Communitygithub.com

xichow0663-gif/youtube-channel-research

Recherche par lots sur 1 à N vidéos récentes d'une chaîne YouTube et production d'un rapport comparatif transversal (pas N résumés isolés) – énumération des publications, extraction du texte via sous-titres en priorité et ASR local en secours, puis rédaction des thèmes, évolutions, contradictions et limites.

Qu'est-ce que youtube-channel-research ?

Cette compétence permet de réaliser une recherche par lots sur les 1 à N dernières vidéos d'une chaîne YouTube, en extrayant le contenu textuel via les sous-titres ou une reconnaissance vocale automatique (ASR) locale, puis en produisant un seul rapport comparatif transversal plutôt que N résumés isolés. Elle identifie les thèmes récurrents, les évolutions thématiques, les contradictions et les limites du discours sur plusieurs vidéos. Idéale pour les développeurs, créateurs de contenu et analystes souhaitant suivre un concurrent, analyser l'évolution d'une chaîne ou résumer en profondeur un sujet traité récemment. Compatible avec les agents Claude Code, Cursor, Codex et autres outils d'IA, elle fonctionne sur des environnements locaux ou distants avec Python et les bibliothèques nécessaires (youtube_transcript_api, yt-dlp, whisper). Le processus comprend l'énumération des publications, l'extraction prioritaire des sous-titres (ou ASR en secours), et la génération d'un rapport consolidé en Markdown.

Compatible avec~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/xichow0663-gif/yt-research-skill/tree/master

Demander à votre IA préférée

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

Documentation

Que fait youtube-channel-research ?

Recherche par lots sur 1 à N vidéos récentes d'une chaîne YouTube et production d'un rapport comparatif transversal (pas N résumés isolés) – énumération des publications, extraction du texte via sous-titres en priorité et ASR local en secours, puis rédaction des thèmes, évolutions, contradictions et limites.

Installation

Assurez-vous que les dépendances suivantes sont installées :

  • Python 3.8 ou supérieur
  • youtube_transcript_api
  • yt-dlp
  • openai-whisper (pour le secours ASR)
pip install youtube_transcript_api yt-dlp openai-whisper

Utilisation

  1. Clonez ce dépôt ou copiez le script associé.
  2. Exécutez la commande suivante avec l'ID de la chaîne YouTube et le nombre de vidéos :
python research.py --channel UC_ID --videos N

Remplacez UC_ID par l'ID de la chaîne et N par le nombre de vidéos (par défaut 5).

  1. Le rapport sera généré dans un fichier Markdown nommé rapport_chaîne_YYYY-MM-DD.md.

Fonctionnement

  1. Énumération : Récupère la liste des N dernières vidéos de la chaîne via l'API yt-dlp.
  2. Extraction : Pour chaque vidéo, tente d'abord d'obtenir les sous-titres via youtube_transcript_api. En cas d'absence, utilise Whisper pour une transcription ASR locale.
  3. Analyse transversale : Compare les transcriptions pour identifier les thèmes communs, les évolutions, les contradictions et les limites.
  4. Rapport : Génère un document Markdown structuré avec synthèse et détails.

Phrases déclencheurs

  • "研究这个YouTube频道"
  • "频道最近的视频"
  • "批量总结YouTube"
  • "youtube频道调研"
  • "这个频道最近N个视频讲了什么"
  • "频道内容分析"
  • "竞品频道追踪"
  • "youtube 批量字幕/转录"
  • "youtube channel research"
  • "latest videos"

Exemple de sortie

# Rapport transversal : Chaîne YouTube [Nom]
Date : 2025-04-03
Nombre de vidéos analysées : 5

## Thèmes récurrents
- Thème A (apparitions : 4/5)
- Thème B (apparitions : 3/5)

## Évolutions thématiques
- Thème A : abandonné après la vidéo 2
- Thème C : émergent dans les vidéos 3-5

## Contradictions
- Vidéo 1 : point de vue sur [sujet] favorable
- Vidéo 4 : point de vue sur [sujet] défavorable

## Limites
- Les transcriptions peuvent contenir des erreurs ASR.
- La sélection des vidéos ne couvre que la période récente.

Licence

MIT

Skills associés