JimmySadek/video-fetcher-to-markdown

解決する課題

Video Fetcher to Markdownは、さまざまなプラットフォームの動画リンクを、構造化されたアーカイブ用Markdownノートに変換します。クリエイターのメタデータ、説明文、チャプターなどの重要なコンテキストが欠落している従来の文字起こしツールとは異なり、すべての情報を単一のポータブルなファイルに統合し、ObsidianやLogseqなどの知識ベースに適した形式で保存します。

仕組み

このツールはソースに応じて異なる動作をします：

• YouTube： APIキーを必要とせず、YouTubeのインターフェースから直接字幕を読み取ります。
• その他のプラットフォーム： Instagram、TikTok、X、Vimeo、Facebookなどのサイトでは、yt-dlpを使用してメディアをダウンロードし、ffmpegで音声変換を行い、ローカルのWhisperインスタンス（mlx-whisperまたはopenai-whisper経由）を使用してユーザーのPC上で音声を文字起こしします。
• ビジュアル： 短い動画の場合、画面上のテキストや視覚的な手がかりを捉えるための「コンタクトシート（フレーム一覧）」を生成します。
• 出力： クエリ可能なYAML frontmatterを含むMarkdownファイルを生成し（Dataviewなどを介して）、JSON、SRT、WebVTTを含む複数のエクスポート形式をサポートします。

対象ユーザー

ObsidianやLogseqなどのパーソナルナレッジマネジメント（PKM）システムを使用しており、動画ベースの学習教材を永続的かつ検索可能なアーカイブとして保存したい研究者、学生、ナレッジワーカー。

主な特徴

• APIキー不要： ホスト型サービスやAPIキーなしで動作します。
• マルチプラットフォーム対応： YouTubeおよびyt-dlpと互換性のあるあらゆるサイトをサポートします。
• ローカル文字起こし： Whisperを使用して、YouTube以外の動画もローカルでプライベートに文字起こしします。
• アーカイブ品質： タイトル、チャンネル、長さ、アップロード日、説明文、チャプターをキャプチャします。
• 言語の柔軟性： 言語優先順位の設定、自動選択、YouTubeの機械翻訳をサポートします。
• 視覚的コンテキスト： 短い動画については、画面上の情報を捉えるためのフレームのコンタクトシートが含まれます。