YouTube 文字起こし API

1回の POST で公開 YouTube 動画から字幕トラックを抽出。レスポンスはセグメントごとのタイムスタンプ付きの完全な文字起こしテキストを返します。

1回の POST、1つの文字起こし
手動と自動の字幕
セグメントごとのタイムスタンプ
すべての公開リンク形式
冪等キーサポート
サーバーサイドキー必須

リクエスト例

curl "https://api.agentbody.io/v1/youtube/transcript?url=https%3A%2F%2Fwww.youtube.com%2Fwatch%3Fv%3DdQw4w9WgXcQ&language=en" \
  -H "Authorization: Bearer <YOUR_AGENTBODY_API_KEY>"

レスポンス例

OpenAPI 仕様に記載されたレスポンス。

Existing captions or explicitly requested audio transcription.

{
  "caption_type": "manual",
  "language": "example_value",
  "segments": [],
  "text": "example_value",
  "video_id": "example_value"
}

機能特徴

youtube.transcript 操作は1つの公開 YouTube 動画から既存の字幕トラックを抽出します。サーバーが API キーを保持；エンドポイントは1回の呼び出しで完全な文字起こしを返します。

1回の POST、1つの文字起こし

POST /v1/youtube/transcript に公開動画 URL を送信します。成功した 200 は video_id、caption_type、language、start/duration/text を含む segments、結合された完全テキストを返します。

手動と自動の字幕

API は手動作成の字幕トラックと自動生成トラックの両方を返します。複数のトラックが存在する場合は特定の言語をリクエストでき、レスポンスは使用された caption_type を報告します。

セグメントごとのタイムスタンプ

各セグメントはテキストとともに開始時間と継続時間（秒）を運ぶため、下流のコードは瞬間を正確に引用し、字幕を構築し、再生と文字起こしを正確に整合できます。

すべての公開リンク形式

watch ページ、youtu.be ショートリンク、Shorts、埋め込み URL はすべて解決されます。非公開・削除済み・年齢制限動画は文字起こしの代わりにエラーを返します。

冪等キーサポート

Idempotency-Key ヘッダーを渡して、失敗したリクエストを安全に再試行します。ゲートウェイはキーで重複を排除するため、ネットワーク再試行が2回目の抽出や課金をトリガーすることはありません。

サーバーサイドキー必須

エンドポイントはサーバーが保持する AgentBody API キーが必要です。キーをクライアントバンドルに出荷しないでください；バックエンド経由で呼び出しをルーティングします。

使い方

3ステップで API に YouTube 文字起こし抽出を統合。

API キーを取得

無料 AgentBody アカウントを作成し、ダッシュボードから API キーを生成します。

動画 URL を POST

/v1/youtube/transcript に POST リクエストと公開動画 URL、オプションの言語設定を送信します。安全な再試行のために Idempotency-Key ヘッダーを含めます。

文字起こしを受信

200 は caption_type、language、セグメントごとのタイムスタンプ、完全なテキストを返します。保存、インデックス、または要約ツールにストリーミングします。

よくある質問

YouTube 文字起こし API はどのように動作しますか？

/v1/youtube/transcript に POST リクエストと公開動画 URL を送信します。API は動画の字幕トラック——手動または自動生成——を取得し、セグメントごとのタイムスタンプ付きの完全なテキストを1つのレスポンスで返します。

どの動画がサポートされていますか？

字幕トラックのある公開動画ならどれでも。非公開・削除済み・年齢制限動画、アップロード者が字幕を無効化した動画はエラーを返し、課金されません。

レスポンスには何が含まれますか？

video_id、caption_type（手動または自動）、language、各セグメントが start（秒）、duration（秒）、text を持つ segments 配列、結合された完全な文字起こしテキストです。

特定の言語をリクエストできますか？

はい。動画に複数言語の字幕トラックがある場合、必要な言語を渡します；API はそのトラックを抽出し、レスポンスでどれが使用されたかを報告します。

課金はどのように行われますか？

各成功した抽出は、ゲートウェイ管理価格で AgentBody 残高から固定金額を消費します。失敗したリクエストは課金されず、Idempotency-Key ヘッダーが再試行時の重複課金を防ぎます。

レート制限はありますか？

アカウント残高以外に個別のレート制限はありません。各リクエストは公開された固定価格で1回の抽出です。