Azure Open AIを使った動画概要説明の自動生成

import os

import json

import requests

import ffmpeg

from dotenv import load_dotenv

from openai import AzureOpenAI

from azure.storage.blob import BlobServiceClient

# .envのファイルを読み込む

load_dotenv()

# ====== 環境変数読み込み ======

# Azure Blob Storage環境変数

BLOB_ACCOUNT_NAME = os.getenv("AZURE_STORAGE_ACCOUNT_NAME")    # ストレージアカウント名

BLOB_ACCOUNT_KEY = os.getenv("AZURE_STORAGE_KEY")  # アクセスキー

BLOB_CONNECTION_STRING = os.getenv("AZURE_STORAGE_CONNECTION_STRING") # 接続文字列

BLOB_CONTAINER_NAME = "speek2text"              # コンテナ名

# Azure Speech環境変数

SPEECH_KEY = os.getenv("AZURE_SPEECH_KEY")

SPEECH_ENDPOINT = os.getenv("AZURE_SPEECH_ENDPOINT")  # Azure Speechリソースのエンドポイント

SPEECH_REGION = "japaneast"          # Bach Transcription対応リージョンを使用

SPEECH_API_VERSION = "2024-11-15"           # 例：Speech to Text APIのバージョン

LOCALE = "ja-JP"

# Azure OpenAI環境変数

OPENAI_KEY = os.getenv("AZURE_OPENAI_API_KEY")

OPENAI_ENDPOINT = os.getenv("AZURE_OPENAI_ENDPOINT") # ：Azure OpenAIリソースのエンドポイント

OPENAI_DEPLOYMENT = "gpt-4.1"           # AOAIのモデル(Deployment)名

OPENAI_API_VERSION = "2025-03-01-preview"   # 例：AOAIのAPIバージョン

# ====== 設定 ======

MOVIE_DIR = "movies/"           # 動画ファイルディレクトリ

AUDIO_DIR = "audios/"           # 音声ファイルディレクトリ

MOVIE_FILE_EXT = ".mp4"  # 動画ファイル拡張子

AUDIO_FILE_EXT = ".mp3" # 音声ファイル拡張子

SUMMARY_LENGTH = 500  # ← ここを変えると文字数変更可

# ====== 1. MP4 → MP3（64kbpsモノラル） ======

def convert_mp4_to_mp3(input_file, output_file):

    (

        ffmpeg

        .input(input_file)

        .output(output_file, acodec="libmp3lame", ac=1, ab="64k")

        .overwrite_output()

        .run(quiet=True)

    )

# ====== 2.Blob Storageへアップロード ======

def upload_to_blob(BLOB_CONNECTION_STRING, container_name, local_file, blob_name):

    # Blobサービスクライアントを作成

    blob_service_client = BlobServiceClient.from_connection_string(BLOB_CONNECTION_STRING)

    # コンテナクライアントを取得

    container_client = blob_service_client.get_container_client(container_name)

    # Blobクライアントを取得

    blob_client = container_client.get_blob_client(blob_name)

    # ファイルをアップロード

    try:

        with open(local_file, "rb") as data:

            blob_client.upload_blob(data, overwrite=True)

            #print(f"✅ {local_file} をアップロードしました → blob://{container_name}/{blob_name}")

    except Exception as e:

        print("upload_to_blob で例外発生:", repr(e))

        raise

    # 完全な URL を返す（SAS は付いていない点を注意）

    try:

        url = blob_client.url

    except Exception:

        url = None

    return url

# ====== 3. fast transcriptionでテキストに変換 ======

def fast_transcription(audio_path: str, locales, diarization=False, max_speakers=5):

    url = f"{SPEECH_ENDPOINT}" \

          f"speechtotext/transcriptions:transcribe?api-version={SPEECH_API_VERSION}"

    definition = {}

    definition["locales"] = locales

    if diarization:

        definition["diarization"] = {"enabled": True, "maxSpeakers": max_speakers}

    headers = {"Ocp-Apim-Subscription-Key": SPEECH_KEY}

    files = {

        # 音声ファイル本体

        "audio": (os.path.basename(audio_path), open(audio_path, "rb")),

        # 設定は JSON 文字列で送る

        "definition": (None, json.dumps(definition), "application/json"),

    }

    resp = requests.post(url, headers=headers, files=files, timeout=300)

    resp.raise_for_status()

    data = resp.json()

    # 返却JSONの combinedPhrases からテキストを連結

    phrases = data.get("combinedPhrases", [])

    text = "\n".join(p.get("text", "") for p in phrases if p.get("text"))

    return text, data  # 必要に応じて data 全体も利用

# ====== 4. GPT-4.1 で要約 ======

def summarize_text(text, max_chars=5000, max_output_tokens=2000):

    client = AzureOpenAI(

        api_key=OPENAI_KEY,

        azure_endpoint=OPENAI_ENDPOINT,

        api_version=OPENAI_API_VERSION ,

    )

    prompt = f"次の文章を{max_chars}文字以内で日本語で要約してください：\n\n{text}"

    resp = client.responses.create(

        model=OPENAI_DEPLOYMENT,

        input=prompt,

        max_output_tokens=max_output_tokens,

    )

    # 出力テキスト取得

    output_text = getattr(resp, "output_text", None)

    return (output_text or "")

# ====== メイン処理 ======

def main():

    # ===== set parameters ======

    movie_name = "test09m"   # MP4ファイル名（拡張子なし）

    audio_name = movie_name   # MP3ファイル名（拡張子なし）

    INPUT_MP4 = os.path.join(MOVIE_DIR, movie_name + MOVIE_FILE_EXT)   # 入力MP4ファイルパス

    OUTPUT_MP3 = os.path.join(AUDIO_DIR, audio_name + AUDIO_FILE_EXT)  # 出力MP3ファイルパス

    LOCAL_FILE_PATH = OUTPUT_MP3        # アップロードしたいローカルファイル

    BLOB_NAME = os.path.basename(LOCAL_FILE_PATH)  # Blob上でのファイル名

    # 1. mp4 → mp3

    convert_mp4_to_mp3(INPUT_MP4, OUTPUT_MP3)

    # （このMP3を自分のAzure Blobにアップロードし、SAS URLを取得しておく）

    upload_to_blob(BLOB_CONNECTION_STRING, BLOB_CONTAINER_NAME, LOCAL_FILE_PATH, BLOB_NAME)

    # 2. 文字起こし

    text, raw = fast_transcription(OUTPUT_MP3, locales=[LOCALE], diarization=True, max_speakers=5)

    # 3. 要約

    # 明示的にテンプレートファイルを指定する例

    summary = summarize_text(text, SUMMARY_LENGTH, max_output_tokens=2000)

    # 4. 表示

    print("\n===== ✅ 要約結果 =====")

    print(summary)

if __name__ == "__main__":

    main()

===== ✅ 要約結果 =====

「ビジュアモールムービーライブラリ」は、ソフトバンクが提供する法人向け動画共有サービスです。企業が社内で動画を効率的に管理・共有でき、見せたい社員だけに限定公開が可能です。研修やマニュアル、経営メッセージなど様々な用途に利用でき、専用ポータルサイトからPCやスマホで簡単に視聴できます。動画のアップロードはシンプルな操作で実施。たとえば情報セキュリティを学ぶアニメ「Mr.Sのセキュリティチャンネル」も配信され、ポップな短編動画で社員のリテラシー向上にも役立ちます。リモートワーク時代に適したサービスで、特別な機器やアプリ不要、ウェブブラウザとネット環境さえあれば利用可能です。利用人数や動画数に応じてプランも複数用意されており、企業や学校など多様なシーンで活用できます。