Communitygithub.com

Aikoin/youtube-transcript-doc

Verwandle ein YouTube-Video in ein poliertes, zweisprachiges Feishu/Lark-Transkriptdokument mit klickbaren Zeitstempeln – ein Mira/Claude-Skill.

Was ist youtube-transcript-doc?

Dieser Skill verwandelt ein YouTube-Video (mit Untertiteln) in ein professionell aufbereitetes, zweisprachiges (Englisch/Chinesisch) Feishu/Lark-Transkriptdokument. Er extrahiert die Untertitel, segmentiert sie in zusammenhängende Sprecherwechsel (statt willkürlicher zeitbasierter Schnitte), bereinigt Fehler (ASR, Füllwörter, Stottern), übersetzt die Absätze und erstellt ein strukturiertes Dokument mit klickbaren Zeitstempeln, farbcodierten Sprachen und optionalen Highlight-Bereichen. Der Skill unterstützt Feishu/Lark-Dokumente und kann eine visuelle Zusammenfassung als bearbeitbares SVG-Whiteboard generieren. Er ist für AI-Agenten wie Claude Code, Mira oder Cursor konzipiert, die Dokumente in entwicklungstoolnahen Arbeitsabläufen erstellen. Nach der Veröffentlichung kann der Skill Kommentare aus dem Dokument abrufen und auf Grundlage von Nutzerfeedback iterieren, indem er fehlerhafte Segmentierungen korrigiert oder Übersetzungen anpasst.

Funktioniert mit✓Claude Code~Codex CLI~Cursor
npx skills add Aikoin/youtube-transcript-doc

In Ihrer bevorzugten KI fragen

Öffnet einen neuen Chat, in dem dieser Agent-Skill bereits geladen ist.

Dokumentation

YouTube-Video → Aufbereitetes Transkriptdokument

Wandle ein YouTube-Video (oder ein Video mit Untertiteln) in ein lesbares, klickbares und nachhaltig nutzbares Feishu-Transkriptdokument um.

Die gesamte Kette: Video erhalten → SRT herunterladen → in Abschnitte parsen → bereinigen + übersetzen → Feishu-Dokument erstellen → (optional) visuelles Zusammenfassungs-Whiteboard generieren.

Wann verwenden

Ein Nutzer schickt einen Video-Link und wünscht ein Transkript / eine Zeitleiste / eine zusammenfassende Meeting-Notiz / Untertitel-Extraktion / zweisprachige Gegenüberstellung oder einfach "Hilf mir, dieses Video anzusehen und zusammenzufassen".

Ablauf

1. video_id und Basisinformationen ermitteln

Aus der URL die 11-stellige video_id extrahieren. Falls möglich, auch Titel, Dauer, Gäste/Veröffentlicher notieren – diese in den Kopf-Informationsblock des Dokuments einfügen.

2. Untertitel abrufen (häufig der kniffligste Schritt)

Direkter Zugriff auf YouTube-Untertitel wird meist durch Anti-Scraping-Mechanismen blockiert – nicht verbissen versuchen. Der references/fetch-srt.md-Degradationsplan vorgehen:

Drittplattformen für Untertitel (zuerst downsub – mit Remote-Browser öffnen → download.subtitle.to-Download-Blob extrahieren → direkt mit curl holen) → Text über Browser scrapebar machen → Nutzer bitten, manuell zu exportieren. Nach Erfolg als transcript.srt speichern.

3. In Sprecherwechsel parsen

python scripts/parse_srt.py transcript.srt --video-id <VIDEO_ID> --out turns.json

Segmentierung erfolgt anhand des >>-Sprecher-Markers (fällt auf gleichmäßige Längen-Segmentierung zurück, falls kein Marker vorhanden). Dieser Schritt behebt das Problem, dass ein Satz in zwei Hälften gerissen wird – Durch die Segmentierung nach Sprecherwechseln bleibt jeder Abschnitt eine vollständige Aussage. Das Skript entfernt außerdem eigenständige Absätze, die nur aus Füllwörtern bestehen.

4. Bereinigung + Übersetzung

Gemäß references/clean-translate.md: Füllwörter entfernen, Stotter-Wiederholungen entfernen, ASR-Fehler korrigieren (Personennamen/Fachbegriffe/Firmennamen), Absatz für Absatz übersetzen. Bei ~100 Absätzen in 2–3 Stapel mit parallelen Sub-Agenten verarbeiten, eine gemeinsame Terminologie-Korrekturtabelle verwenden, jeweils {index:{en,zh}}-JSON ausgeben, zu einer Content-Datei zusammenführen.

Nach Vorbereitung des Inhalts eine content.json (mit meta / sections thematische Gliederung / highlights Highlight-Cards / paras Haupttext / bilingual Umschalter) gemäß der Kopf-Kommentarstruktur von scripts/build_doc.py erstellen, dann:

python scripts/build_doc.py turns.json content.json --outdir frags/

erzeugt frags/intro.xml und frags/sec_0.xml … sec_N.xml.

Strenge Formatierungsregeln (basierend auf echtem Nutzerfeedback, bereits in build_doc.py integriert, nicht umstoßen):

  • Titel schlicht halten, keine Labels wie "Zweisprachig" hinzufügen;
  • Sprachen durch Farbe trennen (Englisch grau, Chinesisch schwarz), keine EN/ZH-Beschriftung verwenden;
  • Keine vollständigen Absätze hervorheben, Highlight-Absätze nur mit ⭐ markieren, gelbe Hervorhebung den oberen Karten vorbehalten; fett/unterstrichene Kurzsätze der manuellen Nachbearbeitung überlassen.

5. In Feishu veröffentlichen

Den lark-doc-Skill verwenden (docs +create Dokument erstellen, Intro schreiben, dann docs +update --command append Abschnitt für Abschnitt anhängen). Details zum Aufruf siehe references/publish-lark.md. Nach Veröffentlichung die Dokument-URL an den Nutzer übergeben.

6. (Optional) Visuelles Zusammenfassungs-Whiteboard generieren

Nutzer wünschen nach Erhalt des Transkripts oft eine visuelle Zusammenfassung mit Schwerpunkten, die in dasselbe Dokument eingebettet werden kann. Mit dem Ansatz aus beautiful-feishu-whiteboard händisch SVG arrangieren (nicht Mermaid-Autolayout), als bearbeitbares Feishu-Whiteboard ablegen. Vollständiger Ablauf und Stolperfallen unter references/whiteboard-summary.md.

Die kritischste und am häufigsten schiefgehende Regel: Feishu-Whiteboards erzwingen beim Rendern dunkle Textfarbe, daher muss der gesamte Text auf hellem Hintergrund (Cremig/Gelb) in dunkler Tinte stehen, Farbe nur für Rahmen/Farbbalken/Kästchenmarkierungen/Abzeichen verwenden, Text niemals auf gesättigte Farbblöcke setzen. Die Textfarbe in einer lokalen PNG-Vorschau ist nicht vertrauenswürdig – nach dem Schreiben mit +query --output_as image das echte Online-Bild überprüfen, um den Kontrast zu bestätigen.

Iteration

Nutzer hinterlassen oft Kommentare im Dokument, um Änderungen zu verlangen. Mit lark-doc +get-comments Kommentare abrufen und Punkt für Punkt umsetzen. Bei Fehlern in der Absatzsegmentierung – zu Schritt 3 zurückgehen und mit Sprecherwechsel-Turns neu segmentieren, nicht auf einer falschen Segmentierung herumpfuschen.

Ressourcen

  • scripts/parse_srt.py — SRT → Sprecherwechsel-JSON
  • scripts/build_doc.py — Absätze + Übersetzung → Feishu-XML-Fragmente (Formatierung bereits integriert)
  • references/fetch-srt.md — Untertitel-Degradationsplan (wichtig)
  • references/clean-translate.md — Bereinigung/Übersetzung/Formatierungsrichtlinien
  • references/publish-lark.md — lark-doc Erstellung und Anhängen, Kommentare abrufen
  • references/whiteboard-summary.md — Mit beautiful-feishu-whiteboard visuelles Zusammenfassungs-Whiteboard generieren (inklusive Stolperfalle "Text muss auf hellem Hintergrund")

Verwandte Skills