Communitygithub.com

ingest-youtube

Télécharge la transcription d'une vidéo YouTube dans un coffre Markdown en tant qu'entrée de mémoire interrogable, en utilisant yt-dlp pour la découverte de sous-titres, le nettoyage VTT, les métadonnées en frontmatter et la création de brouillons de captures.

Qu'est-ce que ingest-youtube ?

Cette compétence spécialisée permet à un agent IA (comme Claude Code, Cursor ou Codex) d'extraire la transcription d'une vidéo YouTube et de la transformer en une note Markown structurée et interrogable, stockée dans un coffre à mémoire externe. Elle est particulièrement utile pour les développeurs et chercheurs qui souhaitent capturer le contenu de conférences, podcasts ou tutoriels afin de l'analyser, le synthétiser ou le réutiliser ultérieurement via d'autres compétences (extraction de graphes de connaissances, entraînement de modèles vocaux, etc.). La compétence repose sur l'outil `yt-dlp` pour découvrir et télécharger les sous-titres disponibles (manuels ou automatiques), les nettoie en supprimant les marqueurs temporels VTT et les lignes dupliquées, et extrait les métadonnées de la vidéo (titre, chaîne, date, durée). Elle crée ensuite un fichier Markdown avec un frontmatter YAML contenant ces métadonnées et le corps du texte nettoyé. Enfin, elle analyse le texte pour y détecter des mots-clés déclencheurs et crée des brouillons de captures pour faciliter la mémorisation et l'organisation des idées importantes.

Compatible avec~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/ASoudy/AGS/tree/HEAD/AGAS/plugins/antigravity-awesome-skills-claude/skills/ingest-youtube

Demander à votre IA préférée

Ouvre une nouvelle conversation avec cette compétence d'agent déjà préchargée.

Documentation

ingest-youtube — Connecteur YouTube vers coffre Markdown

Extrait les transcriptions YouTube dans un coffre Markdown en tant qu'entrées de mémoire typées et interrogables, que les compétences en aval (extraction de graphes de connaissances, entraînement d'empreintes vocales, réutilisation de contenu, extraction d'actions) peuvent exploiter.

Même modèle que ingest-slack, ingest-whatsapp, ingest-notion, ingest-linear, ingest-github, ingest-gmail. Ajouter YouTube signifie un nouveau normalisateur, pas une nouvelle architecture.

Quand l'utiliser

  • L'utilisateur colle une URL YouTube et demande une transcription ou un résumé
  • L'utilisateur dit /ingest-youtube <url> pour une seule vidéo
  • L'utilisateur demande de capturer, synchroniser, ingérer, transcrire ou récupérer une conférence/podcast/keynote dans le coffre

Ne PAS utiliser pour :

  • Télécharger le fichier vidéo lui-même (utilisez yt-dlp directement avec -f best)
  • Ingestion de toute une chaîne ou fenêtres --days ; ce script ingère une URL vidéo à la fois
  • Flux en direct (les transcriptions ne sont pas stables)
  • Sources non YouTube (Vimeo, Twitch, Twitter Spaces ont leurs propres connecteurs)
  • Lectures de transcription ponctuelles où l'utilisateur ne souhaite pas de fichier dans le coffre (exécutez yt-dlp --write-auto-sub directement et redirigez vers stdout)

Comment ça fonctionne

  1. Analyser l'entrée comme une URL YouTube.
  2. Vérifier que yt-dlp est installé. Sinon, le script se termine avec des instructions d'installation : brew install yt-dlp (macOS) ou pip3 install --user yt-dlp.
  3. Appeler yt-dlp --list-subs <url> pour énumérer les sous-titres disponibles.
  4. Priorité des sous-titres : sous-titres manuels > légendes automatiques. Les sous-titres manuels conservent la ponctuation et les étiquettes de locuteur fournies par le créateur ; les légendes automatiques sont en majuscules et sans ponctuation.
  5. Télécharger le sous-titre de plus haute priorité au format VTT via yt-dlp --write-sub --sub-lang <lang> --skip-download. Langue par défaut : en,es (anglais d'abord, espagnol ensuite).
  6. Supprimer les marqueurs temporels VTT et fusionner en paragraphes de prose propres. Dédupliquer les lignes répétées (les VTT automatiques sont souvent doublés). Conserver les étiquettes de locuteur si la source en avait.
  7. Extraire les métadonnées de la vidéo (titre, chaîne, date de publication, durée, video_id, URL) via yt-dlp --print-json --skip-download.
  8. Slugifier le nom de la chaîne et le titre de la vidéo. Écrire dans External Inputs/YouTube/<slug-chaîne>/<YYYY-MM-DD>-<slug-vidéo>.md.
  9. Analyser la transcription pour détecter des mots-clés déclencheurs (decision, framework, model, principle, "the lesson is", playbook, anti-pattern, case study). Pour chaque correspondance, créer un brouillon de capture dans Meta/Captures/<YYYY-MM-DD>-youtube-<slug-chaîne>-<id-vidéo>.md afin que le brouillon atterrisse dans l'agrégateur de captures.
  10. Afficher un résumé : chemin du fichier, nombre de mots de la transcription, langue, brouillons détectés.

Invocation

python3 ingest.py <youtube-url> [--vault <path>] [--lang <code>]

Valeurs par défaut :

  • --vault : variable d'environnement $VAULT_ROOT ou répertoire courant
  • --lang : en,es (anglais d'abord, espagnol ensuite ; correspond à une valeur par défaut bilingue courante)
  • --whisper : accepté comme indicateur de repli futur, mais cette version écrit un brouillon lorsqu'aucun sous-titre n'est disponible

Contrat de sortie

Le fichier du coffre à External Inputs/YouTube/<slug-chaîne>/<YYYY-MM-DD>-<slug-vidéo>.md possède le frontmatter suivant :

---
type: external-input
source: youtube
video_id: <ID à 11 caractères>
url: https://www.youtube.com/watch?v=<id>
channel: <nom-chaîne>
channel_url: https://www.youtube.com/<handle>
title: <titre-vidéo>
upload_date: <YYYY-MM-DD>
duration_seconds: <int>
language: <code ISO>
subtitle_source: manual | auto | whisper
word_count: <int>
ingested_at: <horodatage ISO 8601>
---

Le corps est la transcription nettoyée sous forme de prose en paragraphes. Si la source avait des étiquettes de locuteur, formater comme **<locuteur>:** <texte> par tour.

Idempotence

Ré-ingérer la même URL vidéo écrase le même fichier du coffre. Les noms de fichiers des brouillons de capture intègrent le video_id, donc la même vidéo source produit le même nom de fichier de brouillon entre les exécutions. Les réexécutions rafraîchissent, ne dupliquent jamais.

Sous-titres manquants

Si yt-dlp --list-subs ne renvoie aucun sous-titre manuel ou automatique, le script écrit une note de base dans le coffre avec les métadonnées de la vidéo et l'URL source au lieu d'échouer silencieusement. L'indicateur --whisper est réservé pour un futur repli de transcription locale et signale actuellement que le repli n'est pas implémenté.

Pour un repli manuel aujourd'hui, téléchargez l'audio avec yt-dlp, transcrivez-le avec votre flux de travail Whisper local, et ajoutez des sous-titres ou le texte de la transcription avant de réexécuter l'ingestion.

Limitations

  • Ingère une seule URL vidéo YouTube par exécution ; les handles de chaîne, les listes de lecture et les fenêtres --days sont hors de portée.
  • Dépend des sous-titres renvoyés par yt-dlp ; les vidéos sans sous-titres produisent une note de base avec métadonnées, pas une transcription.
  • Ne télécharge pas les fichiers vidéo et n'effectue pas de transcription Whisper intégrée dans cette version.
  • La disponibilité réseau, l'accès aux sous-titres YouTube et le comportement local de yt-dlp déterminent si l'ingestion réussit.

Test d'acceptation

Exécutez sur la première vidéo YouTube jamais mise en ligne :

python3 ingest.py "https://www.youtube.com/watch?v=jNQXAC9IVRw" --vault /tmp/test

Sortie attendue :

Écrit 39 mots dans /tmp/test/External Inputs/YouTube/jawed/2005-04-24-me-at-the-zoo.md. Langue : en. Source des sous-titres : manual.

Le fichier de sortie contient un frontmatter valide et un corps de prose propre.

Dépendances

  • yt-dlp (requis) : installez via brew install yt-dlp ou pip3 install --user yt-dlp
  • whisper-cpp (optionnel pour un repli manuel en dehors de ce script)

Source

Inclus dans adelaidasofia/ai-brain-starter, un harnais de vérification autour d'un agent IA pour que la mémoire se compose au lieu de se corrompre. La compétence fait partie de la famille de connecteurs de coffre ingest-*.

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

ASoudy/AGS

Advanced JavaScript animation library skill for creating complex, high-performance web animations.

ASoudy/AGS

Astropy is the core Python package for astronomy, providing essential functionality for astronomical research and data analysis.

ASoudy/AGS

Build content-focused websites with Astro — zero JS by default, islands architecture, multi-framework components, and Markdown/MDX support.

ASoudy/AGS

One sentence - what this skill does and when to invoke it

ASoudy/AGS

Audit and fix animation performance issues including layout thrashing, compositor properties, scroll-linked motion, and blur effects. Use when animations stutter, transitions jank, or reviewing CSS/JS animation performance.

ASoudy/AGS

Internationalization and localization patterns. Detecting hardcoded strings, managing translations, locale files, RTL support.

ASoudy/AGS

Expert in building portfolios that actually land jobs and clients - not just showing work, but creating memorable experiences. Covers developer portfolios, designer portfolios, creative portfolios, and portfolios that convert visitors into opportunities.

ASoudy/AGS

Generates high-converting Next.js/React landing pages with Tailwind CSS. Uses PAS, AIDA, and BAB frameworks for optimized copy/components (Heroes, Features, Pricing). Focuses on Core Web Vitals/SEO.

ASoudy/AGS

AI-powered animation tool for creating motion in logos, UI, icons, and social media assets.

ASoudy/AGS

CRITICAL: Use for Makepad animation system. Triggers on: makepad animation, makepad animator, makepad hover, makepad state, makepad transition, "from: { all: Forward", makepad pressed, makepad 动画, makepad 状态, makepad 过渡, makepad 悬停效果

ASoudy/AGS

Comprehensive patterns for Next.js 14+ App Router architecture, Server Components, and modern full-stack React development.

ASoudy/AGS

Next.js App Router principles. Server Components, data fetching, routing patterns.

ASoudy/AGS

Expert integration of Supabase Auth with Next.js App Router

ASoudy/AGS

React and Next.js 14+ application development with App Router, Server Components, TypeScript, Tailwind CSS, and modern frontend patterns.

ASoudy/AGS

Best practices for Remotion - Video creation in React

ASoudy/AGS

Generate walkthrough videos from Stitch projects using Remotion with smooth transitions, zooming, and text overlays

ASoudy/AGS

Seek and analyze video content using Memories.ai Large Visual Memory Model for persistent video intelligence

ASoudy/AGS

Writes complete, structured landing pages optimized for SEO ranking, AEO citation, and visitor conversion. Activate when the user wants to write or generate a landing page for a product, service, or offer.

ASoudy/AGS

Three.js animation - keyframe animation, skeletal animation, morph targets, animation mixing. Use when animating objects, playing GLTF animations, creating procedural motion, or blending animations.

ASoudy/AGS

Skill for discovering and researching autonomous AI agents, tools, and ecosystems using the AgentFolio directory.

Skills associés