Como Fazer Download de Transcrições de Vídeos do YouTube
Em um mundo imerso em vídeos online, a transcrição de conteúdo audiovisual é uma ferramenta poderosa para acessibilidade, SEO e análise de dados. No entanto, nem sempre é fácil obter essas transcrições, especialmente de vídeos do YouTube. Neste artigo, vou mostrar como você pode baixar transcrições de vídeos do YouTube usando Python de uma forma simples e eficiente. A ideia é que esse processo também possa ser automatizado para os mais diversos fins, inclusive para análise de dados e sumarização de conteúdo utilizando técnicas de Inteligência Artificial.
Ferramentas e Bibliotecas Necessárias
Para extrair transcrições de vídeos do YouTube, vamos utilizar a biblioteca youtube-transcript-api. Ela permite a obtenção de legendas diretamente dos vídeos, o que torna o processo muito mais acessível, especialmente para vídeos que já possuem legendas geradas automaticamente.
Instalando a Biblioteca
Para começar, você precisa instalar a biblioteca youtube-transcript-api. Podemos fazer isso de maneira muito simples utilizando o comando abaixo:
!pip install youtube-transcript-apiCom essa biblioteca instalada, estamos prontos para começar a extrair as transcrições.
Código para Extrair a Transcrição
O próximo passo é escrever um script que possa fazer o download da transcrição de um vídeo do YouTube. Vou compartilhar um trecho de código que possibilita essa tarefa de forma fácil e prática.
Extraindo o ID do Vídeo e Buscando a Transcrição
Primeiro, precisamos de uma função para extrair o ID do vídeo a partir de uma URL do YouTube e depois outra função para buscar a transcrição. Aqui está um exemplo de como isso pode ser feito:
from youtube_transcript_api import YouTubeTranscriptApi
import re
def extract_video_id(url):
# Este padrão regex extrai o ID do vídeo de uma URL típica do YouTube.
pattern = r"(?:v=|\/)([0-9A-Za-z_-]{11}).*"
match = re.search(pattern, url)
return match.group(1) if match else None
def fetch_transcript(video_id, language='pt'):
try:
# Busca a transcrição na linguagem especificada
transcript = YouTubeTranscriptApi.get_transcript(video_id, languages=[language])
return transcript
except Exception as e:
print(f"Erro ao buscar transcrição: {e}")
return NoneSalvando a Transcrição em um Arquivo
Depois de obter a transcrição, é útil salvá-la em um arquivo para uso futuro. Podemos fazer isso com a seguinte função:
def save_transcript_to_file(transcript, file_name='transcript.txt'):
with open(file_name, 'w', encoding='utf-8') as f:
for entry in transcript:
start_time = entry['start']
text = entry['text']
f.write(f"{start_time:.2f}: {text}\n")Essa função percorre cada entrada da transcrição e salva o tempo de início e o texto correspondente em um arquivo.
Automatizando o Processo
Podemos criar uma função principal que integra todos os passos anteriores, permitindo que o usuário simplesmente forneça a URL do vídeo e o idioma desejado:
def export_youtube_transcript(url, language='pt', file_name='transcript.txt'):
video_id = extract_video_id(url)
if not video_id:
print("URL do YouTube inválida.")
return
transcript = fetch_transcript(video_id, language)
if transcript:
save_transcript_to_file(transcript, file_name)
print(f"Transcrição salva em {file_name}")
else:
print("Nenhuma transcrição disponível ou falha ao buscar.")
youtube_url = input("Digite a URL do vídeo do YouTube: ")
export_youtube_transcript(youtube_url)Conclusão
Este script permite que você baixe transcrições de vídeos do YouTube de forma prática e automatizada. Isso é extremamente útil para criar datasets, realizar análises textuais, ou simplesmente arquivar o conteúdo de vídeos de interesse. Essa técnica pode ser estendida para aplicar modelos de análise de sentimentos, sumarização de conteúdo ou até para a criação de legendas em outros idiomas, tornando o processo bastante poderoso para aplicações em Inteligência Artificial.
Para testar este script diretamente no Google Colab, acesse o link abaixo e comece a experimentar: