youtube-guitar-tab-parser: CLI chuyển bài học guitar YouTube thành PDF tab bằng Claude Vision

Nếu bạn từng cố gắng học một bài hát từ bài học guitar trên YouTube, bạn biết nỗi đau: tab cuộn qua, tay người hướng dẫn che khuất ký hiệu, và bạn phải tua đi tua lại hàng phút. Một công cụ CLI mã nguồn mở mới có tên youtube-guitar-tab-parser nhằm giải quyết vấn đề đó bằng cách biến bất kỳ bài học guitar YouTube nào thành một PDF tab sạch sẽ, sử dụng mô hình thị giác của Claude để làm phần việc nặng nhọc.

Cách hoạt động

Quy trình khá đơn giản và rõ ràng. Công cụ sử dụng yt-dlp để tải video, sau đó ffmpeg để trích xuất các khung hình với khoảng thời gian có thể cấu hình (mặc định mỗi 2 giây). Phần thông minh tiếp theo: thay vì yêu cầu mô hình thị giác tọa độ pixel chính xác—vốn không đáng tin cậy—nó vẽ một lưới dải ngang có nhãn trên một mẫu khung hình và yêu cầu Claude báo cáo dải nào chứa sheet nhạc. Cách tiếp cận thô này mạnh mẽ trước các ngoại lệ và cho ra vùng cắt dọc đáng tin cậy.

Sau khi xác định vùng tab, mỗi khung hình được cắt theo vùng đó. Một hàm băm tri giác (dHash) loại bỏ các crop liên tiếp gần giống nhau để giảm chi phí API. Sau đó, Claude đọc số ô nhịp in ở đầu mỗi dòng và giữ lại đúng một crop cho mỗi số ô nhịp riêng biệt, loại bỏ các khung hình không phải tab như tiêu đề hoặc phần giới thiệu. Cuối cùng, pdf-lib ghép các dòng tab riêng biệt theo chiều dọc lên các trang A4, với tiêu đề video làm tiêu đề và siêu dữ liệu tài liệu.

Chi tiết chính

• Yêu cầu: Node.js ≥ 20, yt-dlp, ffmpeg và khóa API Anthropic.
• Thiết lập: npm install && npm run build, sau đó thêm ANTHROPIC_API_KEY vào tệp .env.
• Sử dụng: node dist/cli.js "<youtube-url>" — PDF được lưu trong out/<video-title>.pdf.
• Tùy chọn: Mọi thứ đều có giá trị mặc định hợp lý. Bạn có thể điều chỉnh khoảng thời gian chụp màn hình, mô hình Claude, kích thước mẫu, ngưỡng loại bỏ trùng lặp và độ phân giải tối đa.

Tại sao điều này quan trọng

Đây là một ví dụ tuyệt vời về việc sử dụng khả năng thị giác của LLM không phải cho các bản demo hào nhoáng mà cho một nhiệm vụ thực tế, được phạm vi hóa tốt. Các lựa chọn thiết kế—phát hiện dải thô thay vì tọa độ pixel chính xác, loại bỏ trùng lặp theo số ô nhịp thay vì so sánh khung hình ngây thơ—cho thấy tư duy kỹ thuật thực sự. Thật sảng khoái khi thấy một công cụ hoạt động ngay lập tức mà không cần cấu hình.

Mã nguồn có trên GitHub với giấy phép MIT. Nếu bạn là một nghệ sĩ guitar cũng viết mã, đây là thứ đáng để thử.