Que fait Téléchargeur de transcription YouTube ?
Cette compétence permet de télécharger des transcriptions (sous-titres) de vidéos YouTube en utilisant yt-dlp.
Quand utiliser cette compétence
Activez cette compétence lorsque l'utilisateur :
- Fournit une URL YouTube et souhaite obtenir la transcription
- Demande de « télécharger la transcription depuis YouTube »
- Souhaite « obtenir les sous-titres » d'une vidéo
- Demande de « transcrire une vidéo YouTube »
- A besoin du contenu textuel d'une vidéo YouTube
Comment ça fonctionne
Ordre de priorité :
- Vérifier si yt-dlp est installé - installer si nécessaire
- Lister les sous-titres disponibles - voir ce qui est réellement disponible
- Essayer d'abord les sous-titres manuels (
--write-sub) - meilleure qualité - Repli vers les sous-titres automatiques (
--write-auto-sub) - généralement disponibles - Dernier recours : transcription Whisper - si aucun sous-titre n'existe (nécessite confirmation de l'utilisateur)
- Confirmer le téléchargement et indiquer à l'utilisateur où le fichier est enregistré
- Nettoyer optionnellement le format VTT si l'utilisateur souhaite du texte brut
Vérification d'installation
IMPORTANT : Vérifiez toujours d'abord si yt-dlp est installé :
which yt-dlp || command -v yt-dlp
S'il n'est pas installé
Tentez l'installation automatique selon le système :
macOS (Homebrew) :
brew install yt-dlp
Linux (apt/Debian/Ubuntu) :
sudo apt update && sudo apt install -y yt-dlp
Alternative (pip - fonctionne sur tous les systèmes) :
pip3 install yt-dlp
# ou
python3 -m pip install yt-dlp
Si l'installation échoue : Informez l'utilisateur qu'il doit installer yt-dlp manuellement et fournissez-lui les instructions d'installation depuis https://github.com/yt-dlp/yt-dlp#installation
Vérifier les sous-titres disponibles
FAITES TOUJOURS ceci d'abord avant de tenter le téléchargement :
your-url
Options de modèle (restez sur base pour l'instant) :
tiny- le plus rapide, moins précis (~1 Go)base- bon équilibre (~1 Go) ← UTILISEZ CELUI-CIsmall- meilleure précision (~2 Go)medium- très bon (~5 Go)large- meilleure précision (~10 Go)
Étape 5 : Nettoyage
Une fois la transcription terminée, demandez à l'utilisateur : « Transcription terminée ! Voulez-vous supprimer le fichier audio pour économiser de l'espace ? »
Si oui :
rm audio_VIDEO_ID.mp3
Obtenir les informations de la vidéo
Extraire le titre de la vidéo (pour le nom de fichier)
your-url
Utilisez ceci pour créer des noms de fichiers significatifs basés sur le titre de la vidéo. Nettoyez le titre pour la compatibilité avec le système de fichiers :
- Remplacez
/par- - Remplacez les caractères spéciaux qui pourraient poser problème
- Envisagez d'utiliser une version assainie :
$(yt-dlp --print "%(title)s" "URL" | tr '/' '-' | tr ':' '-')
Post-traitement
Convertir en texte brut (recommandé)
Les fichiers VTT générés automatiquement par YouTube contiennent des lignes en double car les sous-titres sont affichés progressivement avec des horodatages qui se chevauchent. Dédupliquez toujours lors de la conversion en texte brut tout en préservant l'ordre original des paroles.
python3 -c "
import sys, re
seen = set()
with open('transcript.en.vtt', 'r') as f:
for line in f:
line = line.strip()
if line and not line.startswith('WEBVTT') and not line.startswith('Kind:') and not line.startswith('Language:') and '-->' not in line:
clean = re.sub('<[^>]*>', '', line)
clean = clean.replace('&', '&').replace('>', '>').replace('<', '<')
if clean and clean not in seen:
print(clean)
seen.add(clean)
" > transcript.txt
Post-traitement complet avec le titre de la vidéo
# Obtenir le titre de la vidéo
VIDEO_TITLE=$(yt-dlp --print "%(title)s" "YOUTUBE_URL" | tr '/' '_' | tr ':' '-' | tr '?' '' | tr '"' '')
# Trouver le fichier VTT
VTT_FILE=$(ls *.vtt | head -n 1)
# Convertir avec déduplication
python3 -c "
import sys, re
seen = set()
with open('$VTT_FILE', 'r') as f:
for line in f:
line = line.strip()
if line and not line.startswith('WEBVTT') and not line.startswith('Kind:') and not line.startswith('Language:') and '-->' not in line:
clean = re.sub('<[^>]*>', '', line)
clean = clean.replace('&', '&').replace('>', '>').replace('<', '<')
if clean and clean not in seen:
print(clean)
seen.add(clean)
" > \"${VIDEO_TITLE}.txt\"
echo \"✓ Enregistré dans : ${VIDEO_TITLE}.txt\"
# Nettoyer le fichier VTT
rm \"$VTT_FILE\"
echo \"✓ Fichier VTT temporaire nettoyé\"
Formats de sortie
- Format VTT (
.vtt) : Inclut les horodatages et le formatage, idéal pour les lecteurs vidéo - Texte brut (
.txt) : Uniquement le contenu textuel, idéal pour la lecture ou l'analyse
Conseils
- Le nom de fichier sera
{nom_sortie}.{code_langue}.vtt(ex.transcript.en.vtt) - La plupart des vidéos YouTube ont des sous-titres automatiques en anglais
- Certaines vidéos peuvent avoir plusieurs options de langue
- Si les sous-titres automatiques ne sont pas disponibles, essayez
--write-subpour les sous-titres manuels
Exemple de flux de travail complet
VIDEO_URL="https://www.youtube.com/watch?v=dQw4w9WgXcQ"
# Obtenir le titre de la vidéo pour le nom de fichier
VIDEO_TITLE=$(yt-dlp --print "%(title)s" "$VIDEO_URL" | tr '/' '_' | tr ':' '-' | tr '?' '' | tr '"' '')
OUTPUT_NAME="transcript_temp"
# ============================================
# ÉTAPE 1 : Vérifier si yt-dlp est installé
# ============================================
if ! command -v yt-dlp &> /dev/null; then
echo "yt-dlp non trouvé, tentative d'installation..."
if command -v brew &> /dev/null; then
brew install yt-dlp
elif command -v apt &> /dev/null; then
sudo apt update && sudo apt install -y yt-dlp
else
pip3 install yt-dlp
fi
fi
# ============================================
# ÉTAPE 2 : Lister les sous-titres disponibles
# ============================================
echo "Vérification des sous-titres disponibles..."
yt-dlp --list-subs "$VIDEO_URL"
# ============================================
# ÉTAPE 3 : Essayer d'abord les sous-titres manuels
# ============================================
echo "Tentative de téléchargement des sous-titres manuels..."
if yt-dlp --write-sub --skip-download --output "$OUTPUT_NAME" "$VIDEO_URL" 2>/dev/null; then
echo "✓ Sous-titres manuels téléchargés avec succès !"
ls -lh ${OUTPUT_NAME}.*
else
# ============================================
# ÉTAPE 4 : Repli vers les sous-titres automatiques
# ============================================
echo "Sous-titres manuels non disponibles. Tentative des sous-titres automatiques..."
if yt-dlp --write-auto-sub --skip-download --output "$OUTPUT_NAME" "$VIDEO_URL" 2>/dev/null; then
echo "✓ Sous-titres automatiques téléchargés avec succès !"
ls -lh ${OUTPUT_NAME}.*
else
# ============================================
# ÉTAPE 5 : Dernier recours - transcription Whisper
# ============================================
echo "⚠ Aucun sous-titre disponible pour cette vidéo."
# Obtenir la taille du fichier
FILE_SIZE=$(yt-dlp --print "%(filesize_approx)s" -f "bestaudio" "$VIDEO_URL")
DURATION=$(yt-dlp --print "%(duration)s" "$VIDEO_URL")
TITLE=$(yt-dlp --print "%(title)s" "$VIDEO_URL")
echo "Vidéo : $TITLE"
echo "Durée : $((DURATION / 60)) minutes"
echo "Taille audio : ~$((FILE_SIZE / 1024 / 1024)) Mo"
echo ""
echo "Voulez-vous télécharger et transcrire avec Whisper ? (o/n)"
read -r RESPONSE
if [[ \"$RESPONSE\" =~ ^[Oo]$ ]]; then
# Vérifier Whisper
if ! command -v whisper &> /dev/null; then
echo "Whisper n'est pas installé. Installer maintenant ? (nécessite ~1-3 Go) (o/n)"
read -r INSTALL_RESPONSE
if [[ \"$INSTALL_RESPONSE\" =~ ^[Oo]$ ]]; then
pip3 install openai-whisper
else
echo "Impossible de continuer sans Whisper. Sortie."
exit 1
fi
fi
# Télécharger l'audio
echo "Téléchargement de l'audio..."
yt-dlp -x --audio-format mp3 --output "audio_%(id)s.%(ext)s" "$VIDEO_URL"
# Obtenir le nom réel du fichier audio
AUDIO_FILE=$(ls audio_*.mp3 | head -n 1)
# Transcrire
echo "Transcription avec Whisper (cela peut prendre quelques minutes)..."
whisper \"$AUDIO_FILE\" --model base --output_format vtt
# Nettoyage
echo "Transcription terminée ! Supprimer le fichier audio ? (o/n)"
read -r CLEANUP_RESPONSE
if [[ \"$CLEANUP_RESPONSE\" =~ ^[Oo]$ ]]; then
rm \"$AUDIO_FILE\"
echo "Fichier audio supprimé."
fi
ls -lh *.vtt
else
echo "Transcription annulée."
exit 0
fi
fi
fi
# ============================================
# ÉTAPE 6 : Convertir en texte brut lisible avec déduplication
# ============================================
VTT_FILE=$(ls ${OUTPUT_NAME}*.vtt 2>/dev/null || ls *.vtt | head -n 1)
if [ -f \"$VTT_FILE\" ]; then
echo "Conversion en format lisible et suppression des doublons..."
python3 -c "
import sys, re
seen = set()
with open('$VTT_FILE', 'r') as f:
for line in f:
line = line.strip()
if line and not line.startswith('WEBVTT') and not line.startswith('Kind:') and not line.startswith('Language:') and '-->' not in line:
clean = re.sub('<[^>]*>', '', line)
clean = clean.replace('&', '&').replace('>', '>').replace('<', '<')
if clean and clean not in seen:
print(clean)
seen.add(clean)
" > \"${VIDEO_TITLE}.txt\"
echo \"✓ Enregistré dans : ${VIDEO_TITLE}.txt\"
# Nettoyer le fichier VTT temporaire
rm \"$VTT_FILE\"
echo \"✓ Fichier VTT temporaire nettoyé\"
else
echo \"⚠ Aucun fichier VTT trouvé à convertir\"
fi
echo \"✓ Terminé !\"
Remarque : Ce flux de travail complet gère tous les scénarios avec une vérification d'erreurs appropriée et des invites utilisateur à chaque point de décision.
Gestion des erreurs
Problèmes courants et solutions :
1. yt-dlp n'est pas installé
- Tentez l'installation automatique selon le système (Homebrew/apt/pip)
- Si l'installation échoue, fournissez le lien d'installation manuelle
- Vérifiez l'installation avant de continuer
2. Aucun sous-titre disponible
- Listez d'abord les sous-titres disponibles pour confirmer
- Essayez à la fois
--write-subet--write-auto-sub - Si les deux échouent, proposez l'option de transcription Whisper
- Affichez la taille du fichier et demandez une confirmation avant de télécharger l'audio
3. Vidéo invalide ou privée
- Vérifiez que l'URL est au bon format :
https://www.youtube.com/watch?v=VIDEO_ID - Certaines vidéos peuvent être privées, soumises à une limite d'âge ou géo-bloquées
- Informez l'utilisateur de l'erreur spécifique renvoyée par yt-dlp
4. L'installation de Whisper échoue
- Peut nécessiter des dépendances système (ffmpeg, rust)
- Fournissez une solution de repli : « Installez manuellement avec :
pip3 install openai-whisper» - Vérifiez l'espace disque disponible (les modèles nécessitent 1 à 10 Go selon la taille)
5. Téléchargement interrompu ou échoué
- Vérifiez la connexion Internet
- Assurez-vous de disposer de suffisamment d'espace disque
- Réessayez avec
--no-check-certificateen cas de problèmes SSL
6. Plusieurs langues de sous-titres
- Par défaut, yt-dlp télécharge toutes les langues disponibles
- Peut spécifier avec
--sub-langs enpour l'anglais uniquement - Listez d'abord les langues disponibles avec
--list-subs
Bonnes pratiques :
- ✅ Vérifiez toujours ce qui est disponible avant de tenter le téléchargement (
--list-subs) - ✅ Assurez-vous du succès à chaque étape avant de passer à la suivante
- ✅ Demandez confirmation à l'utilisateur pour les téléchargements volumineux (fichiers audio, modèles Whisper)
- ✅ Nettoyez les fichiers temporaires après le traitement
- ✅ Fournissez un retour clair sur ce qui se passe à chaque étape
- ✅ Gérez les erreurs avec élégance et des messages utiles