← Усі статті

Транскрипти YouTube для сумаризації та RAG: REST замість скрейпінгу

Як отримувати JSON-транскрипти з таймкодами через API на RapidAPI — для LLM, векторного пошуку та субтитрів без крихкого парсингу сторінки.

Теги
ШІAPIНовини
Транскрипти YouTube для сумаризації та RAG: REST замість скрейпінгу
Зміст

Коротко

На Dev.to опубліковано гайд із отримання транскриптів YouTube через REST API замість браузерного скрейпінгу, який ламається при кожній зміні верстки. Відповідь — JSON з таймкодами, простим текстом або сирими часовими мітками: зручно для сумаризації LLM, RAG за відеоконтентом і генерації субтитрів.

Що сталося

Автор (творець YouTube Transcript API на RapidAPI) описує типову біль: застосунки для переказу роликів, семантичного пошуку по каналу або автоматичних субтитрів потребують стабільного тексту з прив'язкою до часу. Парсинг сторінки або недокументовані ендпоінти живуть тижнями, поки YouTube не змінить розмітку.

Запропонований шлях — один HTTP-запит до get-youtube-transcript.p.rapidapi.com з заголовками X-RapidAPI-Key і X-RapidAPI-Host. Параметр video_id — 11 символів або повне посилання через url. Формат відповіді — format: json, text або raw. Мови — через languages=en,pt.

У статті — мінімальний приклад на curl і Python з requests. Тариф Basic — 100 безкоштовних запитів на місяць; Ultra — до 100k запитів за $9 для пакетної індексації. Перед продакшеном автор радить прогнати публічний video_id у тестовій консолі RapidAPI.

Чому це важливо

Відео — величезний корпус знань, але LLM не «дивляться» ролики напряму: потрібен текст. Надійний транскрипт з таймкодами дозволяє різати контент на чанки для векторної бази, посилатися на момент у плеєрі і будувати доступність без ручної правки SRT.

Відмова від скрейпінгу зменшує операційні ризики: менше проксі, капч і нічних лагоджень після оновлення YouTube. Для мінімального продукту платний API з передбачуваним контрактом часто дешевший за інженерний час на підтримку парсера.

На практиці

  1. Зареєструйтесь на RapidAPI — підключіть YouTube Transcript API, отримайте ключ.
  2. Перевірте один ролик — curl з format=json.
  3. Сумаризація — склеюйте text або передавайте чанки з start/duration у промпт GPT/Claude.
  4. RAG — ріжте часові мітки на перекривні сегменти, індексуйте з video_id і зміщенням у метаданих.
  5. Пакетна індексація каналу — оцініть обсяг, за потреби перейдіть на Ultra.
  6. Мови — явно вказуйте languages, якщо потрібна не лише автогенерована англійська.
format Коли використовувати
json LLM, метадані + таймкоди
text Швидкий переказ без структури
raw Субтитри, експорт у SRT

Підсумок

Гайд — практичний чеклист «текст з YouTube без скрейпінгу». Якщо збираєте бота для переказу лекцій або RAG за відеоблогом, почніть із REST-контракту та тестової консолі RapidAPI, а не з парсера розмітки сторінки.