YouTube 文字起こし抽出

youtube-transcript スキルは、Claude Code 向けの学習・生産性スキル集 Tapestry Skills for AI Agents（MIT、「Tapestry Skills Contributors」）の一部です。役割は 1 つだけで、YouTube の URL から .vtt の字幕ファイルか整ったプレーンテキストを取得します。要約やアクションプランは同じリポジトリの別スキルが担当し、このスキルは行いません。2026-09-23 に確認した時点で、リポジトリの最新コミットは 2026-03-11 付けでした。

主な機能

順序立てたフォールバック：yt-dlp の有無を確認し（なければ Homebrew、apt、pip で導入を試行）、yt-dlp --list-subs で利用可能な字幕を一覧し、まず人手の字幕（--write-sub）、次に自動生成字幕（--write-auto-sub）を試します。
最後の手段は Whisper：字幕がまったくない場合は、音声の推定サイズを示してからダウンロードの許可を求めます。openai-whisper のインストール前にも再確認し、base モデルでローカルに文字起こしした後、音声を削除するか尋ねます。
重複の除去：YouTube の自動字幕は段階的に表示されるため行が重複します。短い Python 処理でタイムスタンプとタグを除き、HTML エンティティを戻し、発話順を保ったまま重複行を削除します。
読みやすいファイル名：出力ファイルは動画タイトルから名付け、/ や : などの文字を置き換えます。

使用シナリオ

講演やチュートリアルをテキスト化し、Claude に引用や要約をさせる。
後で検索できるようにインタビューを保存する。
同じリポジトリの learn-this や ship-learn-next スキルに渡し、内容をアクションプランにする。

料金と入手方法

MIT ライセンスで無料です。yt-dlp も Whisper も無料のオープンソースで、Whisper は手元のマシンで動くため API 費用はかかりませんが、モデル用のディスク容量が必要です（スキルでは base を約 1 GB としています）。

はじめに

https://github.com/michalparkola/tapestry-skills-for-claude-code をクローンして ./install.sh を実行するか、youtube-transcript フォルダを ~/.claude/skills/ にコピーします。
Claude Code で「Download the transcript for https://www.youtube.com/watch?v=VIDEO_ID」と依頼します。
字幕のない動画の場合だけ、Whisper の確認に答えます。

制約：非公開、年齢制限、地域制限のある動画は yt-dlp のエラーで失敗します。自動字幕や小さな Whisper モデルは人名や専門用語を聞き間違えることがあります。重複除去は、本来繰り返されるべき行まで消してしまいます。テキストを再利用する際は動画の権利者の権利を尊重してください。

よくある質問

動画を要約してくれますか？

いいえ。文字起こしを保存するだけです。要約は後で Claude に頼むか、リポジトリの learn-this スキルを使います。

どの言語で取得できますか？

動画にある字幕トラック次第です。--list-subs で確認でき、Whisper は言語を自動判定するか --language で指定できます。

代替案

Whisper V3：より大きく高精度なローカル文字起こしに使えるオープンウェイトの音声モデル。
MarkItDown Skill：youtube-transcription extra で YouTube の URL を Markdown に変換します。
NotebookLM：動画をソースとして追加し、文字起こしを自分で扱わずに質問できます。