2025-10-17

YouTube 動画の文字起こし＆要約ツール紹介

YouTube 動画の文字起こしを取得し、Google Gemini API で要約まで自動生成する Python ツール（CLI & GUI）

Table of Contents

preview.png

1. はじめに

  • YouTube 動画を見ていて「この内容、後でテキストで読み返したいな」と思ったことはありませんか？特に解説動画や講義動画では、重要なポイントを見逃したくないですよね。
  • あるいは、「面白そうだが、動画の尺が長いので見る前に要点だけ知りたい」ということもあるでしょう。
  • 今回紹介するのは、YouTube 動画の文字起こしを取得し、さらに Google Gemini API を使って要約まで自動作成してくれる Python ツール（CLI & GUI）です。

favicon

2. このツールでできること

主な機能

  • 🎥 文字起こし取得: yt-dlpを使用した安定した取得
  • 🔗 堅牢な ID 取得機能: 様々な形式の YouTube URL から Video ID を取得
  • 📝 Markdown 形式での出力: タイムスタンプ付きで読みやすいマークダウン形式
  • 🔧 柔軟な出力オプション: タイムスタンプ、要約の有無などをカスタマイズ可能
  • 🤖 AI 要約機能: Gemini API による構造化された要約（日本語・英語から選択可能）
例えば、このツールを使うと次のような用途に活用できます：
  • 解説動画を文字起こしして、重要ポイントを要約
  • 大学の講義動画を要約して、復習用のノートを自動生成
  • 英語の動画を文字起こし＆日本語要約で効率的に学習
  • 長時間のカンファレンス動画の要点を素早く把握

3. コードの構成について

このリポジトリは2つの使い方ができます：

3.1. CLI バージョン

3.1.1. モジュール化されたバージョン main.py

main.py                     # メインスクリプト
├── url_extractor.py        # URL/Video IDの抽出
├── transcript_processor.py # 文字起こしの処理
├── gemini_api.py           # AI要約の生成
└── utils.py                # ユーティリティ関数

3.1.2. オールインワンバージョン all.py

シンプルに１ファイルで完結させたい場合は、全機能が統合された all.py を使用してください。

3.2. FastAPI を用いた GUI バージョン app.py

app.py を起動して、以下のような UI で利用することもできます。
screenshot.png

4. インストール方法

4.1. スクリプトのダウンロード

GitHubからリポジトリをクローンまたはダウンロードします： 
git clone https://github.com/kkensuke/yt_dlp_transcript
cd yt_dlp_transcript

4.2. 必要なライブラリのインストール

pip install yt-dlp

# `app.py` を使う場合は fastapi と uvicorn も
pip install fastapi uvicorn

4.3. （オプション）Gemini API の設定

要約機能を使いたい場合は、Gemini API キーが必要です：
  1. Google AI Studioで API キーを取得
  2. 環境変数の設定： 
    export GEMINI_API_KEY="YOUR_GEMINI_API_KEY"
  3. それぞれのファイル（main.py,all.py,app.py）内で直接設定しても可： 
    GEMINI_API_KEY = "YOUR_GEMINI_API_KEY"

5. 基本的な使い方

5.1. GUI の使い方

以下を実行し、ブラウザで http://localhost:8000 を開く。抽出に10秒ほどかかります。 
python app.py

5.2. CLI のシンプルな使い方

# YouTube URL を指定
python main.py 'https://www.youtube.com/watch?v=VIDEO_ID'

# または、Video ID だけでもOK
python main.py 'VIDEO_ID'
all.py を使う場合も同様です。 これだけで、以下の2つのファイルが生成されます：
  1. {video_id}_transcript.md - タイムスタンプ付き文字起こし
  2. {video_id}_summarized.md - AI 生成の要約（API キー設定時）

5.3. 生成されるファイルの例

文字起こしファイル（transcript.md）: 
# Pythonプログラミング入門講座

**Video ID:** ABC123  
**YouTube URL:** https://www.youtube.com/watch?v=ABC123

---

**[00:00:15]** こんにちは、今日は Pythonプログラミングの基礎について解説します。

**[00:01:30]** まず、変数について説明しましょう。変数とは、データを保存するための箱のようなものです。
要約ファイル（summarized.md）: 
# Pythonプログラミング入門講座 - Summary

## 📝 要約
この動画では、Pythonの基本的な概念である変数、データ型、制御構造について...

## 🔑 主要な概念とキーワード
- **変数（Variable）**: データを格納する容器、重要度（高）
- **データ型（Data Type）**: 整数、文字列、リストなど、重要度（高）

## ✨ 重要ポイント
- Pythonは初心者に優しいプログラミング言語である
- 変数を使うことでデータを効率的に管理できる
...

6. 詳細なオプション

6.1. タイムスタンプを削除

タイムスタンプが不要な場合： 
python main.py 'VIDEO_URL' --no-timestamps

6.2. 要約をスキップ

文字起こしだけが欲しい場合： 
python main.py 'VIDEO_URL' --no-summary

6.3. 要約言語を指定

動画は日本語だけど、要約は英語で欲しい場合： 
python main.py 'VIDEO_URL' --summary-lang en
逆に、英語動画の日本語要約： 
python main.py 'VIDEO_URL' --summary-lang ja

6.4. カスタムファイル名

出力ファイル名を指定したい場合： 
python main.py 'VIDEO_URL' -o my_custom_transcript.md

7. 実践的な活用例

7.1. ケース1: 講義ノートの自動生成

# 大学の講義動画から日本語の要約ノートを作成
python main.py 'LECTURE_VIDEO_URL' --summary-lang ja -o lecture_note.md
活用シーン:
  • 復習用の要点まとめ

7.2. ケース2: 英語学習教材の作成

# 英語動画の文字起こしを取得（要約は不要）
python main.py 'ENGLISH_VIDEO_ID' --no-summary
活用シーン:
  • リスニング練習の答え合わせ
  • 知らない単語やフレーズの確認

7.3. ケース3: 技術カンファレンスの動画を要約

# 長時間の技術カンファレンス動画から要点を抽出
python main.py 'https://www.youtube.com/watch?v=CONF_VIDEO' --summary-lang ja
活用シーン:
  • 1時間以上の動画の要点を5分で把握

8. トラブルシューティング

8.1. Gemini API のエラー

  1. APIキーが正しいか確認
  2. Google AI Studioでクォータを確認

8.2. yt-dlpの抽出失敗

  • yt-dlp が古い場合はアップデート：pip install -U yt-dlp
  • 1日の利用制限の超過している場合は、翌日まで待つ

9. カスタマイズのアイデア

9.1. 要約プロンプトの調整

gemini_api.py 内のプロンプトをカスタマイズすることで、要約のスタイルを変更できます： 
# 例：より技術的な要約にしたい場合
prompt = f"""
あなたは経験豊富なソフトウェアエンジニアです。
以下の技術動画の文字起こしから、実装に役立つ具体的な情報を抽出してください。
- ベストプラクティスを強調
- 注意点やよくあるミスも記載
...
"""

9.2. 長文の処理

50,000文字を超える長い文字起こしの場合、main.py の MAX_SUMMARY_LENGTH を調整： 
MAX_SUMMARY_LENGTH = 100000  # より長い動画に対応
ただし、Gemini のトークン制限には注意が必要です。

10. まとめ

このツールを使えば、YouTube 動画から効率的に情報を抽出できます：
  • ✅ 時間の節約: 長い動画を見る時間がない時に要約で要点把握
  • ✅ 学習効率UP: 文字起こしで復習しやすく
  • ✅ 言語の壁を越える: 英語動画→日本語要約で情報収集
  • ✅ ナレッジベース構築: 技術動画をテキスト資料として蓄積
参考リンク: