Communitygithub.com

ComeOnOliver/skillshub

Transcrire des vidéos YouTube en texte à l'aide d'OpenAI Whisper et yt-dlp.

Qu'est-ce que skillshub ?

Cette compétence permet de transcrire automatiquement des vidéos YouTube en texte en associant yt-dlp pour le téléchargement audio et OpenAI Whisper pour la transcription. Elle offre une flexibilité de sortie avec plusieurs formats (txt, srt, vtt, json) et plusieurs tailles de modèles Whisper (tiny à large) permettant de choisir entre rapidité et précision. Idéale pour les développeurs, créateurs de contenu ou chercheurs ayant besoin de sous-titres, de résumés ou d'analyses de contenu vidéo. Fonctionne sur macOS, Linux et Windows avec des dépendances minimales (Python, ffmpeg). L'utilisateur peut soit exécuter des commandes en ligne, soit intégrer la transcription dans un script Python pour un contrôle plus granulaire (segments horodatés, détection de langue). Un pipeline en une seule commande permet de télécharger et transcrire en une étape, et un outil alternatif (yt-whisper) simplifie encore le processus. La documentation inclut des exemples concrets, des conseils sur le choix du modèle (ex: .en pour l'anglais), et des bonnes pratiques (libérer de l'espace disque, utiliser le GPU pour accélérer).

Compatible avec~Claude Code✓Codex CLI~Cursor
npx skills add https://github.com/ComeOnOliver/skillshub/tree/HEAD/skills/TerminalSkills/skills/youtube-transcription

Demander à votre IA préférée

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

Documentation

Transcription de vidéos YouTube

Transcrire des vidéos YouTube en texte à l'aide d'OpenAI Whisper et yt-dlp.

Présentation

Cette compétence télécharge l'audio des vidéos YouTube avec yt-dlp et le transcrit avec le modèle Whisper d'OpenAI. Elle prend en charge plusieurs formats de sortie (txt, srt, vtt, json) et différentes tailles de modèles pour équilibrer précision et rapidité.

Instructions

1. Installer les dépendances

# Installer whisper et yt-dlp
pip install openai-whisper yt-dlp

# Vérifier que ffmpeg est installé (nécessaire pour le traitement audio)
ffmpeg -version

Si ffmpeg est manquant :

2. Télécharger l'audio depuis YouTube

# Télécharger la meilleure qualité audio au format WAV
yt-dlp -x --audio-format wav -o "%(title)s.%(ext)s" "URL_YOUTUBE"

# Télécharger en MP3 (fichier plus léger)
yt-dlp -x --audio-format mp3 -o "%(title)s.%(ext)s" "URL_YOUTUBE"

# Télécharger avec l'ID vidéo comme nom (plus sûr pour les caractères spéciaux)
yt-dlp -x --audio-format wav -o "%(id)s.%(ext)s" "URL_YOUTUBE"

3. Choisir le modèle Whisper

ModèleParamètresVRAMVitesse relativeCas d'usage
tiny39M~1 Go~32xBrouillons rapides, tests
base74M~1 Go~16xTranscription rapide
small244M~2 Go~6xBon équilibre
medium769M~5 Go~2xHaute précision
large1550M~10 Go1xMeilleure précision

Les modèles anglais uniquement (tiny.en, base.en, small.en, medium.en) sont plus rapides pour du contenu en anglais.

4. Exécuter la transcription

Approche en ligne de commande :

# Transcription de base (détection automatique de la langue)
whisper audio.wav --model medium

# Spécifier la langue pour une meilleure précision
whisper audio.wav --model medium --language en

# Format de sortie spécifique
whisper audio.wav --model medium --output_format srt

# Tous les formats à la fois
whisper audio.wav --model medium --output_format all

# Spécifier le répertoire de sortie
whisper audio.wav --model medium --output_dir ./transcriptions

Approche Python :

import whisper

# Charger le modèle (téléchargement au premier lancement)
model = whisper.load_model("medium")

# Transcrire
resultat = model.transcribe("audio.wav", language="en")

# Obtenir le texte brut
print(resultat["text"])

# Obtenir les segments avec horodatage
for segment in resultat["segments"]:
    print(f"[{segment['start']:.2f} - {segment['end']:.2f}] {segment['text']}")

5. Pipeline en une commande

Combiner le téléchargement et la transcription :

# Télécharger et transcrire en une seule commande
yt-dlp -x --audio-format wav -o "audio.wav" "URL_YOUTUBE" && whisper audio.wav --model medium --output_format all

6. Alternative : outil yt-whisper

Pour un flux de travail plus simple, utilisez le paquet dédié yt-whisper :

# Installer
pip install git+https://github.com/m1guelpf/yt-whisper.git

# Transcrire directement depuis une URL
yt_whisper "https://www.youtube.com/watch?v=ID_VIDEO"

# Avec options
yt_whisper "URL_YOUTUBE" --model medium --language en --output_format srt

Formats de sortie

FormatExtensionDescription
txt.txtTranscription en texte brut
srt.srtFormat de sous-titres SubRip (avec horodatage)
vtt.vttFormat de sous-titres WebVTT
tsv.tsvValeurs séparées par des tabulations
json.jsonDonnées complètes avec horodatage au niveau du mot

Exemples

Directives

  • Utilisez le drapeau --language lorsque vous connaissez la langue parlée pour une précision nettement meilleure
  • Pour les vidéos longues (>1 heure), utilisez le modèle small ou medium pour équilibrer vitesse et précision
  • Les modèles anglais uniquement (suffixe .en) sont plus rapides et plus précis pour du contenu en anglais
  • Un GPU avec CUDA accélère considérablement la transcription ; le CPU fonctionne mais est 5 à 10 fois plus lent
  • Si la transcription échoue, assurez-vous que ffmpeg est correctement installé et dans le PATH
  • Pour les vidéos avec musique de fond, les modèles plus grands (medium/large) gèrent mieux la situation
  • Supprimez les fichiers audio après la transcription pour économiser de l'espace disque
  • Utilisez --output_format all pour obtenir tous les formats à la fois, puis choisissez ce dont vous avez besoin

Individual skills in this repo

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

ComeOnOliver/skillshub

Create stunning, animation-rich HTML presentations from scratch or by converting PowerPoint files. Use when the user wants to build a presentation, convert a PPT/PPTX to web, or create slides for a talk/pitch. Helps non-designers discover their aesthetic through visual exploration rather than abstract choices.

ComeOnOliver/skillshub

Next.js 16+ 和 Turbopack — 增量打包、文件系统缓存、开发速度,以及何时使用 Turbopack 与 webpack。

ComeOnOliver/skillshub

SwiftUI architecture patterns, state management with @Observable, view composition, navigation, performance optimization, and modern iOS/macOS UI best practices.

ComeOnOliver/skillshub

See, Understand, Act on video and audio. See- ingest from local files, URLs, RTSP/live feeds, or live record desktop; return realtime context and playable stream links. Understand- extract frames, build visual/semantic/temporal indexes, and search moments with timestamps and auto-clips. Act- transcode and normalize (codec, fps, resolution, aspect ratio), perform timeline edits (subtitles, text/image overlays, branding, audio overlays, dubbing, translation), generate media assets (image, audio, video), and create real time alerts for events from live streams or desktop capture.

ComeOnOliver/skillshub

AI-assisted video editing workflows for cutting, structuring, and augmenting real footage. Covers the full pipeline from raw capture through FFmpeg, Remotion, ElevenLabs, fal.ai, and final polish in Descript or CapCut. Use when the user wants to edit video, cut footage, create vlogs, or build video content.

ComeOnOliver/skillshub

Next.js 15 애플리케이션을 위한 프론트엔드 개발 가이드라인. React 19, TypeScript, Shadcn/ui, Tailwind CSS를 사용한 모던 패턴. Server Components, Client Components, App Router, 파일 구조, Shadcn/ui 컴포넌트, 성능 최적화, TypeScript 모범 사례 포함. 컴포넌트, 페이지, 기능 생성, 데이터 페칭, 스타일링, 라우팅, 프론트엔드 코드 작업 시 사용.

ComeOnOliver/skillshub

Provides Tamagui patterns for config v4, compiler optimization, styled context, and cross-platform styling. Must use when working with Tamagui projects (tamagui.config.ts, @tamagui imports).

ComeOnOliver/skillshub

Create distinctive, production-grade frontend interfaces with high design quality. Use this skill when the user asks to build web components, pages, or applications. Generates creative, polished code that avoids generic AI aesthetics.

ComeOnOliver/skillshub

Create high-converting, visually distinctive landing pages. Use when building marketing pages, product launches, SaaS homepages, or any single-page conversion-focused website. Guides section-by-section composition with anti-AI-slop principles.

ComeOnOliver/skillshub

Auto-loaded context for Portfolio Buddy 2 development. Use for ANY task involving: React 19 development, TypeScript, portfolio analysis features, metrics calculations, trading strategy comparison, or working with the Portfolio Buddy 2 codebase. Contains tech stack, known issues, and architectural constraints.

ComeOnOliver/skillshub

Next.js development tooling via MCP. Inspect routes, components, build info, and debug Next.js apps. Use when working on Next.js applications, debugging routing, or inspecting app structure. NOT for general React or non-Next.js projects.

ComeOnOliver/skillshub

Implement UI using Shadcn MCP (atoms/theme) and 21st.dev MCP (complex sections). Use when adding buttons, layouts, or generating landing pages.

ComeOnOliver/skillshub

A conceptual skill for building an API client in Next.js that handles JWT tokens

ComeOnOliver/skillshub

Best practices and patterns for Next.js App Router, Server Actions, and Routing in this project.

ComeOnOliver/skillshub

The Design System, Theme, and UX rules for the Physical AI Hub.

ComeOnOliver/skillshub

Comprehensive frontend development skill for building modern, performant web applications using ReactJS, NextJS, TypeScript, Tailwind CSS. Includes component scaffolding, performance optimization, bundle analysis, and UI best practices. Use when developing frontend features, optimizing performance, implementing UI/UX designs, managing state, or reviewing frontend code.

ComeOnOliver/skillshub

This document captures learnings from fixing keyboard navigation issues when floating components (Select, DropdownMenu, Popover) have CSS open/close animations.

ComeOnOliver/skillshub

Build Next.js 16 applications with correct patterns and distinctive design. Use when creating pages, layouts, dynamic routes, upgrading from Next.js 15, or implementing proxy.ts. Covers breaking changes (async params/searchParams, Turbopack, cacheComponents) and frontend aesthetics. NOT when building non-React or backend-only applications.

ComeOnOliver/skillshub

Comprehensive Framer Motion animation library for React. Covers motion components, variants, gestures, page transitions, and scroll animations. Use when adding animations to React/Next.js applications.

ComeOnOliver/skillshub

Build interfaces that resonate, not just render. This skill enforces bold, intentional

Skills associés