Youtube Content

YouTube の文字起こしを要約・スレッド・ブログ記事にします。

skill の情報

参考: SKILL.md 全文

YouTube Content Tool

使う場面

ユーザーが YouTube の URL や動画のリンクを共有したとき、動画の要約を頼んだとき、文字起こしを求めたとき、または YouTube 動画の内容を取り出して別の形に整えたいときに使います。文字起こしを、構造化されたコンテンツ（チャプター、要約、スレッド、ブログ記事）に変換します。

YouTube 動画から文字起こしを取り出し、使いやすい形式に変換します。

準備

PM で準備した Hermes のソースチェックアウトにある Python を、terminal で使います。 youtube の追加機能に、補助スクリプトが必要とする依存関係が宣言されています。素の pip や、 プロジェクトを自動検出する uv run で Hermes にパッケージを入れないでください。

そのチェックアウトで、まず パッケージ管理にある、分離した開発用ホームの設定を行います。 続けて追加機能を準備し、補助スクリプトを動かす前にもう一度環境を有効化します。

source ./activate
python -c "import pm; pm.sync_venv(['youtube'], explicit=True)"
source ./activate
python -c "import youtube_transcript_api; print(youtube_transcript_api.__file__)"

Windows では、source ./activate の代わりに . .\activate.ps1 を使います。ターミナルが 別のホストやサンドボックスで動いている場合は、エージェントの本番環境ではなく、そこで明示的に分離した 補助用の環境を使ってください。以下のコマンドは、どれも import の確認が通ったインタープリターで実行します。

補助スクリプト

SKILL_DIR は、この SKILL.md ファイルがあるディレクトリです。スクリプトは、標準的な YouTube の URL 形式、短縮リンク（youtu.be）、ショート、埋め込み、ライブのリンク、または 11 文字の動画 ID そのものを受け付けます。

# JSON output with metadata
python SKILL_DIR/scripts/fetch_transcript.py "https://youtube.com/watch?v=VIDEO_ID"

# Plain text (good for piping into further processing)
python SKILL_DIR/scripts/fetch_transcript.py "URL" --text-only

# With timestamps
python SKILL_DIR/scripts/fetch_transcript.py "URL" --timestamps

# Specific language with fallback chain
python SKILL_DIR/scripts/fetch_transcript.py "URL" --language tr,en

出力形式

文字起こしを取得したら、ユーザーの求めに合わせて整形します。

• チャプター: 話題の切り替わりでまとめ、タイムスタンプ付きのチャプター一覧を出力します
• 要約: 動画全体を 5〜10 文で簡潔にまとめます
• チャプターごとの要約: チャプターごとに短い段落の要約を付けます
• スレッド: Twitter/X のスレッド形式です。番号付きの投稿で、それぞれ 280 文字以内にします
• ブログ記事: タイトル、節、要点を備えた記事全体です
• 引用: 印象的な発言をタイムスタンプ付きで抜き出します

例 — チャプターの出力

00:00 Introduction — host opens with the problem statement
03:45 Background — prior work and why existing solutions fall short
12:20 Core method — walkthrough of the proposed approach
24:10 Results — benchmark comparisons and key takeaways
31:55 Q&A — audience questions on scalability and next steps

作業の流れ

1. 取得: terminal と準備済みの Python を使い、--text-only --timestamps を付けて文字起こしを取得します。
2. 確認: 出力が空でなく、想定した言語になっているかを確かめます。空なら --language を外して再実行し、使える文字起こしをどれでも取得します。それでも空なら、その動画は文字起こしが無効になっている可能性が高いとユーザーに伝えます。
3. 必要なら分割: 文字起こしが約 5 万文字を超える場合は、重なりを持たせたチャンク（約 4 万文字、重なり 2 千文字）に分け、チャンクごとに要約してから統合します。
4. 変換: 求められた出力形式に変換します。ユーザーが形式を指定していなければ、要約にします。
5. 検証: 提示する前に変換結果を読み直し、話のつながり、タイムスタンプの正しさ、抜けがないかを確かめます。

エラーへの対応

• 文字起こしが無効: ユーザーに伝え、動画のページで字幕が使えるかを確かめるよう提案します。
• 非公開または視聴できない動画: エラーをそのまま伝え、URL を確かめるようユーザーに頼みます。
• 一致する言語がない: --language を外して再実行し、使える文字起こしを取得してから、実際の言語をユーザーに伝えます。
• 依存関係が足りない: 上の PM での準備と再有効化をやり直し、補助スクリプトがその Python を使っているかを確かめます。選択中の世代を pip で修復しないでください。