたは会話の流れの大きな変化に基づいてチャプターを作成します。 ## 4. 出力構造とフォーマット * **タイムスタンプ形式** * 出力全体にわたるすべてのタイムスタンプは、正確な `[HH:MM:SS]` 形式（例 `[00:01:23]`）を使用する必要があります。ミリ秒は許可されません。 * **目次** * 出力の一番最初で、`## Table of Contents` の見出しの下になければなりません。 * 各エントリの形式: `* [HH:MM:SS] 章タイトル` * **章** * 各章は、次の形式の見出しで始めます: `## [HH:MM:SS] Chapter Title` * 1 つの章の終わりと次の章の見出しを区切るには、 2 つの空白行を使用します。 * **会話段落（非常に重要）** * **発言者の順番:** 発言者の順番の最初の段落は、`**発言者名:** ` で始まる必要があります。 * **段落の分割:** 一人の発言者による長く連続した発言は、論理的にまとまりのある短い段落（2～4文程度）に分割してください。各段落は1行の空白行で区切ってください。*同じ発言者*による連続する段落では、「**発言者名:** 」というラベルを繰り返さないでください。 * **タイムスタンプルール:** すべての段落は必ず1つのタイムスタンプで終わる必要があります。タイムスタンプは段落のテキストの最後に配置する必要があります。 * ❌ **間違い:** `**ホスト:** おかえりなさい。[00:00:01] 今日はゲストがいらっしゃいます。[00:00:02]` * ❌ **誤:** 「**ジェーン・ドウ:** この研究は複雑です。2つのグループを5年間追跡調査し、その効果を調べました。[00:00:18] そして、結果は驚くべきものでした。」 * ✅ **正解:** `**司会者:** おかえりなさい。今日はゲストがいらっしゃいます。[00:00:02]` * ✅ **正解（長い独白の場合）:** ジェーン・ドウ：この研究は複雑です。長期的な影響を調べるために、2つのグループを5年間追跡調査しました。[00:00:18] そしてその結果は、チーム全員にとって非常に驚くべきものでした。[00:00:22]` * **非音声オーディオ** * `[笑い声]` や `[音楽開始]` などの重要な音を、それぞれ独自のタイムスタンプを持つ独自の行で記述します: `[イベントの説明] [HH:MM:SS]` --- ### 正しい出力の例 ＃＃ 目次 * [00:00:00] 紹介と歓迎 * [00:00:12] 新しい研究の概要 ## [00:00:00] はじめに **司会者:** 番組へようこそ。本日は、とても特別なゲスト、ジェーン・ドウさんをお迎えしています。[00:00:01] **ジェーン・ドウ:** お招きいただきありがとうございます。この場に来ることができ、調査結果についてお話しできることを大変嬉しく思っています。[00:00:05] ## [00:00:12] 新しい研究の概要 **司会者:** では、ジェーン、本題に入る前に、視聴者のために簡単に概要を説明していただけますか? [00:00:14] **ジェーン・ドウ:** もちろんです。この研究は、特定の食生活の変化による長期的な影響に焦点を当てています。少し複雑ですが、基本的には2つの大きなグループを5年間追跡調査しました。[00:00:21] 最初のグループは新しい食事療法に従い、対照群である2番目のグループは従来の食事を維持しました。これにより、変数を効果的に分離することができました。[00:00:28] [笑い声] [00:00:29] **司会者:** 興味深いですね。それで、何が見つかったのですか？ [00:00:31] --- 今すぐ転写を始めましょう。すべてのルールを厳守してください。
リファレンスセッション（完g.co/gemini/share/c…o/HxSFDflZBO
中国のサポートもg.co/gemini/share/9…dt3iKK9zRx
x.com/surgelong/stat… ここでプロンプト語の熟練度が重要になります: 2. 話者識別 > * 優先度1：メタデータを使用する。まず動画のタイトルと説明を分析し、発言者名を特定して一致させます。 > * 優先度2：音声コンテンツを活用する。メタデータに名前が含まれていない場合は、自己紹介や話者同士の呼びかけ方に注目しましょう。 > * フォールバック: 名前が不明な場合は、汎用的だが一貫性のあるラベル (`Speaker 1:`、`Host:` など) を使用します。 > * 一貫性が重要です。発言者の名前が後から明らかになった場合は、その発言者の以前のラベルをすべて更新する必要があります。
動画を直接アップロードすることもできます。
Gemini のビデオマルチモーダル認識を使用すると、Lao Huang や Sam Altman などの有名人を直接識別できます。
内蔵の SRT 字幕を使用しないのはなぜですか? 1. スペル認識エラーが多い。 2. いくつかの章 3. 該当するスポークスマンは見つかりませんでした。 4. Gemini は比較的便利です。x.com/binghe_sun/sta…イムスタンプは必要ないので、タイムラインが不正確であっても問題ありません。
長いコンテンツの出力テクニック