اپنے AI ایجنٹ کو YouTube دیکھنے کی صلاحیت کیسے دیں

یہ کون سا مسئلہ حل کرتا ہے

جب صارفین اسسٹنٹ میں YouTube لنک پیسٹ کرتے ہیں تو وہ یا تو انکار کر دیتا ہے، عنوان سے من گھڑت جواب دیتا ہے، یا لمبی ویڈیوز پر ناکام ہو جاتا ہے۔ ریسرچ، سیلز یا سپورٹ کے لیے ایجنٹس بنانے والی ٹیموں کو کسی بھی ویڈیو کو ایسے متن میں بدلنے کا قابلِ اعتماد طریقہ چاہیے جس پر ماڈل غور کر سکے، اور ایسے اسکریپرز سنبھالنے کی ضرورت نہ ہو جو YouTube کی ہر تبدیلی پر ٹوٹ جاتے ہیں۔

پہلے ورژن میں کیا شامل کریں

• ■ایسا ٹول جسے ماڈل کسی بھی YouTube URL یا ویڈیو ID کے ساتھ کال کر سکے
• ■صاف ٹرانسکرپٹ متن اور حوالوں کے لیے ٹائم اسٹیمپ والے حصے
• ■غیر انگریزی ویڈیوز کے لیے زبان کا انتخاب اور ترجمہ
• ■لمبی ویڈیوز کو حصوں میں تقسیم کرنا تاکہ وہ ماڈل کے کانٹیکسٹ میں سما سکیں
• ■کیشنگ تاکہ ایک ہی ویڈیو دو بار حاصل نہ ہو

اسے مرحلہ وار کیسے بنائیں

1. 01

   اپنا انٹیگریشن منتخب کریں

   اگر آپ کا اسسٹنٹ Model Context Protocol سپورٹ کرتا ہے تو MCP سرور کنیکٹ کریں اور ٹولز خود بخود ظاہر ہو جائیں گے۔ ورنہ ایک فنکشن ٹول بنائیں جو /transcribe کو کال کرے۔

2. 02

   ٹول کا معاہدہ طے کریں

   ویڈیو URL اور اختیاری زبان قبول کریں۔ ٹرانسکرپٹ متن اور آغاز کے اوقات والے حصوں کی فہرست واپس کریں۔

3. 03

   لمبی ویڈیوز سنبھالیں

   کانٹیکسٹ ونڈو سے لمبی ویڈیوز کے لیے حصوں کو ٹکڑوں میں تقسیم کریں اور جواب دینے سے پہلے ہر ایک کا خلاصہ کریں، یا صرف سوال سے متعلق ٹکڑے حاصل کریں۔

4. 04

   ماخذ کا حوالہ دیں

   ماڈل کو ہدایت دیں کہ حصوں سے ٹائم اسٹیمپس کا حوالہ دے تاکہ صارفین ہر دعوے کی تصدیق کر سکیں۔

اسٹارٹر کوڈ

یہ آئیڈیا "ترکیب 1: ایک ویڈیو اندر، منظم نتیجہ باہر" پیٹرن پر بنا ہے۔ اپنے چینلز، پرامپٹس اور اسٹوریج شامل کریں۔

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"])

اسے بنانا کیوں فائدہ مند ہے

یہ عموماً پروڈکٹ نہیں بلکہ ایک فیچر ہوتا ہے: یہ آپ کے موجودہ اسسٹنٹ، بوٹ یا کوپائلٹ کو نمایاں طور پر زیادہ مفید بناتا ہے۔ الگ پروڈکٹ کے طور پر، شیئر کی گئی ویڈیوز کے بارے میں سوالات کے جواب دینے والا Slack یا Discord بوٹ فی ورک اسپیس فیس لے سکتا ہے۔

ان غلطیوں سے بچیں

• ✕تین گھنٹے کا ٹرانسکرپٹ ایک ہی پرامپٹ میں ٹھونسنا: اس کے بجائے ٹکڑوں میں حاصل کریں یا خلاصہ کریں۔
• ✕ٹائم اسٹیمپس ہٹا دینا، جس سے جوابات کی تصدیق ناممکن ہو جاتی ہے۔
• ✕ٹرانسکرپٹس کیش کرنے کے بجائے ایک ہی مقبول ویڈیو بار بار حاصل کرنا۔

اس آئیڈیا کے بارے میں سوالات