# YouTube Transkript Ajan Becerisi

> YouTube video transkriptlerini, altyazılarını ve kapak resimlerini URL veya video kimliği ile indirin. İçerik erişilebilirliğini artırmak için çoklu dil, çeviri, bölüm ve konuşmacı tanıma desteği sunar. Saniyeler içinde ücretsiz başlayın.

- Canonical: https://nanoskill.ai/tr/skills/youtube-transcript
- Markdown: https://nanoskill.ai/tr/skills/youtube-transcript.md
- Author: JimLiu
- Published: 2026-06-03T05:58:31.787Z
- Updated: 2026-07-15T13:36:15.347Z
- Language: tr
- 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 Transkript İndirme Becerisi, YouTube videolarından kapsamlı bilgi çıkarmak için sağlam bir çözüm sunar. Bu beceri, kullanıcıların yalnızca bir video URL'si veya kimliği sağlayarak tam YouTube transkriptlerini, altyazılarını ve hatta kapak resimlerini zahmetsizce indirmelerine olanak tanır. İçerik oluşturucular, araştırmacılar ve konuşulan içeriği metne dönüştürmesi gereken herkes için tasarlanmış olup, çoklu dil desteği, çeviri yetenekleri ve gelişmiş yapılandırma seçenekleri gibi özellikler sunar.

YouTube'un InnerTube API'sine doğrudan erişim ve \`yt-dlp\`'ye akıllı bir geri dönüşten yararlanan beceri, kişisel API anahtarlarına ihtiyaç duymadan güvenilir ve verimli veri alımı sağlar. Zaman damgaları ve bölüm işaretleyicileri ile ayrıntılı analiz için Markdown ve standart altyazı entegrasyonu için SRT dahil olmak üzere esnek çıktı biçimleri sunar. Ayrıca, video açıklamalarından bölüm segmentasyonunu destekler ve yapay zeka destekli konuşmacı tanıma için bir iş akışı sağlayarak son derece düzenli ve atfedilmiş metinler sunar.

Akıllı önbellekleme ile beceri, gereksiz ağ isteklerini en aza indirerek aynı video üzerinde sonraki işlemleri son derece hızlı hale getirir. Video içeriğini analiz etmeniz, erişilebilir altyazılar oluşturmanız, küresel bir kitle için materyal çevirmeniz veya yalnızca video meta verilerini ve küçük resimleri çıkarmanız gerekip gerekmediğine bakılmaksızın, bu beceri süreci kolaylaştırarak YouTube içerik yönetimi için güçlü bir araç sunar.

## Key features

- **Doğrudan YouTube Erişimi**: Hızlı transkript alımı için doğrudan YouTube'un InnerTube API'sine erişir; doğrudan API engellenirse otomatik olarak \`yt-dlp\`'ye geri dönerek API anahtarları olmadan güvenilir erişim sağlar.
- **Çoklu Dil Desteği ve Çeviri**: Transkriptler için tercih edilen dilleri belirtin ve bunları hedef bir dile çevirerek içeriği küresel bir kitle için erişilebilir hale getirin.
- **Bölüm Segmentasyonu ve Konuşmacı Tanımlama**: Transkriptleri otomatik olarak video bölümlerine göre segmentlere ayırır ve konuşmacı tanımlama için AI son işlemesini destekler, yapılandırılmış ve atıflı metin sağlar.
- **Esnek Çıktı Biçimleri**: Zaman damgalı Markdown veya SRT altyazı dosyaları olarak transkriptler oluşturur; içerik analizinden video oynatıcılara kadar çeşitli kullanımlar için uygundur.
- **Verimlilik için Akıllı Önbellekleme**: Ham video verilerini, meta verileri ve segmentlere ayrılmış transkriptleri önbelleğe alır; aynı video için sonraki isteklerde hızlı yeniden biçimlendirmeyi ve ağ çağrılarını azaltmayı sağlar.

## Use cases

- **İçerik Analizi için YouTube Transkriptleri Oluşturun**: İçerik oluşturucular ve araştırmacılar, video içeriğini analiz etmek, önemli bilgileri çıkarmak veya konuşulan içeriği metin makalelerine dönüştürmek için zaman damgaları ve bölüm işaretçileri dahil olmak üzere tam YouTube transkriptlerini hızlıca elde edebilirler.
- **Erişilebilirlik için Altyazı Dosyaları Oluşturun**: Video düzenleyiciler ve erişilebilirlik uzmanları, içeriğin işitme engelli izleyiciler veya içeriği sessizce tüketmeyi tercih edenler için erişilebilir olmasını sağlamak üzere YouTube videolarından SRT altyazı dosyaları oluşturabilirler.
- **Küresel Erişim için Video İçeriğini Çevirin**: Pazarlamacılar ve eğitimciler, video içeriklerinin erişimini ana dili farklı olan konuşmacılara genişletmek ve küresel etkileşimi artırmak için YouTube transkriptlerini birden çok dile çevirebilirler.
- **Meta Verileri ve Kapak Görsellerini Çıkarın**: Kullanıcılar, video meta verilerini ve yüksek kaliteli kapak görsellerini kolayca çıkarabilir; bu, kataloglama, sosyal medya tanıtımı veya video içeriğiyle ilgili görsel öğeler oluşturmak için kullanışlıdır.

## Result preview

Bu Beceri ile desteklenen profesyonel bir video analiz raporunu keşfedin.

![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

### Yükle

YouTube Transkript Ajan Becerisini yapay zeka ajanınıza ekleyin.

![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)

### İçerik Sağlayın

Bir YouTube bağlantısı paylaşın ve istediğiniz çıktı biçimini belirtin.

![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)

### İçgörüleri Çıkarın

Yapılandırılmış transkriptler, özetler, önemli noktalar ve yeniden kullanılabilir içerik oluşturun.

![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 Transkript

YouTube videolarından transkriptleri (altyazıları/başlıkları) indirir. Hem manuel olarak oluşturulmuş hem de otomatik oluşturulmuş transkriptlerle çalışır. API anahtarı veya tarayıcı gerekmez — doğrudan YouTube'un InnerTube API'sini kullanır ve YouTube doğrudan API yolunu engellediğinde otomatik olarak `yt-dlp`'ye geri döner.

İlk çalıştırmada video meta verilerini ve kapak resmini getirir, hızlı yeniden biçimlendirme için ham verileri önbelleğe alır.

## Betik Dizini

Betikler `scripts/` alt dizininde bulunur. `{baseDir}` = bu SKILL.md'nin dizin yolu. `${BUN_X}` çalışma zamanını çöz: `bun` yüklüyse → `bun`; `npx` mevcutsa → `npx -y bun`; aksi takdirde bun'u yüklemeyi öner. `{baseDir}` ve `${BUN_X}`'i gerçek değerlerle değiştirin.

| Betik | Amaç |
|--------|---------|
| `scripts/main.ts` | Transkript indirme CLI |

## Kullanım

```bash
# Varsayılan: zaman damgalı işaretleme (İngilizce)
${BUN_X} {baseDir}/scripts/main.ts <youtube-url-veya-id>

# Dilleri belirt (öncelik sırasına göre)
${BUN_X} {baseDir}/scripts/main.ts <url> --languages zh,en,ja

# Zaman damgasız
${BUN_X} {baseDir}/scripts/main.ts <url> --no-timestamps

# Bölüm segmentasyonu ile
${BUN_X} {baseDir}/scripts/main.ts <url> --chapters

# Konuşmacı tanımlama ile (AI son işleme gerektirir)
${BUN_X} {baseDir}/scripts/main.ts <url> --speakers

# SRT altyazı dosyası
${BUN_X} {baseDir}/scripts/main.ts <url> --format srt

# Transkripti çevir
${BUN_X} {baseDir}/scripts/main.ts <url> --translate zh-Hans

# Mevcut transkriptleri listele
${BUN_X} {baseDir}/scripts/main.ts <url> --list

# Yeniden getir (önbelleği yoksay)
${BUN_X} {baseDir}/scripts/main.ts <url> --refresh
```

## Seçenekler

| Seçenek | Açıklama | Varsayılan |
|--------|-------------|---------|
| `<url-or-id>` | YouTube URL'si veya video kimliği (birden fazlasına izin verilir) | Zorunlu |
| `--languages <codes>` | Dil kodları, virgülle ayrılmış, öncelik sırasına göre | `en` |
| `--format <fmt>` | Çıktı biçimi: `text`, `srt` | `text` |
| `--translate <code>` | Belirtilen dil koduna çevir | |
| `--list` | İndirmek yerine mevcut transkriptleri listele | |
| `--timestamps` | Her paragraf için `[SS:DD:SS → SS:DD:SS]` zaman damgalarını dahil et | açık |
| `--no-timestamps` | Zaman damgalarını devre dışı bırak | |
| `--chapters` | Video açıklamasından bölüm segmentasyonu | |
| `--speakers` | Konuşmacı tanımlama için meta verilerle ham transkript | |
| `--exclude-generated` | Otomatik oluşturulan transkriptleri atla | |
| `--exclude-manually-created` | Manuel oluşturulan transkriptleri atla | |
| `--refresh` | Yeniden getirmeye zorla, önbelleğe alınmış veriyi yoksay | |
| `-o, --output <path>` | Belirli bir dosya yoluna kaydet | otomatik oluşturulmuş |
| `--output-dir <dir>` | Temel çıktı dizini | `youtube-transcript` |

## İsteğe Bağlı Ortam Değişkenleri

| Değişken | Açıklama |
|----------|-------------|
| `YOUTUBE_TRANSCRIPT_COOKIES_FROM_BROWSER` | Geri dönüş sırasında `yt-dlp --cookies-from-browser`'a iletilir, ör. `chrome`, `safari`, `firefox` veya `chrome:Profil 1` |

## Giriş Biçimleri

Video girişi olarak bunlardan herhangi birini kabul eder:
- Tam URL: `https://www.youtube.com/watch?v=dQw4w9WgXcQ`
- Kısa URL: `https://youtu.be/dQw4w9WgXcQ`
- Gömme URL'si: `https://www.youtube.com/embed/dQw4w9WgXcQ`
- Shorts URL'si: `https://www.youtube.com/shorts/dQw4w9WgXcQ`
- Video Kimliği: `dQw4w9WgXcQ`

## Çıktı Biçimleri

| Biçim | Uzantı | Açıklama |
|--------|-----------|-------------|
| `text` | `.md` | Frontmatter (`description` dahil), başlık başlığı, özet, isteğe bağlı içindekiler/kapak/zaman damgaları/bölümler/konuşmacılar içeren Markdown |
| `srt` | `.srt` | Video oynatıcılar için SubRip altyazı biçimi |

## Çıktı Dizini

```
youtube-transcript/
├── .index.json                          # Video kimliği → dizin yolu eşlemesi (önbellek araması için)
└── {channel-slug}/{title-full-slug}/
    ├── meta.json                        # Video meta verileri (başlık, kanal, açıklama, süre, bölümler vb.)
    ├── transcript-raw.json              # YouTube API'sinden ham transkript parçacıkları (önbelleğe alınmış)
    ├── transcript-sentences.json        # Cümle-segmentli transkript (noktalama ile bölünmüş, parçacıklar arasında birleştirilmiş)
    ├── imgs/
    │   └── cover.jpg                    # Video küçük resmi
    ├── transcript.md                    # Markdown transkript (cümlelerden oluşturulmuş)
    └── transcript.srt                   # SRT altyazı (ham parçacıklardan oluşturulmuş, eğer --format srt ise)
```

- `{channel-slug}`: Kanal adı kebab-case olarak
- `{title-full-slug}`: Tam video başlığı kebab-case olarak

`--list` modu yalnızca stdout'a çıkar (dosya kaydedilmez).

## Önbellekleme

İlk getirmede betik şunları kaydeder:
- `meta.json` — video meta verileri, bölümler, kapak resmi yolu, dil bilgisi
- `transcript-raw.json` — YouTube API'sinden ham transkript parçacıkları (`{ text, start, duration }[]`)
- `transcript-sentences.json` — cümle-segmentli transkript (`{ text, start: "SS:dd:ss", end: "SS:dd:ss" }[]`), cümle sonu noktalama ile bölünmüş (`.?!…。？！` vb.), zaman damgaları karakter uzunluğuna orantılı olarak ayrılmış, CJK farkında metin birleştirme
- `imgs/cover.jpg` — video küçük resmi

Aynı video için sonraki çalıştırmalar önbelleğe alınmış verileri kullanır (ağ çağrısı yapılmaz). Yeniden getirmeye zorlamak için `--refresh` kullanın. Farklı bir dil talep edilirse, önbellek otomatik olarak yenilenir.

YouTube, doğrudan InnerTube yolunda bot karşıtı / engellenmiş yanıtlar döndürdüğünde, betik alternatif istemci kimlikleriyle yeniden dener ve ardından mevcutsa `yt-dlp`'ye geri döner. Geri dönüş gerekliyse ancak `yt-dlp` mevcut değilse, aracı kullanıcıya yükleme kararını bırakmak yerine `yt-dlp`'yi nasıl kullanılabilir hale getireceğine karar vermeli ve devam etmelidir.

SRT çıktısı (`--format srt`) `transcript-raw.json`'dan oluşturulur. Metin/markdown çıktısı doğal cümle sınırları için `transcript-sentences.json`'u kullanır.

## İş Akışı

Kullanıcı bir YouTube URL'si sağladığında ve transkripti istediğinde:

1. Kullanıcı bir dil belirtmemişse, mevcut seçenekleri göstermek için önce `--list` ile çalıştırın
2. Betiği çalıştırırken **URL'yi her zaman tek tırnak içine alın** — zsh, `?` işaretini bir glob joker karakteri olarak ele alır, bu nedenle tırnaksız bir YouTube URL'si "eşleşme bulunamadı" hatasına neden olur: `'https://www.youtube.com/watch?v=ID'` kullanın
3. Varsayılan: En zengin çıktı için `--chapters --speakers` ile çalıştırın (bölümler + konuşmacı tanımlama)
3. Betik, önbelleğe alınmış verileri + çıktı dosyasını otomatik olarak kaydeder ve dosya yolunu yazdırır
4. `--speakers` modu için: betik ham dosyayı kaydettikten sonra, konuşmacı etiketleriyle son işlem yapmak için aşağıdaki konuşmacı tanımlama iş akışını izleyin

Kullanıcı yalnızca kapak resmi veya meta veri istediğinde, betiği herhangi bir seçenekle çalıştırmak ayrıca `meta.json` ve `imgs/cover.jpg`'yi önbelleğe alır.

Aynı videoyu yeniden biçimlendirirken (örneğin, önce metin sonra SRT), önbelleğe alınan veriler yeniden kullanılır — yeniden getirme gerekmez.

## Bölüm ve Konuşmacı İş Akışı

### Bölümler (`--chapters`)

Betik, video açıklamasındaki bölüm zaman damgalarını (ör. `0:00 Giriş`) ayrıştırır, transkripti bölüm sınırlarına göre segmentlere ayırır, parçacıkları okunabilir paragraflara gruplandırır ve bir İçindekiler ile `.md` olarak kaydeder. Daha fazla işlem gerekmez.

Açıklamada bölüm zaman damgası yoksa, transkript bölüm başlıkları olmadan gruplandırılmış paragraflar olarak çıkar.

### Konuşmacı Tanımlama (`--speakers`)

Konuşmacı tanımlama AI işlemi gerektirir. Betik aşağıdakileri içeren bir ham `.md` dosyası çıkarır:
- Video meta verileri (başlık, kanal, tarih, kapak, açıklama, dil) içeren YAML frontmatter
- Video açıklaması (konuşmacı adı çıkarma için)
- Açıklamadan bölüm listesi (varsa)
- SRT biçiminde ham transkript (önceden hesaplanmış başlangıç/bitiş zaman damgaları, token verimli)

Betik ham dosyayı kaydettikten sonra, konuşmacı tanımlamayı işlemek için bir alt aracı (maliyet verimliliği için Sonnet gibi daha ucuz bir model kullanın) başlatın:

1. Kaydedilen `.md` dosyasını okuyun
2. `{baseDir}/prompts/speaker-transcript.md` konumundaki istem şablonunu okuyun
3. Ham transkripti istem doğrultusunda işleyin:
   - Video meta verilerini kullanarak konuşmacıları tanımlayın (başlık → konuk, kanal → sunucu, açıklama → isimler)
   - Konuşma akışı, soru-cevap kalıpları ve bağlamsal ipuçlarından konuşmacı sıralarını tespit edin
   - Bölümlere ayırın (varsa açıklama bölümlerini kullanın, yoksa konu değişimlerinden oluşturun)
   - `**Konuşmacı Adı:**` etiketleri, paragraf gruplandırması (2-4 cümle) ve `[SS:DD:SS → SS:DD:SS]` zaman damgalarıyla biçimlendirin
4. `.md` dosyasını işlenmiş transkript ile üzerine yazın (YAML frontmatter'ı koruyun)

`--speakers` kullanıldığında, `--chapters` ima edilir — işlenmiş çıktı her zaman bölüm segmentasyonu içerir.

## Hata Durumları

| Hata | Anlamı |
|-------|---------|
| Transkriptler devre dışı | Videoda hiç altyazı yok |
| Transkript bulunamadı | Talep edilen dil mevcut değil |
| Video kullanılamıyor | Video silinmiş, gizli veya bölge kilitli |
| IP engellendi | Çok fazla istek, daha sonra tekrar deneyin |
| Yaş sınırlamalı | Video yaş doğrulama için giriş gerektiriyor |
| bot algılandı | Betik alternatif istemcilerle ve ardından `yt-dlp` ile yeniden dener; geri dönüş araçları eksikse, aracı bunu kendi çözmelidir, aksi takdirde hala başarısız olursa `YOUTUBE_TRANSCRIPT_COOKIES_FROM_BROWSER=safari` (veya tarayıcınız) deneyin |

## FAQ

### YouTube Transkript İndirici Yetenek nedir?

YouTube Transkript İndirici Yetenek, yalnızca URL veya video kimliğini kullanarak YouTube videolarından transkript, altyazı ve kapak görselleri indirmenizi sağlayan bir araçtır. Çoklu dil erişimi, çeviri, bölüm segmentasyonu ve konuşmacı tanımlama gibi çeşitli özellikleri destekler.

### Bu yetenek, API anahtarı olmadan YouTube transkriptlerini nasıl alır?

Yetenek, transkriptleri almak için doğrudan YouTube'un InnerTube API'sini kullanır. Doğrudan erişim engellenirse, ayrı bir API anahtarı gerektirmeden güvenilir transkript alımını sağlamak için otomatik olarak \`yt-dlp\`'ye geri döner.

### İngilizce dışındaki dillerde transkript alabilir miyim?

Evet, \`--languages\` seçeneğini kullanarak virgülle ayrılmış bir dil kodu listesi belirtebilirsiniz. Yetenek, belirtilen öncelik sırasına göre transkriptleri almaya çalışacaktır. Ayrıca \`--translate\` seçeneğini kullanarak transkripti başka bir dile çevirebilirsiniz.

### Konuşmacı tanımlama ve bölüm segmentasyonunu destekliyor mu?

Evet, yetenek, \`--chapters\` seçeneğini kullanarak video açıklamalarından bölüm segmentasyonunu destekler. Konuşmacı tanımlama için, konuşmacıları etiketlemek üzere AI son işlemesi için ham bir dosya çıkaran \`--speakers\` seçeneğini kullanabilirsiniz.

### YouTube transkripti için hangi çıktı biçimleri mevcuttur?

Transkripti, zaman damgaları, bölümler ve isteğe bağlı konuşmacı verilerini içeren Markdown (\`.md\`) biçiminde veya çoğu video oynatıcıyla uyumlu bir SRT (\`.srt\`) altyazı dosyası olarak çıkarabilirsiniz.

### Önbelleğe alma mekanizması var mı ve nasıl çalışıyor?

Evet, yetenek video meta verilerini, ham transkript verilerini ve segmentlere ayrılmış cümleleri önbelleğe alır. Aynı video için sonraki çalıştırmalar, işlemeyi hızlandırarak bu önbelleğe alınmış verileri kullanır. \`--refresh\` seçeneğiyle yeniden almayı zorlayabilirsiniz.