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