Video Summarizer

概要

このスキルは、python -m summarizer CLI ツールを実行して、動画コンテンツを文字起こしし、要約します。YouTube（字幕または音声）、ローカルファイル、Google Drive、Dropbox に対応しています。文字起こしデータは分割され、OpenAI 互換の LLM で並列処理された後、最終的な要約に統合されます。

重要：必ず以下の CLI コマンドを使用してください。動画 URL を直接取得、スクレイピング、ダウンロードしようとしないでください（webfetch や curl など）。ダウンロード、文字起こし、要約はすべて CLI が内部で処理します。

クイックスタート（ステップごとの手順）

以下の手順を正確に実行してください。

ステップ 1 -- CLI を実行する：

python -m summarizer --source "VIDEO_URL"

このツールは、summarizer.yaml で設定済みのデフォルトプロバイダーを使用します。基本的な使い方では、追加のフラグは不要です。

ステップ 2 -- 出力ファイルを読む：

CLI は成功すると、出力ファイル名を表示します。ファイルは常に、プロジェクトの作業ディレクトリを基準とする summaries/ サブディレクトリ内に保存されます。例：

[+] Saved watch_20260207_234533.md

読み込むファイルのフルパスは summaries/watch_20260207_234533.md です。

ステップ 3 -- 結果をユーザーに表示する。

以上です。3 つのステップです。

ファイルの場所

すべてのパスは、プロジェクトの作業ディレクトリ（summarizer.yaml と setup.py がある場所）からの相対パスです。

ファイル	場所
設定	./summarizer.yaml
API キー	./.env
プロンプトテンプレート	./summarizer/prompts.json
要約の出力先	./summaries/<filename>.md
CLI エントリーポイント	python -m summarizer

ホームディレクトリやスキルディレクトリにある .env や設定ファイルを探さないでください。これらはプロジェクトのルートディレクトリにあります。

CLI リファレンス

python -m summarizer [OPTIONS]

必須オプション

フラグ	説明
--source	1 つ以上の動画 URL またはファイルパス

プロバイダーオプション

フラグ	説明	デフォルト
--provider	summarizer.yaml で指定されたプロバイダー名	YAML の default_provider
--base-url	API エンドポイント URL（プロバイダー設定を上書き）	YAML の設定値
--model	モデル識別子（プロバイダー設定を上書き）	YAML の設定値
--api-key	API キー（.env による自動照合を上書き）	.env から自動取得

ソースオプション

フラグ	説明	デフォルト
--type	YouTube Video、Video URL、Local File、Google Drive Video Link、Dropbox Video Link	YouTube Video
--force-download	YouTube の字幕を使わず、代わりに音声をダウンロードする	False
--transcription	Cloud Whisper（Groq API）または Local Whisper	Cloud Whisper
--whisper-model	tiny、base、small、medium、large	tiny
--language	auto は利用可能な最初の YouTube 字幕トラックを選び、Whisper に言語を検出させます。明示的なコードを指定した場合は、そのコードに厳密に従います	auto

処理オプション

フラグ	説明	デフォルト
--prompt-type	要約のスタイル（下記のスタイルを参照）	YAML のデフォルト設定
--chunk-size	テキストチャンクあたりの文字数	YAML のデフォルト設定
--parallel-calls	同時に行う API リクエスト数	30
--max-tokens	チャンクごとの最大出力トークン数	4096

出力オプション

フラグ	説明	デフォルト
--output-dir	要約の保存先ディレクトリ	summaries
--output-format	markdown、json、または html	markdown
--no-save	ファイルに保存せず、標準出力にのみ表示する	False
--verbose、-v	詳細な進行状況を表示する	False

警告： Windows では --no-save を使用しないでください。要約に含まれる Unicode 文字が標準出力をクラッシュさせる、既知のエンコード問題があります。必ずツールにファイルを保存させてから、そのファイルを読み込んでください。

設定オプション

フラグ	説明
--config	設定ファイルのパス（デフォルト：自動検出）
--no-config	設定ファイルを無視し、CLI 引数のみを使用する
--init-config	summarizer.yaml のサンプルを生成して終了する

要約スタイル

--prompt-type とともに使用します。summarizer/prompts.json で定義されています。

スタイル	目的
Questions and answers	コンテンツからQ&Aを抽出
Summarization	タイトル付きの標準的な要約
Distill Wisdom	アイデア、引用、参照情報を抽出
DNA Extractor	核心的な真実を最大200語に凝縮
Fact Checker	主張をTRUE/FALSE/MISLEADINGのラベルで検証
Tutorial	コンテンツから手順を順を追って説明
Research	より広い文脈を踏まえた詳細な分析
Reflections	述べられている内容を超えた哲学的な考察
Mermaid Diagram	Mermaid.js構文による概念の視覚的なマップ
Essay Writing in Paul Graham Style	Paul Grahamのスタイルによる250語のエッセイ
Only grammar correction with highlights	太字のハイライト付きで文法を修正

使用例

YouTube動画を要約する（最も簡単な形式）

python -m summarizer --source "https://youtube.com/watch?v=VIDEO_ID"
# Output: summaries/watch_YYYYMMDD_HHMMSS.md

プロバイダーを指定する

python -m summarizer --source "https://youtube.com/watch?v=VIDEO_ID" --provider gemini
# Output: summaries/watch_YYYYMMDD_HHMMSS.md

Distill Wisdomで重要な洞察を抽出する

python -m summarizer \
  --source "https://youtube.com/watch?v=VIDEO_ID" \
  --provider openrouter \
  --prompt-type "Distill Wisdom"
# Output: summaries/watch_YYYYMMDD_HHMMSS.md

Perplexityを使って動画の主張をファクトチェックする

python -m summarizer \
  --source "https://youtube.com/watch?v=VIDEO_ID" \
  --base-url "https://api.perplexity.ai" \
  --model "sonar-pro" \
  --prompt-type "Fact Checker"
# Output: summaries/watch_YYYYMMDD_HHMMSS.md

講義からMermaid図を生成する

python -m summarizer \
  --source "https://youtube.com/watch?v=VIDEO_ID" \
  --provider gemini \
  --prompt-type "Mermaid Diagram"
# Output: summaries/watch_YYYYMMDD_HHMMSS.md

ローカルファイルを要約する

python -m summarizer \
  --type "Local File" \
  --source "./lecture.mp4" \
  --provider groq
# Output: summaries/lecture_YYYYMMDD_HHMMSS.md

複数の動画を一括処理する

python -m summarizer \
  --source "URL1" "URL2" "URL3" \
  --provider gemini \
  --prompt-type "Summarization"
# Output: one file per URL in summaries/

設定ファイルを使わずに実行する（すべてのフラグを明示）

python -m summarizer \
  --source "https://youtube.com/watch?v=VIDEO_ID" \
  --base-url "https://openrouter.ai/api/v1" \
  --model "google/gemini-2.0-flash-exp:free" \
  --api-key "sk-or-v1-YOUR_KEY" \
  --prompt-type "Tutorial" \
  --no-config
# Output: summaries/watch_YYYYMMDD_HHMMSS.md

出力の確認

CLIの実行後は、必ず summaries/ の出力ファイルを読んでください。

# The CLI prints something like:
# [+] Saved watch_20260207_234533.md
#
# The file is at:
summaries/watch_20260207_234533.md

フルパス summaries/<filename>（プロジェクトルートからの相対パス）に対してReadツールを使用してください。

複数ステップのワークフロー

包括的な分析を行うには、同じ動画に対して複数のスタイルを順に実行します。

1. まずSummarizationで概要を手早く把握します
2. Distill Wisdomを使って重要な洞察を抽出します
3. Fact Checkerを実行し（できればPerplexityを使用）、主張を検証します
4. 視覚的な参照用にMermaid Diagramを生成します

エラー処理

• APIキーが見つからない場合、ツールは.envでプロバイダーURLのキーワードに一致するキーを確認します
• YouTubeの字幕を利用できない場合、ツールは音声をダウンロードしてWhisperで文字起こしする方法に切り替えます
• --language autoは英語を強制しません。最初に利用可能なYouTubeの字幕トラックを使用し、Whisperに言語を検出させます。
• --verboseを使うと、進捗の詳細を確認して問題をデバッグできます
• クラウドWhisperにはGroq APIキーが必要です（無料プランを利用できます）

設定ファイル

すべてプロジェクトの作業ディレクトリにあります。

• summarizer.yaml：プロバイダー定義（base_url、model、chunk-size）とデフォルト設定
• .env：APIキー。URLのキーワードに基づいて自動的に照合されます（例：generativelanguage = YOUR_KEY）
• summarizer/prompts.json：文字起こしテキストのプレースホルダーとして{text}を使うプロンプトテンプレート

テスト

python -m pytest tests/ -v