mcpField
Y
youtube-apify-transcript

youtube-apify-transcript

github.com/gooseworks-ai数据与数据库1.3k57 次安装3 天前更新
代码仓库

关于 youtube-apify-transcript

这款命令行技能通过 Apify API 获取 YouTube 视频转录文本，也适用于 YouTube 可能拦截请求的云环境。它在本地缓存结果，并支持文本、带时间戳的 JSON 和批量处理。

主要功能

  1. 01通过 Apify 获取转录文本
  2. 02在本地缓存转录结果
  3. 03输出文本或带时间戳的 JSON
  4. 04批量处理多个视频 URL

适用场景

  1. 01获取视频转录文本用于调研
  2. 02重复处理视频而无需再次抓取

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/gooseworks-ai/goose-skills --skill youtube-apify-transcript

安装后在 Claude Code 中输入/youtube-apify-transcript确认已加载。

包含的文件

除 SKILL.md 外，安装时一起下载的参考资料和脚本。

CHANGELOG.md
package.json
README.md
skill.meta.json
scripts/
fetch_transcript.py

详细介绍

youtube-apify-transcript

通过 APIFY API 获取 YouTube 字幕稿（可在云 IP 上使用，绕过 YouTube 的机器人检测）。

为什么选择 APIFY？

YouTube 会阻止来自云 IP（AWS、GCP 等）的字幕稿请求。APIFY 通过住宅代理发送请求，可可靠地绕过机器人检测。

免费套餐

  • 每月 $5 免费额度（约 714 个视频）
  • 无需信用卡
  • 非常适合个人使用

费用

链接

设置

  1. 创建免费的 APIFY 账号：https://apify.com/
  2. 获取 API 令牌：https://console.apify.com/account/integrations
  3. 设置环境变量：
# 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

使用方法

基本用法
# 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"
选项
# 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
缓存（省钱！）

默认情况下，字幕稿会缓存在本地。重复请求同一个视频无需付费。

# 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

缓存位置：技能目录中的 .cache/（可通过 YT_TRANSCRIPT_CACHE_DIR 环境变量覆盖）

批量模式

一次处理多个视频：

# 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 输入

脚本会向 pintostudio/youtube-transcript-scraper 发送以下输入：

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

输出字段：

每个结果都包含一个由字幕片段组成的 data 数组：

字段类型描述
startnumber片段开始时间（秒）
durnumber片段时长（秒）
textstring此片段的字幕文本
输出格式

文本（默认）：

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..."
}

错误处理

脚本会处理常见错误：

  • 无效的 YouTube URL
  • 视频没有字幕稿
  • API 配额超限
  • 网络错误

评论

支持 Markdown