YouTube トランスクリプトダウンローダー は何をしますか?
このスキルは、yt-dlp を使用して YouTube 動画からトランスクリプト(字幕/キャプション)をダウンロードするのに役立ちます。
このスキルを使用するタイミング
ユーザーが次のような場合にこのスキルを有効にします:
- YouTube の URL を提供し、トランスクリプトを希望する
- 「YouTube からトランスクリプトをダウンロード」したい
- 動画の「キャプション」や「字幕」を取得したい
- 「YouTube 動画を文字起こし」したい
- YouTube 動画からテキストコンテンツを必要としている
動作の仕組み
優先順位:
- yt-dlp がインストールされているか確認 - 必要に応じてインストール
- 利用可能な字幕を一覧表示 - 実際に何が利用可能かを確認
- 手動字幕を最初に試す (
--write-sub) - 最高品質 - 自動生成字幕にフォールバック (
--write-auto-sub) - 通常利用可能 - 最終手段: Whisper による文字起こし - 字幕がない場合(ユーザーの確認が必要)
- ダウンロードを確認し、ファイルが保存された場所をユーザーに表示
- オプションで VTT 形式をクリーンアップし、ユーザーがプレーンテキストを希望する場合
インストール確認
重要: まず常に yt-dlp がインストールされているか確認します:
which yt-dlp || command -v yt-dlp
インストールされていない場合
システムに基づいて自動インストールを試みます:
macOS (Homebrew):
brew install yt-dlp
Linux (apt/Debian/Ubuntu):
sudo apt update && sudo apt install -y yt-dlp
代替方法 (pip - すべてのシステムで動作):
pip3 install yt-dlp
# または
python3 -m pip install yt-dlp
インストールに失敗した場合: ユーザーに手動で yt-dlp をインストールする必要があることを伝え、https://github.com/yt-dlp/yt-dlp#installation からインストール手順を提供します。
利用可能な字幕を確認
ダウンロードを試みる前に常にこれを行います:
youtube-dl --list-subs "YOUTUBE_URL"
これにより、何もダウンロードせずに利用可能な字幕タイプが表示されます。以下のものを確認します:
- 手動字幕(高品質)
- 自動生成字幕(通常利用可能)
- 利用可能な言語
ダウンロード戦略
オプション 1: 手動字幕(推奨)
これを最初に試します - 最高品質、人間が作成:
youtube-dl --write-sub --skip-download --output "OUTPUT_NAME" "YOUTUBE_URL"
オプション 2: 自動生成字幕(フォールバック)
手動字幕が利用できない場合:
youtube-dl --write-auto-sub --skip-download --output "OUTPUT_NAME" "YOUTUBE_URL"
どちらのコマンドも .vtt ファイル(WebVTT 字幕形式)を作成します。
オプション 3: Whisper による文字起こし(最終手段)
手動字幕と自動生成字幕の両方が利用できない場合にのみ使用します。
ステップ 1: ファイルサイズを表示し、確認を求める
# 音声ファイルサイズの推定値を取得
youtube-dl --print "%(filesize,filesize_approx)s" -f "bestaudio" "YOUTUBE_URL"
# または、再生時間を取得して推定
youtube-dl --print "%(duration)s %(title)s" "YOUTUBE_URL"
重要: ファイルサイズをユーザーに表示し、次のように尋ねます:「字幕が利用できません。音声(約 X MB)をダウンロードし、Whisper を使用して文字起こしできます。続行しますか?」
続行する前にユーザーの確認を待ちます。
ステップ 2: Whisper のインストールを確認
command -v whisper
インストールされていない場合、ユーザーに尋ねます:「Whisper がインストールされていません。pip install openai-whisper でインストールしますか(モデルに約1〜3GB必要)?これは一度だけのインストールです。」
インストール前にユーザーの確認を待ちます。
承認された場合にインストール:
pip3 install openai-whisper
ステップ 3: 音声のみをダウンロード
youtube-dl -x --audio-format mp3 --output "audio_%(id)s.%(ext)s" "YOUTUBE_URL"
ステップ 4: Whisper で文字起こし
# 言語を自動検出(推奨)
whisper audio_VIDEO_ID.mp3 --model base --output_format vtt
# または、言語がわかっている場合
whisper audio_VIDEO_ID.mp3 --model base --language en --output_format vtt
モデルオプション(今は base を使用):
tiny- 最速、精度は低い(約1GB)base- 良いバランス(約1GB)← これを使用small- より良い精度(約2GB)medium- 非常に良い(約5GB)large- 最高精度(約10GB)
ステップ 5: クリーンアップ
文字起こしが完了したら、ユーザーに尋ねます:「文字起こしが完了しました!音声ファイルを削除して容量を節約しますか?」
はいの場合:
rm audio_VIDEO_ID.mp3
動画情報の取得
動画タイトルの抽出(ファイル名用)
youtube-dl --print "%(title)s" "YOUTUBE_URL"
これを使用して、動画タイトルに基づいた意味のあるファイル名を作成します。ファイルシステム互換性のためにタイトルをクリーニングします:
/を-に置き換え- 問題を引き起こす可能性のある特殊文字を置き換え
- サニタイズ版の使用を検討:
$(youtube-dl --print "%(title)s" "URL" | tr '/' '-' | tr ':' '-')
後処理
プレーンテキストへの変換(推奨)
YouTube の自動生成 VTT ファイルには、キャプションが重複するタイムスタンプで段階的に表示されるため、重複行が含まれています。プレーンテキストに変換する際は、元の話し順序を維持しながら常に重複を除去します。
python3 -c "
import sys, re
seen = set()
with open('transcript.en.vtt', 'r') as f:
for line in f:
line = line.strip()
if line and not line.startswith('WEBVTT') and not line.startswith('Kind:') and not line.startswith('Language:') and '-->' not in line:
clean = re.sub('<[^>]*>', '', line)
clean = clean.replace('&', '&').replace('>', '>').replace('<', '<')
if clean and clean not in seen:
print(clean)
seen.add(clean)
" > transcript.txt
動画タイトルを使った完全な後処理
# 動画タイトルを取得
VIDEO_TITLE=$(youtube-dl --print "%(title)s" "YOUTUBE_URL" | tr '/' '_' | tr ':' '-' | tr '?' '' | tr '"' '')
# VTT ファイルを検索
VTT_FILE=$(ls *.vtt | head -n 1)
# 重複除去して変換
python3 -c "
import sys, re
seen = set()
with open('$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 "✓ 保存先: ${VIDEO_TITLE}.txt"
# VTT ファイルを削除
rm "$VTT_FILE"
echo "✓ 一時的な VTT ファイルを削除しました"
出力形式
- VTT 形式 (
.vtt): タイムスタンプと書式を含み、動画プレーヤーに適しています - プレーンテキスト (
.txt): テキストコンテンツのみ、読み取りや分析に適しています
ヒント
- ファイル名は
{output_name}.{language_code}.vttになります(例:transcript.en.vtt) - ほとんどの YouTube 動画には自動生成された英語字幕があります
- 一部の動画には複数の言語オプションがある場合があります
- 自動字幕が利用できない場合は、代わりに手動字幕用の
--write-subを試してください
完全なワークフロー例
VIDEO_URL="https://www.youtube.com/watch?v=dQw4w9WgXcQ"
# ファイル名用の動画タイトルを取得
VIDEO_TITLE=$(youtube-dl --print "%(title)s" "$VIDEO_URL" | tr '/' '_' | tr ':' '-' | tr '?' '' | tr '"' '')
OUTPUT_NAME="transcript_temp"
# ============================================
# ステップ 1: yt-dlp がインストールされているか確認
# ============================================
if ! command -v yt-dlp &> /dev/null; then
echo "yt-dlp が見つかりません。インストールを試みます..."
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
# ============================================
# ステップ 2: 利用可能な字幕を一覧表示
# ============================================
echo "利用可能な字幕を確認中..."
youtube-dl --list-subs "$VIDEO_URL"
# ============================================
# ステップ 3: 最初に手動字幕を試す
# ============================================
echo "手動字幕のダウンロードを試みます..."
if youtube-dl --write-sub --skip-download --output "$OUTPUT_NAME" "$VIDEO_URL" 2>/dev/null; then
echo "✓ 手動字幕のダウンロードが成功しました!"
ls -lh ${OUTPUT_NAME}.*
else
# ============================================
# ステップ 4: 自動生成字幕にフォールバック
# ============================================
echo "手動字幕が利用できません。自動生成を試します..."
if youtube-dl --write-auto-sub --skip-download --output "$OUTPUT_NAME" "$VIDEO_URL" 2>/dev/null; then
echo "✓ 自動生成字幕のダウンロードが成功しました!"
ls -lh ${OUTPUT_NAME}.*
else
# ============================================
# ステップ 5: 最終手段 - Whisper による文字起こし
# ============================================
echo "⚠ この動画には字幕が利用できません。"
# ファイルサイズを取得
FILE_SIZE=$(youtube-dl --print "%(filesize_approx)s" -f "bestaudio" "$VIDEO_URL")
DURATION=$(youtube-dl --print "%(duration)s" "$VIDEO_URL")
TITLE=$(youtube-dl --print "%(title)s" "$VIDEO_URL")
echo "動画: $TITLE"
echo "再生時間: $((DURATION / 60)) 分"
echo "音声サイズ: 約 $((FILE_SIZE / 1024 / 1024)) MB"
echo ""
echo "Whisper でダウンロードして文字起こししますか? (y/n)"
read -r RESPONSE
if [[ "$RESPONSE" =~ ^[Yy]$ ]]; then
# Whisper を確認
if ! command -v whisper &> /dev/null; then
echo "Whisper がインストールされていません。今すぐインストールしますか? (約1〜3GB必要) (y/n)"
read -r INSTALL_RESPONSE
if [[ "$INSTALL_RESPONSE" =~ ^[Yy]$ ]]; then
pip3 install openai-whisper
else
echo "Whisper なしでは続行できません。終了します。"
exit 1
fi
fi
# 音声をダウンロード
echo "音声をダウンロード中..."
youtube-dl -x --audio-format mp3 --output "audio_%(id)s.%(ext)s" "$VIDEO_URL"
# 実際の音声ファイル名を取得
AUDIO_FILE=$(ls audio_*.mp3 | head -n 1)
# 文字起こし
echo "Whisper で文字起こし中(数分かかる場合があります)..."
whisper "$AUDIO_FILE" --model base --output_format vtt
# クリーンアップ
echo "文字起こしが完了しました!音声ファイルを削除しますか? (y/n)"
read -r CLEANUP_RESPONSE
if [[ "$CLEANUP_RESPONSE" =~ ^[Yy]$ ]]; then
rm "$AUDIO_FILE"
echo "音声ファイルを削除しました。"
fi
ls -lh *.vtt
else
echo "文字起こしをキャンセルしました。"
exit 0
fi
fi
fi
# ============================================
# ステップ 6: 重複除去して読みやすいプレーンテキストに変換
# ============================================
VTT_FILE=$(ls ${OUTPUT_NAME}*.vtt 2>/dev/null || ls *.vtt | head -n 1)
if [ -f "$VTT_FILE" ]; then
echo "読みやすい形式に変換し、重複を削除中..."
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 "✓ 保存先: ${VIDEO_TITLE}.txt"
# 一時的な VTT ファイルを削除
rm "$VTT_FILE"
echo "✓ 一時的な VTT ファイルを削除しました"
else
echo "⚠ 変換する VTT ファイルが見つかりません"
fi
echo "✓ 完了しました!"
注: この完全なワークフローは、すべてのシナリオを適切なエラーチェックと各決定ポイントでのユーザープロンプトで処理します。
エラーハンドリング
よくある問題と解決策:
1. yt-dlp がインストールされていない
- システムに基づいて自動インストールを試みる(Homebrew/apt/pip)
- インストールに失敗した場合は、手動インストールのリンクを提供
- 続行する前にインストールを確認
2. 字幕が利用できない
- 最初に利用可能な字幕を一覧表示して確認
--write-subと--write-auto-subの両方を試す- 両方が失敗した場合は、Whisper 文字起こしオプションを提供
- 音声をダウンロードする前にファイルサイズを表示し、ユーザーの確認を求める
3. 無効な動画またはプライベート動画
- URL の形式が正しいか確認:
https://www.youtube.com/watch?v=VIDEO_ID - 一部の動画はプライベート、年齢制限、または地域制限されている場合があります
- yt-dlp からの具体的なエラーをユーザーに知らせる
4. Whisper のインストールに失敗
- システム依存関係(ffmpeg、rust)が必要な場合があります
- フォールバックを提供: 「手動でインストール:
pip3 install openai-whisper」 - 利用可能なディスク容量を確認(モデルはサイズに応じて1〜10GB必要)
5. ダウンロードが中断または失敗
- インターネット接続を確認
- 十分なディスク容量を確認
- SSL の問題が発生した場合は
--no-check-certificateを指定して再試行
6. 複数の字幕言語
- デフォルトでは、yt-dlp は利用可能なすべての言語をダウンロード
--sub-langs enで英語のみ指定可能- 最初に
--list-subsで利用可能なものを一覧表示
ベストプラクティス:
- ✅ ダウンロードを試みる前に常に利用可能なものを確認(
--list-subs) - ✅ 各ステップで成功を確認してから次に進む
- ✅ 大規模なダウンロード(音声ファイル、Whisper モデル)の前にユーザーに確認を求める
- ✅ 処理後に一時ファイルをクリーンアップ
- ✅ 各段階で何が起こっているかについて明確なフィードバックを提供
- ✅ エラーを適切に処理し、役立つメッセージを表示