YouTube動画の多言語字幕パイプラインの作り方

解決する課題

プロの字幕翻訳は時間がかかり、分単位で料金が発生するため、多くのクリエイターは1言語でしか公開していません。YouTubeの自動翻訳は品質が安定せず、書き出しも編集もできません。チームには、自分たちで確認してアップロードできる、編集可能なタイミング付き多言語字幕ファイルが必要です。

最初のバージョンに含めるべき機能

• ■既存の字幕言語の検出
• ■複数の対象言語への一括翻訳
• ■元のタイミングを保ったSRT・VTTの書き出し
• ■翻訳を確認できる対訳エディタ
• ■ブランド名や専門用語の用語集

開発手順（ステップごとに解説）

1. 01

   既存の言語を確認する

   /transcripts/{video_id}/languagesを呼び出してすでに存在する字幕トラックを確認し、既にある言語の翻訳に費用をかけないようにします。

2. 02

   元の文字起こしを取得する

   format.timestampを指定して/transcribeを呼び出し、開始・終了時刻付きのセグメントを取得します。

3. 03

   翻訳する

   対象言語ごとに/transcripts/{video_id}/translateを呼び出します。セグメントのタイミングは元の動画と揃ったままです。

4. 04

   字幕ファイルを書き出す

   各セグメントを開始・終了時刻を使って番号付きのSRTブロックまたはVTTキューとして書き出し、ユーザーがダウンロードしたりYouTubeにアップロードしたりできるようにします。

サンプルコード

このアイデアは「レシピ1：動画1本から構造化された出力を作る」パターンをベースにしています。チャンネル、プロンプト、保存先はご自身のものに置き換えてください。

import requests

API = "https://www.youtubetranscript.dev/api/v2"
HEADERS = {"Authorization": "Bearer yt_sk_live_YOUR_KEY"}

res = requests.post(f"{API}/transcribe", headers=HEADERS, json={
    "video": "https://www.youtube.com/watch?v=VIDEO_ID",
    "format": {"timestamp": True, "paragraphs": True},
}).json()

transcript = res["data"]["transcript"]
print(transcript["text"][:500])        # plain text for your LLM prompt
for seg in transcript["segments"][:3]:  # timestamps for deep links
    print(seg["start"], seg["text"])

作る価値がある理由

動画1分あたり・1言語あたりの料金、または月額サブスクリプションプランで課金します。大量にローカライズするeラーニングプラットフォームや代理店が最良の顧客です。言語が増えるほど価値が高まるからです。

避けるべき失敗

• ✕文脈なしで1行ずつ翻訳すること：複数の字幕キューにまたがる文が崩れます。
• ✕読む速さを無視すること：翻訳文は元より長くなる場合があるため、1秒あたりの文字数を確認しましょう。
• ✕人が作成した字幕がすでにある言語の翻訳に費用をかけること。

このアイデアに関する質問