Video Summarizer

Overview

任意のプラットフォームからビデオをダウンロードし、以下を含む完全なリソースパッケージを生成します:

• 元のビデオファイル(mp4)
• オーディオファイル(mp3)
• 字幕ファイル(タイムスタンプ付き、vtt/srt形式)
• サマリーファイル(summary.md)

yt-dlpがサポートする1800以上のすべてのウェブサイトに対応しています。

Trigger Conditions

ユーザーが以下の場合に発動します:

• ビデオリンクを提供してサマリーを要求する
• 「このビデオを要約して」「このビデオには何が含まれていますか」と言う
• 「ビデオコンテンツを抽出して」「ビデオを文字起こしして」と言う
• 「このビデオをダウンロードして」と言う
• YouTube/Bilibili/Twitter/Vimeo/TikTok等からのリンクを提供する

Supported Platforms

• YouTube (youtube.com, youtu.be)
• Bilibili (bilibili.com, b23.tv)
• Twitter/X (x.com, twitter.com)
• Vimeo (vimeo.com)
• TikTok (tiktok.com)
• Instagram (instagram.com)
• Twitch (twitch.tv)
• およびその他1800以上のプラットフォーム(yt-dlpがサポートするすべてのサイト)

Output Structure

すべてのファイルは現在の作業ディレクトリの downloads/<video-title>/ に保存されます:

./downloads/
└── <video-title>/
    ├── video.mp4          # 元のビデオ
    ├── audio.mp3          # 抽出されたオーディオ
    ├── subtitle.vtt       # タイムスタンプ付き字幕
    ├── transcript.txt     # プレーンテキストトランスクリプト(タイムスタンプなし)
    └── summary.md         # 構造化されたサマリー

Workflow

ステップ1: 依存関係のインストール

すべての依存関係をチェックしてインストールするスクリプトを実行します:

bash "$SKILL_DIR/scripts/install_deps.sh"

これにより以下がインストールされます: uv(Pythonパッケージマネージャー)、ffmpeg、yt-dlp、Pythonバージョンの確認。 faster-whisperはuvによって自動的に管理されます。

ステップ2: ビデオ情報の取得と出力ディレクトリの作成

# ビデオタイトルを取得(フォルダ名の特殊文字をサニタイズ)
TITLE=$(yt-dlp --print "%(title)s" "VIDEO_URL" | sed 's/[/:*?"<>|]/_/g' | cut -c1-80)
DURATION=$(yt-dlp --print "%(duration)s" "VIDEO_URL")

# 出力ディレクトリを作成
OUTPUT_DIR=./downloads/"$TITLE"
mkdir -p "$OUTPUT_DIR"

ステップ3: ビデオとオーディオをダウンロード

# ビデオをダウンロード(mp4形式、最大1080p品質)
yt-dlp -f "bestvideo[height<=1080][ext=mp4]+bestaudio[ext=m4a]/best[height<=1080][ext=mp4]/best" \
  --merge-output-format mp4 \
  -o "$OUTPUT_DIR/video.%(ext)s" "VIDEO_URL"

# オーディオを抽出(mp3形式)
yt-dlp -x --audio-format mp3 -o "$OUTPUT_DIR/audio.%(ext)s" "VIDEO_URL"

ステップ4: 字幕を取得

優先順位:

1. 手動字幕をダウンロードしてみる(最高品質)

yt-dlp --write-subs --sub-lang zh,en,zh-Hans,zh-Hant --skip-download \
  -o "$OUTPUT_DIR/subtitle" "VIDEO_URL"

2. 自動生成字幕をダウンロードしてみる

yt-dlp --write-auto-subs --sub-lang zh,en --skip-download \
  -o "$OUTPUT_DIR/subtitle" "VIDEO_URL"

3. 字幕がない場合はfaster-whisper文字起こしを使用

uv run "$SKILL_DIR/scripts/parallel_transcribe.py" \
  --input "$OUTPUT_DIR/audio.mp3" \
  --output-dir "$OUTPUT_DIR" \
  --model small \
  --language auto

スクリプトは自動的に以下を実行します:

• 長いオーディオファイルを無音点で分割
• 複数のCPUコアを使用して並列文字起こし
• subtitle.vtt と transcript.txt の両方を出力

文字起こしオプション:

オプション	デフォルト	説明
--model	small	tiny/base/small/medium/large-v3
--language	auto	言語コード、または'auto'
--workers	CPU/2	並列ワーカー数
--min-segment	60	分割を有効にする最小期間(秒)

ステップ5: プレーンテキストトランスクリプトを生成

字幕がダウンロードされた場合(文字起こしされていない)、プレーンテキストに変換:

if [[ ! -f "$OUTPUT_DIR/transcript.txt" ]]; then
  SUBTITLE_FILE=$(ls "$OUTPUT_DIR"/*.vtt "$OUTPUT_DIR"/*.srt 2>/dev/null | head -1)
  if [[ "$SUBTITLE_FILE" == *.vtt ]]; then
    sed '/^[0-9]/d; /^$/d; /-->/d; /^WEBVTT/d; /^Kind:/d; /^Language:/d; /^NOTE/d' \
      "$SUBTITLE_FILE" > "$OUTPUT_DIR/transcript.txt"
  elif [[ "$SUBTITLE_FILE" == *.srt ]]; then
    sed '/^[0-9]/d; /^$/d; /-->/d' "$SUBTITLE_FILE" > "$OUTPUT_DIR/transcript.txt"
  fi
fi

ステップ6: サマリーファイルを生成

1. $SKILL_DIR/reference/summary-prompt.md からプロンプトテンプレートを読み込む
2. プレースホルダーを置換: {{TITLE}}、{{PLATFORM}}、{{URL}}、{{DURATION}}、{{LANGUAGE}}、{{DOWNLOAD_TIME}}、{{TRANSCRIPT}}
3. サマリーを生成して $OUTPUT_DIR/summary.md に保存

プラットフォーム固有の処理

Bilibili

# 中国語字幕を優先
yt-dlp --sub-lang zh-Hans,zh-Hant,zh ...
# ログインが必要な場合
yt-dlp --cookies-from-browser chrome "VIDEO_URL"

ログインが必要なプラットフォーム

yt-dlp --cookies-from-browser chrome "VIDEO_URL"
# またはfirefox
yt-dlp --cookies-from-browser firefox "VIDEO_URL"

Error Handling

字幕を取得できない

並列文字起こしスクリプトを使用します(ステップ4、オプション3)。

ビデオが長い(>1時間)

1. ユーザーに部分的なコンテンツのみが必要かどうかを確認
2. 並列スクリプトは長いファイルを自動的に処理します

サポートされていないプラットフォーム

yt-dlp --list-extractors | grep -i "platform-name"

Notes

1. ストレージ: ファイルは現在の作業ディレクトリの ./downloads/ に保存されます
2. 著作権: 個人的な学習用途のみ
3. ネットワーク: 一部のプラットフォームはプロキシが必要な場合があります
4. 初回実行: Whisperモデルのダウンロードが必要です(small用に約244MB)
5. 並列処理: 長いオーディオ(>60秒)は無音点で自動的に分割されます