video-summarizer

動画要約

概要

あらゆるプラットフォームから動画をダウンロードし、以下を含む完全なリソースパッケージを生成します。

• 元の動画ファイル（mp4）
• 音声ファイル（mp3）
• 字幕ファイル（タイムスタンプ付き、vtt/srt形式）
• 要約ファイル（summary.md）

yt-dlpが対応する1800以上のウェブサイトすべてをサポートしています。

起動条件

ユーザーが次の操作を行った場合：

• 動画リンクを提示して要約を依頼する
• 「この動画を要約して」「この動画には何が映っているの？」と言う
• 「動画の内容を抽出して」「動画を文字起こしして」と依頼する
• 「この動画をダウンロードして」と言う
• YouTube/Bilibili/Twitter/Vimeo/TikTokなどのリンクを提示する

対応プラットフォーム

• 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)
• その他1800以上のプラットフォーム（yt-dlpが対応するすべてのサイト）

出力構成

すべてのファイルは、現在の作業ディレクトリにある downloads/<video-title>/ に保存されます。

./downloads/
└── <video-title>/
    ├── video.mp4          # Original video
    ├── audio.mp3          # Extracted audio
    ├── subtitle.vtt       # Subtitles with timestamps
    ├── transcript.txt     # Plain text transcript (no timestamps)
    └── summary.md         # Structured summary

ワークフロー

ステップ 1：依存関係をインストールする

インストールスクリプトを実行して、すべての依存関係を確認し、インストールします。

bash "$SKILL_DIR/scripts/install_deps.sh"

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のバージョンも確認されます。 faster-whisperはuvによって自動的に管理されます。

ステップ 2：動画情報を取得し、出力ディレクトリを作成する

# Get video title (sanitize special characters for folder name)
TITLE=$(yt-dlp --print "%(title)s" "VIDEO_URL" | sed 's/[/:*?"<>|]/_/g' | cut -c1-80)
DURATION=$(yt-dlp --print "%(duration)s" "VIDEO_URL")

# Create output directory
OUTPUT_DIR=./downloads/"$TITLE"
mkdir -p "$OUTPUT_DIR"

ステップ 3：動画と音声をダウンロードする

# Download video (mp4 format, best quality up to 1080p)
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"

# Extract audio (mp3 format)
yt-dlp -x --audio-format mp3 -o "$OUTPUT_DIR/audio.%(ext)s" "VIDEO_URL"

ステップ 4：字幕を取得する

優先順位：

1. 手動字幕のダウンロードを試す（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. 自動生成字幕のダウンロードを試す

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で文字起こしする

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次の処理を行います。

• 無音箇所で長い音声ファイルを分割する
• 複数のCPUコアを使って並列で文字起こしする
• subtitle.vtt と transcript.txt の両方を出力する

文字起こしのオプション：

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時間（秒）

ステップ 5：プレーンテキストの文字起こしを生成する

字幕をダウンロードした場合（文字起こしを行っていない場合）は、プレーンテキストに変換します。

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：要約ファイルを生成する

1. $SKILL_DIR/reference/summary-prompt.md からプロンプトテンプレートを読み込みます
2. プレースホルダーを置き換えます：{{TITLE}}、{{PLATFORM}}、{{URL}}、{{DURATION}}、{{LANGUAGE}}、{{DOWNLOAD_TIME}}、{{TRANSCRIPT}}
3. 要約を生成し、$OUTPUT_DIR/summary.md に保存します

プラットフォーム別の処理

Bilibili

# Prioritize Chinese subtitles
yt-dlp --sub-lang zh-Hans,zh-Hant,zh ...
# If login required
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"
# or firefox
yt-dlp --cookies-from-browser firefox "VIDEO_URL"

エラー処理

字幕を取得できない場合

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）。

動画が長すぎる場合（1時間超）

1. 一部の内容だけでよいかユーザーに確認します
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

未対応のプラットフォーム

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

メモ

1. 保存先：ファイルは現在の作業ディレクトリにある ./downloads/ に保存されます
2. 著作権：個人学習目的でのみ使用してください
3. ネットワーク：一部のプラットフォームではプロキシが必要な場合があります
4. 初回実行時：Whisperモデルのダウンロードが必要です（smallの場合は約244MB）
5. 並列処理：長い音声（60秒超）は無音箇所で自動的に分割されます