audio and video extraction from WARCs
@nvanva ya está trabajando en esto.
Desde el 15/10/2026.
Evaluación
Este issue todavía no se ha evaluado.
Descripción
Following this suggestion, I create this separate issue:
"another warc2text extension we want to incorporate is extraction of additional media types, audio and video, for the extended text extraction work. this pipeline should benefit from the same metadata and opt-out processing as everything else.
but i am guessing you might want to coordinate that as a separate, new issue? if so, could you please create an issue and invite @MariaFjodorowa & @akutuzov to spell out the media types they want?"
- Lenguaje dominante
- Shell
- Estrellas
- 1
- Forks
- 0
- Métricas de merge de PR
- Sin PR fusionados en 30 d
Preparar el entorno
Este proyecto no incluye contenedor de desarrollo, Dockerfile ni guía de contribución, así que la configuración corre por tu cuenta: empieza por su README y consulta nuestra guía para la primera contribución para los pasos generales.
Primeros pasos
- Lee el issue completo y luego la guía de contribución del proyecto.
- Comenta en el issue que vas a ocuparte — evita que dos personas hagan lo mismo.
- Haz un fork del repositorio y trabaja en una rama.
- Abre un pull request que haga referencia al número del issue.
Más de OpenEuroLLM/web-data-processing
-
robots.txtPosiblemente ocupada @nvanva la tomó hace 5 días. Abierto
OpenEuroLLM/web-data-processing#7 · 1 asignado ·
-
S2-S4 updatesPosiblemente ocupada @nvanva la tomó hace 5 días. Abierto
OpenEuroLLM/web-data-processing#6 · 3 comentarios · 2 asignados ·
-
S2-S4 integrationPosiblemente ocupada @nvanva la tomó hace 5 días. Abierto
Dificultad 5/5 Más de una semana Aptitud para principiantes 20/100
OpenEuroLLM/web-data-processing#5 · 1 asignado ·
-
LUMIO manifest generationPosiblemente ocupada @nvanva la tomó hace 11 días. Abierto
OpenEuroLLM/web-data-processing#4 · 1 comentario · 1 asignado ·
-
opt-out handlingPosiblemente ocupada @nvanva la tomó hace 11 días. Abierto
OpenEuroLLM/web-data-processing#3 · 3 comentarios · 1 asignado ·
Todos los issues de OpenEuroLLM/web-data-processing
Issues similares
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 84/100
Los mantenedores suelen responder en 1 día
-
package-update
Dificultad 2/5 1-3 horas Aptitud para principiantes 62/100
Los mantenedores suelen responder en 1 día
-
canUseTool drops decision_reason_type and classifier_approvable from the can_use_tool requestAbiertobug
Dificultad 2/5 1-3 horas Aptitud para principiantes 72/100
-
bug
Dificultad 2/5 1-3 horas Aptitud para principiantes 78/100
jangala-dev/devicecode-lua#344 ·
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 72/100
cov-lineages/pangolin#583 · 1 comentario ·