youtube-apify-transcript

youtube-apify-transcript

APIFY API 経由で YouTube の文字起こしを取得します（クラウド IP から利用でき、YouTube のボット検出を回避できます）。

APIFY を使う理由

YouTube はクラウド IP（AWS、GCP など）からの文字起こしリクエストをブロックします。APIFY は住宅用プロキシ経由でリクエストを実行するため、ボット検出を確実に回避できます。

無料枠

• 毎月 $5 分の無料クレジット（約 714 本の動画）
• クレジットカードは不要です
• 個人利用に最適です

料金

• 動画 1 本あたり $0.007（1 セント未満です！）
• 使用状況の確認先：https://console.apify.com/billing

リンク

• APIFY の料金
• API キーを取得
• YouTube Transcript Scraper Actor

セットアップ

1. APIFY の無料アカウントを作成します：https://apify.com/
2. API トークンを取得します：https://console.apify.com/account/integrations
3. 環境変数を設定します：

# Add to ~/.bashrc or ~/.zshrc
export APIFY_API_TOKEN="apify_api_YOUR_TOKEN_HERE"

# Or use .env file (never commit this!)
echo 'APIFY_API_TOKEN=apify_api_YOUR_TOKEN_HERE' >> .env

使い方

基本的な使い方

# Get transcript as text (uses cache by default)
python3 scripts/fetch_transcript.py "https://www.youtube.com/watch?v=VIDEO_ID"

# Short URL also works
python3 scripts/fetch_transcript.py "https://youtu.be/VIDEO_ID"

オプション

# Output to file
python3 scripts/fetch_transcript.py "URL" --output transcript.txt

# JSON format (includes timestamps)
python3 scripts/fetch_transcript.py "URL" --json

# Both: JSON to file
python3 scripts/fetch_transcript.py "URL" --json --output transcript.json

# Specify language preference
python3 scripts/fetch_transcript.py "URL" --lang de

キャッシュ（費用を節約できます！）

文字起こしはデフォルトでローカルにキャッシュされます。同じ動画への再リクエストは $0 です。

# First request: fetches from APIFY ($0.007)
python3 scripts/fetch_transcript.py "URL"

# Second request: uses cache (FREE!)
python3 scripts/fetch_transcript.py "URL"
# Output: [cached] Transcript for: VIDEO_ID

# Bypass cache (force fresh fetch)
python3 scripts/fetch_transcript.py "URL" --no-cache

# View cache stats
python3 scripts/fetch_transcript.py --cache-stats

# Clear all cached transcripts
python3 scripts/fetch_transcript.py --clear-cache

キャッシュの場所：スキルディレクトリ内の .cache/（YT_TRANSCRIPT_CACHE_DIR 環境変数で変更できます）

バッチモード

複数の動画を一度に処理します：

# Create a file with URLs (one per line)
cat > urls.txt << EOF
https://youtube.com/watch?v=VIDEO1
https://youtu.be/VIDEO2
https://youtube.com/watch?v=VIDEO3
EOF

# Process all URLs
python3 scripts/fetch_transcript.py --batch urls.txt

# Batch with JSON output to file
python3 scripts/fetch_transcript.py --batch urls.txt --json --output all_transcripts.json

APIFY Actor の入力

スクリプトは pintostudio/youtube-transcript-scraper に以下の入力を送信します：

{
  "videoUrl": "https://www.youtube.com/watch?v=VIDEO_ID"
}

出力フィールド：

各結果には、文字起こしのセグメントを含む data 配列があります：

フィールド	型	説明
start	数値	セグメントの開始時刻（秒）
dur	数値	セグメントの長さ（秒）
text	文字列	このセグメントの文字起こしテキスト

出力形式

テキスト（デフォルト）：

Hello and welcome to this video.
Today we're going to talk about...

JSON（--json）：

{
  "video_id": "dQw4w9WgXcQ",
  "title": "Video Title",
  "transcript": [
    {"start": 0.0, "dur": 2.5, "text": "Hello and welcome"},
    {"start": 2.5, "dur": 3.0, "text": "to this video"}
  ],
  "full_text": "Hello and welcome to this video..."
}

エラー処理

スクリプトは一般的なエラーを処理します：

• 無効な YouTube URL
• 動画に文字起こしがない
• API のクォータ超過
• ネットワークエラー