# YouTube-transkripsjonsagentferdighet > Last ned YouTube-videotranskripsjoner, undertekster og forsidebilder via URL eller video-ID. Støtter flere språk, oversettelse, kapitler og høyttaleridentifikasjon for å forbedre innholdets tilgjengelighet. Start gratis på sekunder. - Canonical: https://nanoskill.ai/nb/skills/youtube-transcript - Markdown: https://nanoskill.ai/nb/skills/youtube-transcript.md - Author: JimLiu - Published: 2026-06-03T05:58:31.787Z - Updated: 2026-07-15T13:36:15.347Z - Language: nb - Source type: github - Popularity signal: 1040 ## Sources - https://github.com/JimLiu/baoyu-skills ## Install ```shell npx skills add https://github.com/JimLiu/baoyu-skills/tree/main/skills/baoyu-youtube-transcript ``` ## About YouTube-transkripsjonsnedlasterferdigheten gir en robust løsning for å trekke ut omfattende informasjon fra YouTube-videoer. Denne ferdigheten lar brukere enkelt laste ned fullstendige YouTube-transkripsjoner, undertekster og til og med forsidebilder ved å bare oppgi en video-URL eller -ID. Den er designet for innholdsskapere, forskere og alle som trenger å konvertere taleinnhold til tekst, og tilbyr funksjoner som støtte for flere språk, oversettelsesmuligheter og avanserte struktureringsalternativer. Ved å utnytte direkte tilgang til YouTubes InnerTube-API og en smart tilbakefallsmetode til \`yt-dlp\`, sikrer ferdigheten pålitelig og effektiv datahenting uten behov for personlige API-nøkler. Den tilbyr fleksible utdataformater, inkludert Markdown for detaljert analyse med tidsstempler og kapittelmarkører, og SRT for standard undertekstintegrering. I tillegg støtter den kapittelsegmentering fra videobeskrivelser og gir en arbeidsflyt for AI-drevet høyttaleridentifikasjon, noe som leverer svært organisert og attribuert tekst. Med intelligent bufring minimerer ferdigheten overflødige nettverksforespørsler, noe som gjør påfølgende operasjoner på den samme videoen eksepsjonelt raske. Enten du trenger å analysere videoinnhold, lage tilgjengelige undertekster, oversette materiale for et globalt publikum, eller bare trekke ut videometadata og miniatyrbilder, effektiviserer denne ferdigheten prosessen og gir et kraftig verktøy for YouTube-innholdsadministrasjon. ## Key features - **Direkte YouTube-tilgang**: Får direkte tilgang til YouTubes InnerTube API for rask henting av transkripsjoner, og faller automatisk tilbake til \`yt-dlp\` hvis den direkte API-en blokkeres, noe som sikrer pålitelig tilgang uten API-nøkler. - **Støtte for flere språk og oversettelse**: Angi foretrukne språk for transkripsjoner og oversett dem til et målspråk, noe som gjør innhold tilgjengelig for et globalt publikum. - **Kapittelinndeling og høyttaleridentifikasjon**: Deler automatisk opp transkripsjoner etter videokapitler og støtter AI-etterbehandling for høyttaleridentifikasjon, noe som gir strukturert og attribuert tekst. - **Fleksible utdataformater**: Genererer transkripsjoner i Markdown med tidsstempler eller SRT-undertekstfiler, egnet for ulike bruksområder fra innholdsanalyse til videospillere. - **Smart hurtigbufring for effektivitet**: Hurtigbufrer rå videodata, metadata og segmenterte transkripsjoner, noe som muliggjør rask omformatering og reduserer nettverksanrop ved påfølgende forespørsler for den samme videoen. ## Use cases - **Generer YouTube-transkripsjoner for innholdsanalyse**: Innholdsskapere og forskere kan raskt få fullstendige YouTube-transkripsjoner, inkludert tidsstempler og kapittelmarkører, for å analysere videoinnhold, trekke ut nøkkelinformasjon eller ombruke snakket innhold til tekstartikler. - **Opprett undertekstfiler for tilgjengelighet**: Videoredigerere og tilgjengelighetsspesialister kan generere SRT-undertekstfiler fra YouTube-videoer, noe som sikrer at innhold er tilgjengelig for hørselshemmede seere eller de som foretrekker å bruke innhold lydløst. - **Oversett videoinnhold for global rekkevidde**: Markedsførere og lærere kan oversette YouTube-transkripsjoner til flere språk, noe som utvider rekkevidden av videoinnholdet deres til personer som ikke har det som morsmål, og forbedrer global engasjement. - **Trekk ut metadata og forsidebilder**: Brukere kan enkelt trekke ut videometadata og høykvalitets forsidebilder, nyttig for katalogisering, promotering i sosiale medier eller opprettelse av visuelle eiendeler relatert til videoinnholdet. ## Result preview Utforsk en profesjonell videoanalyserapport drevet av denne Ferdigheten. ![A presentation cover slide featuring a TED Talk analysis titled 'This Is How Kids Should Be Learning with AI'. The slide uses a bold red background with large white headline text centered prominently across the page. Beneath the title, the speaker and event are identified as 'Priya Lakhani | TEDNext 2025', accompanied by the subtitle 'TED Talk Analysis & Knowledge Report'. The lower portion of the slide contains a thumbnail image from the TED presentation showing the speaker on stage alongside the text 'AI Isn't a Shortcut to Learning'. A teal horizontal accent bar runs along the bottom edge, creating visual contrast. The overall design resembles a professional report or presentation cover summarizing key insights from a TED Talk about artificial intelligence and education.](https://file.nanoskill.ai/youtube-transcript-outcome1.png) ![A report page titled '\[ Executive Summary \]' from a TED Talk analysis on artificial intelligence and education. The page summarizes key arguments presented by education entrepreneur Priya Lakhani at TEDNext 2025, discussing the impact of AI in classrooms, the risks of students using AI to avoid learning, and the importance of productive struggle in effective education. Several paragraphs explain how neuroscience-informed AI systems can support deeper learning when designed to challenge rather than replace student effort. A section titled 'Key Statistics at a Glance' highlights major findings using four large color-coded statistic cards. The statistics include 20% of UK students leaving secondary school without adequate reading and writing skills, 74% of teachers considering leaving the profession within three years due to workload, one in five students using AI to complete all homework assignments, and over 40 billion data points collected on how children learn. The layout uses a clean report style with a red section header, structured text blocks, and colorful infographic-style data highlights to emphasize key educational challenges and opportunities.](https://file.nanoskill.ai/youtube-transcript-outcome2.png) ![A report page titled '\[ The Four Pillars of Learning \]' that presents four evidence-based learning principles supported by cognitive science and educational research. The page is organized into four color-coded sections: Retrieval Practice, Spacing, Generation, and Reflection. Each section includes a concise explanation of the learning principle and a highlighted 'Classroom Applications' box containing practical implementation examples. Retrieval Practice emphasizes recalling information from memory through activities such as flashcards, self-testing, and closed-book quizzes. Spacing focuses on distributing learning over time using spaced repetition and interleaved study sessions. Generation encourages learners to produce answers themselves through prediction, fill-in-the-blank exercises, and open-ended questioning. Reflection highlights structured self-assessment and feedback processes that help students evaluate progress, identify learning goals, and address knowledge gaps. The page uses a clean educational report layout with colored headers, explanatory text, and application callout boxes to summarize effective learning strategies for classrooms and AI-supported education.](https://file.nanoskill.ai/youtube-transcript-outcome3.png) ![A report page from a TED Talk analysis featuring two major sections: 'Neuroscience: The London Taxi Study' and 'AI in Education: Well-Designed vs. Poorly Used.' The first section explains a neuroscience study of London black cab drivers who memorize thousands of city streets to pass 'The Knowledge' exam. It describes how brain scans revealed that experienced drivers developed a larger hippocampus, demonstrating that sustained mental effort and navigation challenges can physically strengthen the brain. A highlighted key insight box emphasizes that mental effort is essential for durable learning, expertise development, and human creativity rather than being a flaw in the learning process. The second section presents a side-by-side comparison of educational AI usage. The left panel, labeled 'AI Well-Designed,' lists benefits such as identifying learning patterns, predicting forgetting, encouraging answer generation, providing targeted feedback, personalizing instruction, supporting teachers, and reducing workload. The right panel, labeled 'AI Poorly Used,' outlines risks including students using AI to complete all work, avoiding genuine learning, replacing thinking with shortcuts, creating false confidence, confusing fluency with understanding, and reducing productive struggle. The layout uses contrasting green and red comparison panels, educational report styling, and structured visual hierarchy to highlight the difference between AI that supports learning and AI that undermines it.](https://file.nanoskill.ai/youtube-transcript-outcome4.png) ## Result walkthrough ### Installer Legg til YouTube-transkripsjonsagentferdigheten til AI-agenten din. ![A screenshot showing the installation process of the 'baoyu-youtube-transcript' AI agent skill from a GitHub repository using an NPX command. At the top, a blue command banner displays the installation command for adding the skill from the GitHub repository. Below, a conversational interface explains the installation workflow, including handling an interactive installation prompt, detecting that the process did not complete automatically, rerunning the command with a '-y' flag to bypass prompts, and explicitly targeting the Hermes Agent environment. The log then describes creating a symbolic link from the agent skills directory to the Hermes skills directory so the skill can be recognized by the Hermes Agent. A final confirmation states that the 'baoyu-youtube-transcript' skill was successfully installed, linked, and is available for use through a skill invocation command. The interface uses a clean chat-style layout with gray response panels, dark blue command highlighting, and monospaced code snippets for file paths and terminal commands.](https://file.nanoskill.ai/youtube-transcript-install.png) ### Gi innhold Del en YouTube-lenke og spesifiser ønsket utdataformat. ![A screenshot showing a prompt and response workflow for a YouTube transcript analysis skill. The top section contains a dark blue prompt panel describing an AI-powered content research and knowledge extraction system designed to analyze YouTube videos and transform them into structured knowledge assets. The prompt outlines requirements such as extracting complete transcripts, metadata, chapter structures, timestamps, speaker distinctions, key topics, major insights, statistics, examples, and actionable takeaways. It also lists supported output formats including executive summaries, study notes, blog articles, social media content, newsletter drafts, and research reports. Additional instructions emphasize transcript quality evaluation, improved readability, information hierarchy, redundancy removal, and generating a polished final deliverable. The requested output is a visually engaging PDF report with chapter navigation, highlighted takeaways, and presentation-ready layouts. Beneath the prompt, a gray response panel shows the AI acknowledging that the skill has been loaded successfully but explaining that a YouTube URL is still required before transcript extraction and report generation can begin. The interface uses a clean chat-style layout with large rounded panels, white text on a dark blue background, and structured instructional formatting.](https://file.nanoskill.ai/youtube-transcript-task.png) ### Trekk ut innsikt Generer strukturerte transkripsjoner, oppsummeringer, hovedpunkter og gjenbrukbart innhold. ![A presentation cover slide for a TED Talk analysis and knowledge report. The slide features a bold red background with a teal accent bar running along the bottom edge. Centered at the top is the large white title 'This Is How Kids Should Be Learning with AI.' Below the title, the speaker attribution reads 'Priya Lakhani | TEDNext 2025,' followed by the subtitle 'TED Talk Analysis & Knowledge Report' in italicized white text. In the center of the slide is a thumbnail image from the TED Talk showing Priya Lakhani on stage. The thumbnail includes the prominent message 'AI Isn't a Shortcut to Learning' alongside the TED logo. The overall design resembles a professional research report cover, using strong typography, high contrast colors, and a clean layout to introduce an educational analysis focused on artificial intelligence, learning science, and the future of education.](https://file.nanoskill.ai/youtube-transcript-outcome.png) ## Skill definition # YouTube-transkripsjon Laster ned transkripsjoner (undertekster/bildetekster) fra YouTube-videoer. Fungerer med både manuelt opprettede og automatisk genererte transkripsjoner. Ingen API-nøkkel eller nettleser kreves — bruker YouTubes InnerTube-API direkte og faller automatisk tilbake til `yt-dlp` når YouTube blokkerer den direkte API-stien. Henter videometadata og forsidebilde ved første kjøring, hurtiglagrer rådata for rask omformatering. ## Skriptkatalog Skript i `scripts/`-underkatalogen. `{baseDir}` = denne SKILL.md-filens katalogbane. Løs opp `${BUN_X}`-kjøretid: hvis `bun` er installert → `bun`; hvis `npx` er tilgjengelig → `npx -y bun`; ellers foreslå å installere bun. Erstatt `{baseDir}` og `${BUN_X}` med faktiske verdier. | Skript | Formål | |--------|---------| | `scripts/main.ts` | CLI for nedlasting av transkripsjon | ## Bruk ```bash # Standard: markdown med tidsstempler (engelsk) ${BUN_X} {baseDir}/scripts/main.ts # Spesifiser språk (prioritetsrekkefølge) ${BUN_X} {baseDir}/scripts/main.ts --languages zh,en,ja # Uten tidsstempler ${BUN_X} {baseDir}/scripts/main.ts --no-timestamps # Med kapittelinndeling ${BUN_X} {baseDir}/scripts/main.ts --chapters # Med taleridentifikasjon (krever AI-etterbehandling) ${BUN_X} {baseDir}/scripts/main.ts --speakers # SRT-undertekstfil ${BUN_X} {baseDir}/scripts/main.ts --format srt # Oversett transkripsjon ${BUN_X} {baseDir}/scripts/main.ts --translate zh-Hans # List opp tilgjengelige transkripsjoner ${BUN_X} {baseDir}/scripts/main.ts --list # Tving ny henting (ignorer hurtiglager) ${BUN_X} {baseDir}/scripts/main.ts --refresh ``` ## Alternativer | Alternativ | Beskrivelse | Standard | |--------|-------------|---------| | `` | YouTube-URL eller video-ID (flere tillatt) | Påkrevet | | `--languages ` | Språkkoder, kommas separert, i prioritetsrekkefølge | `en` | | `--format ` | Utdataformat: `text`, `srt` | `text` | | `--translate ` | Oversett til angitt språkkode | | | `--list` | List opp tilgjengelige transkripsjoner i stedet for å hente | | | `--timestamps` | Inkluder `[TT:MM:SS → TT:MM:SS]`-tidsstempler per avsnitt | på | | `--no-timestamps` | Deaktiver tidsstempler | | | `--chapters` | Kapittelinndeling fra videobeskrivelsen | | | `--speakers` | Rå transkripsjon med metadata for taleridentifikasjon | | | `--exclude-generated` | Hopp over automatisk genererte transkripsjoner | | | `--exclude-manually-created` | Hopp over manuelt opprettede transkripsjoner | | | `--refresh` | Tving ny henting, ignorer hurtiglagrede data | | | `-o, --output ` | Lagre til spesifikk filbane | automatisk generert | | `--output-dir ` | Basis utdatamappe | `youtube-transcript` | ## Valgfrie miljøvariabler | Variabel | Beskrivelse | |----------|-------------| | `YOUTUBE_TRANSCRIPT_COOKIES_FROM_BROWSER` | Sendes til `yt-dlp --cookies-from-browser` under tilbakefall, f.eks. `chrome`, `safari`, `firefox`, eller `chrome:Profile 1` | ## Inndataformater Godtar hvilken som helst av disse som videoinndata: - Full URL: `https://www.youtube.com/watch?v=dQw4w9WgXcQ` - Kort URL: `https://youtu.be/dQw4w9WgXcQ` - Innbyggings-URL: `https://www.youtube.com/embed/dQw4w9WgXcQ` - Shorts-URL: `https://www.youtube.com/shorts/dQw4w9WgXcQ` - Video-ID: `dQw4w9WgXcQ` ## Utdataformater | Format | Filendelse | Beskrivelse | |--------|-----------|-------------| | `text` | `.md` | Markdown med frontmatter (inkl. `description`), titteloverskrift, sammendrag, valgfri innholdsfortegnelse/forsidebilde/tidsstempler/kapitler/talere | | `srt` | `.srt` | SubRip-undertekstformat for videospillere | ## Utdatamappe ``` youtube-transcript/ ├── .index.json # Video-ID → mappebane-mapping (for hurtiglager-oppslag) └── {channel-slug}/{title-full-slug}/ ├── meta.json # Videometadata (tittel, kanal, beskrivelse, varighet, kapitler, osv.) ├── transcript-raw.json # Rå transkripsjonsutdrag fra YouTube-API (hurtiglagret) ├── transcript-sentences.json # Setningssegmentert transkripsjon (delt ved tegnsetting, slått sammen på tvers av utdrag) ├── imgs/ │ └── cover.jpg # Videominiatyrbilde ├── transcript.md # Markdown-transkripsjon (generert fra setninger) └── transcript.srt # SRT-undertekst (generert fra råutdrag, hvis --format srt) ``` - `{channel-slug}`: Kanalnavn i kebab-case - `{title-full-slug}`: Full videotittel i kebab-case `--list`-modus sender ut til stdout bare (ingen fil lagret). ## Hurtiglaging Ved første henting lagrer skriptet: - `meta.json` — videometadata, kapitler, forsidebildesti, språkinformasjon - `transcript-raw.json` — rå transkripsjonsutdrag fra YouTube-API (`{ text, start, duration }[]`) - `transcript-sentences.json` — setningssegmentert transkripsjon (`{ text, start: "TT:mm:ss", end: "TT:mm:ss" }[]`), delt ved setningsavsluttende tegnsetting (`.?!…。？！` osv.), tidsstempler proporsjonalt fordelt etter tegnlengde, CJK-bevisst tekstsammenslåing - `imgs/cover.jpg` — videominiatyrbilde Påfølgende kjøringer for samme video bruker hurtiglagrede data (ingen nettverkskall). Bruk `--refresh` for å tvinge ny henting. Hvis et annet språk er forespurt, blir hurtiglageret automatisk oppdatert. Når YouTube returnerer anti-bot / blokkerte svar på den direkte InnerTube-stien, prøver skriptet på nytt med alternative klientidentiteter og faller deretter tilbake til `yt-dlp` hvis tilgjengelig. Hvis tilbakefall er nødvendig, men `yt-dlp` er utilgjengelig, bør agenten selv avgjøre hvordan `yt-dlp` gjøres tilgjengelig og fortsette i stedet for å dytte installasjonsbeslutningen over på brukeren. SRT-utdata (`--format srt`) genereres fra `transcript-raw.json`. Tekst-/markdown-utdata bruker `transcript-sentences.json` for naturlige setningsgrenser. ## Arbeidsflyt Når brukeren oppgir en YouTube-URL og ønsker transkripsjonen: 1. Kjør med `--list` først hvis brukeren ikke har spesifisert et språk, for å vise tilgjengelige alternativer 2. **Sett alltid URL-en i enkle anførselstegn** når du kjører skriptet — zsh behandler `?` som et glob-jokertegn, så en ubeskyttet YouTube-URL forårsaker «no matches found»: bruk `'https://www.youtube.com/watch?v=ID'` 3. Standard: kjør med `--chapters --speakers` for den rikeste utdataen (kapitler + taleridentifikasjon) 3. Skriptet lagrer automatisk hurtiglagrede data + utdatafil og skriver ut filbanen 4. For `--speakers`-modus: etter at skriptet har lagret råfilen, følg arbeidsflyten for taleridentifikasjon nedenfor for å etterbehandle med taleretiketter Når brukeren bare ønsker et forsidebilde eller metadata, vil kjøring av skriptet med ethvert alternativ også hurtiglagre `meta.json` og `imgs/cover.jpg`. Ved omformatering av samme video (f.eks. først tekst så SRT), gjenbrukes de hurtiglagrede dataene — ingen ny henting nødvendig. ## Arbeidsflyt for kapitler og talere ### Kapitler (`--chapters`) Skriptet analyserer kapitteltidsstempler fra videobeskrivelsen (f.eks. `0:00 Introduksjon`), segmenterer transkripsjonen etter kapittelgrenser, grupperer utdrag i lesbare avsnitt, og lagrer som `.md` med en innholdsfortegnelse. Ingen videre behandling nødvendig. Hvis ingen kapitteltidsstempler finnes i beskrivelsen, sendes transkripsjonen ut som grupperte avsnitt uten kapitteloverskrifter. ### Taleridentifikasjon (`--speakers`) Taleridentifikasjon krever AI-behandling. Skriptet sender ut en rå `.md`-fil som inneholder: - YAML-frontmatter med videometadata (tittel, kanal, dato, forsidebilde, beskrivelse, språk) - Videobeskrivelse (for uttrekk av talernavn) - Kapitelliste fra beskrivelse (hvis tilgjengelig) - Rå transkripsjon i SRT-format (forhåndsberegnede start-/sluttidsstempler, tokeneffektivt) Etter at skriptet har lagret råfilen, start en underagent (bruk en billigere modell som Sonnet for kostnadseffektivitet) for å behandle taleridentifikasjon: 1. Les den lagrede `.md`-filen 2. Les promptmalen på `{baseDir}/prompts/speaker-transcript.md` 3. Behandle den rå transkripsjonen i henhold til prompten: - Identifiser talere ved hjelp av videometadata (tittel → gjest, kanal → vert, beskrivelse → navn) - Oppdag talerskifter fra samtale flyt, spørsmål-svar-mønstre og kontekstuelle ledetråder - Segmenter i kapitler (bruk beskrivelseskapitler hvis tilgjengelig, ellers lag fra emneskifter) - Formater med `**Talernavn:**`-etiketter, avsnittsgruppering (2-4 setninger), og `[TT:MM:SS → TT:MM:SS]`-tidsstempler 4. Overskriv `.md`-filen med den behandlede transkripsjonen (behold YAML-frontmatteren) Når `--speakers` brukes, er `--chapters` underforstått — den behandlede utdataen inkluderer alltid kapittelinndeling. ## Feiltilfeller | Feil | Betydning | |-------|---------| | Transkripsjoner deaktivert | Videoen har ingen undertekster i det hele tatt | | Ingen transkripsjon funnet | Forespurt språk er ikke tilgjengelig | | Video utilgjengelig | Videoen er slettet, privat eller regionslåst | | IP blokkert | For mange forespørsler, prøv igjen senere | | Aldersbegrenset | Videoen krever innlogging for aldersverifisering | | bot oppdaget | Skriptet prøver på nytt med alternative klienter og deretter `yt-dlp`; hvis tilbakefallsverktøy mangler, bør agenten løse det selv, ellers hvis det fortsatt mislykkes, prøv `YOUTUBE_TRANSCRIPT_COOKIES_FROM_BROWSER=safari` (eller din nettleser) | ## FAQ ### Hva er ferdigheten for nedlasting av YouTube-transkripsjoner? Ferdigheten for nedlasting av YouTube-transkripsjoner er et verktøy som lar deg laste ned transkripsjoner, undertekster og forsidebilder fra YouTube-videoer ved bare å bruke URL-en eller video-ID-en. Den støtter ulike funksjoner som flerspråklig henting, oversettelse, kapittelinndeling og høyttaleridentifikasjon. ### Hvordan får denne ferdigheten YouTube-transkripsjoner uten en API-nøkkel? Ferdigheten bruker direkte YouTubes InnerTube API for å hente transkripsjoner. Hvis direkte tilgang blokkeres, faller den automatisk tilbake til \`yt-dlp\` for å sikre pålitelig henting av transkripsjoner uten å kreve en separat API-nøkkel. ### Kan jeg få transkripsjoner på andre språk enn engelsk? Ja, du kan angi en kommadelt liste over språkkoder ved å bruke \`--languages\`-alternativet. Ferdigheten vil prøve å hente transkripsjoner i den angitte prioriteringsrekkefølgen. Du kan også oversette transkripsjonen til et annet språk ved å bruke \`--translate\`-alternativet. ### Støtter den høyttaleridentifikasjon og kapittelinndeling? Ja, ferdigheten støtter kapittelinndeling fra videobeskrivelser ved å bruke \`--chapters\`-alternativet. For høyttaleridentifikasjon kan du bruke \`--speakers\`-alternativet, som gir ut en råfil for AI-etterbehandling for å merke høyttalere. ### Hvilke utdataformater er tilgjengelige for YouTube-transkripsjonen? Du kan få ut transkripsjonen i Markdown-format (\`.md\`), som inkluderer tidsstempler, kapitler og valgfrie høyttalerdata, eller som en SRT (\`.srt\`)-undertekstfil, som er kompatibel med de fleste videospillere. ### Finnes det en hurtigbuffermekanisme, og hvordan fungerer den? Ja, ferdigheten hurtigbufrer videometadata, rå transkripsjonsdata og segmenterte setninger. Påfølgende kjøringer for den samme videoen vil bruke disse hurtigbufrede dataene, noe som øker hastigheten på behandlingen. Du kan tvinge en ny henting med \`--refresh\`-alternativet.