YouTube 音声や動画の文字起こしを処理するパイプラインです。
A pipeline for transcribing YouTube audio and video into usable text.
この README は、このリポジトリの役割を示すための最小 README です。 詳細な使い方、設計、運用ルールが必要な場合は今後追加します。
「処理待ちURLを文字起こしパイプラインへ渡し、後から読めるテキストを残す」という用途を想定します。URLの取得、音声ダウンロード、認識、保存を共通コアに分け、CLI・ファイル監視・runnerの各入口から再利用する設計です。許可を得たコンテンツを対象にし、認識結果は原音と照合してください。
core/ にURL管理、yt-dlpによるダウンロード、mlx-whisperによる認識、出力保存を分離しています。実装仕様 はApple SiliconのmacOS、Python 3.11以降、ffmpeg等を前提としています。実際に導入する際は requirements.txt と対象環境の互換性を確認してください。
- CLI: python -m cli.run --dry-run で未処理件数を確認し、python -m cli.run で処理します。既定の入力は pending_urls.txt、処理済み管理は processed_urls.txt、出力先は output/ です。
- ファイル監視: 継続監視の入口です。稼働させる環境を別途用意します。
- runner と workflow: self-hosted runnerで実行し、結果をcommit / pushする構成です。runnerの設定や権限が必要で、ファイルがあることだけで稼働済みとは判断できません。
2026年4月のPR #4 までに、CLI・監視・runnerの利用説明を含む開発が取り込まれ、同年5月12日に最小READMEが追加されています。仕様書の更新日表記とコミット時刻は別の記録として扱います。
最初はCLIの件数確認と少数の許可済みURLで入出力を確かめ、その後に監視やrunnerの運用を検討してください。workflowは pending_urls.txt のpushまたは手動実行が入口で、README更新だけを対象にしたテストCIではありません。リポジトリには 単体・統合テスト がありますが、このREADME整備ではモデルのダウンロード、動画取得、実機文字起こし、runner登録は行っていません。