API ଦ୍ୱାରା YouTube ଟ୍ରାନ୍ସକ୍ରିପ୍ଟ କିପରି ପାଇବେ (curl, Python, JavaScript)

API ଦ୍ୱାରା YouTube ଟ୍ରାନ୍ସକ୍ରିପ୍ଟ ପାଇବା ପାଇଁ ଭିଡିଓର URL କିମ୍ବା ID ଓ ଏକ API କୀ ସହିତ ଗୋଟିଏ HTTP ଅନୁରୋଧ ପଠାନ୍ତୁ, ଏବଂ ପ୍ରତିକ୍ରିୟାରୁ ଟ୍ରାନ୍ସକ୍ରିପ୍ଟ ପଢ଼ନ୍ତୁ। ଏହି ଗାଇଡ୍ sum.video Transcript API ବ୍ୟବହାର କରି curl, Python ଓ JavaScript ରେ ଅନୁରୋଧ ଦେଖାଏ, ତା'ପରେ ଫର୍ମାଟ୍, ତ୍ରୁଟି ଓ ଖର୍ଚ୍ଚ ବିଷୟରେ କହେ।

API କ'ଣ ଫେରାଏ

ଏହି ଏଣ୍ଡପଏଣ୍ଟ ଏକ ସାର୍ବଜନୀନ YouTube ଭିଡିଓର ଉପଲବ୍ଧ କ୍ୟାପସନ ଫେରାଏ, ସେଗୁଡ଼ିକ ସୃଷ୍ଟିକର୍ତ୍ତା ଲେଖିଥାନ୍ତୁ କିମ୍ବା YouTube ନିଜେ ତିଆରି କରିଥାଉ। ଏହା ଅଡିଓକୁ ଟ୍ରାନ୍ସକ୍ରାଇବ୍ କରେ ନାହିଁ। ଭିଡିଓରେ କ୍ୟାପସନ ନଥିଲେ, ଅନୁମାନ ବଦଳରେ ଆପଣ ଏକ ତ୍ରୁଟି ପାଇବେ (ତଳେ ଅଧିକ)।

ମୂଳ କଥା:

• ଏଣ୍ଡପଏଣ୍ଟ: POST https://sum.video/api/v1/transcript (GET ମଧ୍ୟ ଚାଲେ)
• ପ୍ରମାଣୀକରଣ: ଆପଣଙ୍କ କୀ X-API-Key ହେଡରରେ, କିମ୍ବା Authorization: Bearer <key>
• ଇନପୁଟ୍: url କିମ୍ବା video_id
• ଐଚ୍ଛିକ lang (ଡିଫଲ୍ଟ en)
• ଐଚ୍ଛିକ format: json, text କିମ୍ବା srt

ପ୍ରତିକ୍ରିୟା କ୍ୟାପସନ ଟ୍ରାକର ପ୍ରକୃତ ଭାଷା ଓ ଏହା ସ୍ୱୟଂଚାଳିତ ଭାବେ ତିଆରି କି ନୁହେଁ ତାହା ମଧ୍ୟ କହେ, ତେଣୁ କେଉଁ ଗୁଣବତ୍ତା ଆଶା କରିବେ ଜାଣିହେବ।

ପଦକ୍ଷେପ 1: ଏକ API କୀ ତିଆରି କରନ୍ତୁ

ସାଇନ୍ ଇନ୍ କରି API ଡ୍ୟାସବୋର୍ଡରେ (sum.video ରେ /dashboard/api) ଏକ କୀ ତିଆରି କରନ୍ତୁ। ଆପଣ 5 ପର୍ଯ୍ୟନ୍ତ ସକ୍ରିୟ କୀ ରଖିପାରିବେ, ଯାହା ପରୀକ୍ଷା କୀ ଓ ଉତ୍ପାଦନ କୀ ଅଲଗା ରଖିବାରେ ଉପଯୋଗୀ। ଆପଣଙ୍କ ପ୍ରଥମ କୀ 10 ମାଗଣା କ୍ରେଡିଟ୍ ସହିତ ଆସେ, ଯାହା 5 ଟ୍ରାନ୍ସକ୍ରିପ୍ଟ ପାଇଁ ଯଥେଷ୍ଟ, ତେଣୁ ତଳର ସବୁ କିଛି ଖର୍ଚ୍ଚ ବିନା ପ୍ରୟାସ କରିପାରିବେ।

ପଦକ୍ଷେପ 2: ଆପଣଙ୍କ ପ୍ରଥମ ଅନୁରୋଧ କରନ୍ତୁ

curl

curl -X POST https://sum.video/api/v1/transcript \
  -H "X-API-Key: $SUMVIDEO_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"url": "https://www.youtube.com/watch?v=dQw4w9WgXcQ", "lang": "en", "format": "text"}'

GET ମଧ୍ୟ ଚାଲୁଥିବାରୁ, କେବଳ URL ତିଆରି କରୁଥିବା ସ୍କ୍ରିପ୍ଟରୁ ମଧ୍ୟ ପରୀକ୍ଷା କରିପାରିବେ। କୀ ଲଗ୍‌ରେ ନ ପଡ଼ିବା ପାଇଁ ଏହାକୁ ହେଡରରେ ଦେବା ଭଲ।

Python

import os
import requests

resp = requests.post(
    "https://sum.video/api/v1/transcript",
    headers={"X-API-Key": os.environ["SUMVIDEO_API_KEY"]},
    json={"video_id": "dQw4w9WgXcQ", "lang": "en", "format": "text"},
    timeout=30,
)

if resp.status_code == 404:
    print("No captions for this video")
else:
    resp.raise_for_status()
    print(resp.text)

JavaScript (Node 18+ କିମ୍ବା ବ୍ରାଉଜର୍)

const resp = await fetch("https://sum.video/api/v1/transcript", {
  method: "POST",
  headers: {
    "X-API-Key": process.env.SUMVIDEO_API_KEY,
    "Content-Type": "application/json",
  },
  body: JSON.stringify({
    video_id: "dQw4w9WgXcQ",
    lang: "en",
    format: "text",
  }),
});

if (resp.status === 404) {
  console.log("No captions for this video");
} else if (!resp.ok) {
  throw new Error(`Request failed: ${resp.status}`);
} else {
  console.log(await resp.text());
}

କୀକୁ ସର୍ଭରରେ ରଖନ୍ତୁ। ବ୍ରାଉଜର୍ କୋଡ୍‌ରେ ଥିବା କୀକୁ ଡେଭଲପର ଟୁଲ୍ସ ଖୋଲୁଥିବା ଯେକେହି କପି କରିପାରିବ।

ପଦକ୍ଷେପ 3: ଠିକ୍ ଫର୍ମାଟ୍ ବାଛନ୍ତୁ

ଭିଡିଓର କୌଣସି ମୁହୂର୍ତ୍ତକୁ ଲିଙ୍କ୍ କରିବାର ଯୋଜନା ଥିଲେ, json ବ୍ୟବହାର କରନ୍ତୁ ଏବଂ ଖଣ୍ଡର offset ରୁ ଲିଙ୍କ୍ ତିଆରି କରନ୍ତୁ। LLM କୁ ଦେବା ପାଇଁ text ଛୋଟ ଓ ସରଳ। ପରେ ଟ୍ରାନ୍ସକ୍ରିପ୍ଟ ଭିତରେ ହାତରେ ଖୋଜିବାକୁ ଚାହିଁଲେ, YouTube ଭିଡିଓର ଟ୍ରାନ୍ସକ୍ରିପ୍ଟରେ କିପରି ଖୋଜିବେ ଦେଖନ୍ତୁ।

ପଦକ୍ଷେପ 4: ଭାଷା ବାଛନ୍ତୁ

lang ର ଡିଫଲ୍ଟ en ଅଟେ। ଆପଣଙ୍କୁ ଚାହିଁଥିବା ଭାଷାକୁ ସେଟ୍ କରନ୍ତୁ, ଯେପରି de କିମ୍ବା es। ପ୍ରତିକ୍ରିୟା ପ୍ରକୃତରେ ଫେରିଥିବା ଟ୍ରାକର ଭାଷା ଜଣାଏ, ତେଣୁ ଅନୁମାନ ନକରି ଏହାକୁ ଯାଞ୍ଚ କରନ୍ତୁ। ଏକ ଭିଡିଓରେ ପ୍ରାୟତଃ କେବଳ ଗୋଟିଏ କ୍ୟାପସନ ଟ୍ରାକ ଥାଏ, ଏବଂ API ପ୍ରକୃତ କ୍ୟାପସନ ଫେରାଏ, ତେଣୁ ଏହା ଆପଣଙ୍କ ପାଇଁ ଅନୁବାଦ କରେ ନାହିଁ।

ପଦକ୍ଷେପ 5: ତ୍ରୁଟି ସମ୍ଭାଳନ୍ତୁ

ପ୍ରଥମ ଦିନରୁ ଏହି ପରିସ୍ଥିତି ପାଇଁ ଯୋଜନା କରନ୍ତୁ:

• 404 no_transcript: ଭିଡିଓରେ କ୍ୟାପସନ ନାହିଁ, କିମ୍ବା ଏହା ଲାଇଭ୍ ଷ୍ଟ୍ରିମ୍, ବ୍ୟକ୍ତିଗତ ଭିଡିଓ କିମ୍ବା ହଟାଯାଇଥିବା ଭିଡିଓ। ପୁଣି ଚେଷ୍ଟା କରିବାର କିଛି ନାହିଁ। ଏହାକୁ ଛାଡ଼ି ଦିଅନ୍ତୁ, କିମ୍ବା ଉପଯୋଗକର୍ତ୍ତାଙ୍କୁ ଅନ୍ୟ ଭିଡିଓ ମାଗନ୍ତୁ।
• 402 budget_exceeded: ଆପଣ ସେଟ୍ କରିଥିବା ମାସିକ କ୍ରେଡିଟ୍ ସୀମାରେ ପହଞ୍ଚିଛନ୍ତି। ପରବର୍ତ୍ତୀ ବିଭାଗ ଦେଖନ୍ତୁ।
• ହାର ସୀମା: ପ୍ରତ୍ୟେକ କୀ ପ୍ରତି ମିନିଟରେ 60 ଅନୁରୋଧ ଅନୁମତି ଦିଏ। ବ୍ୟାଚ୍ କାମ ଛିଟାଇ ଦିଅନ୍ତୁ, ଏବଂ ସୀମିତ ହେଲେ ଧୀର କରନ୍ତୁ।
• ଆମ ପକ୍ଷର ବିଫଳତା: ଅଳ୍ପ ବିଳମ୍ବ ପରେ ପୁଣି ଚେଷ୍ଟା କରନ୍ତୁ। ସେଗୁଡ଼ିକର ଖର୍ଚ୍ଚ ନାହିଁ।

ସର୍ଭର ତ୍ରୁଟିରେ ପୁନଃଚେଷ୍ଟା କରୁଥିବା ଓ 404 ରେ ଛାଡ଼ୁଥିବା ସରଳ ଲୁପ୍ ଉତ୍ପାଦନର ଅଧିକାଂଶ ଆବଶ୍ୟକତା ପୂରଣ କରେ।

ଖର୍ଚ୍ଚ କେତେ

ପ୍ରତ୍ୟେକ ଟ୍ରାନ୍ସକ୍ରିପ୍ଟର ଖର୍ଚ୍ଚ 2 କ୍ରେଡିଟ୍। ଟ୍ରାନ୍ସକ୍ରିପ୍ଟ ନଫେରାଉଥିବା କିମ୍ବା sum.video ପକ୍ଷରେ ବିଫଳ ହେଉଥିବା ଅନୁରୋଧର ଖର୍ଚ୍ଚ ନାହିଁ, ତେଣୁ 404 ଆପଣଙ୍କ ବାଲାନ୍ସ କେବେ ଖାଲି କରେ ନାହିଁ। ବାଲାନ୍ସକୁ GET /api/v1/credits ରେ ଦେଖିପାରିବେ।

କ୍ରେଡିଟ୍ କେବେ ଲାପ୍ସ ନହେଉଥିବା ଏକକାଳୀନ ପ୍ୟାକ୍‌ରେ ବିକ୍ରି ହୁଏ:

Pro ସଦସ୍ୟମାନେ ପ୍ରତି ମାସ 100 ବୋନସ୍ କ୍ରେଡିଟ୍ ମଧ୍ୟ ପାଆନ୍ତି। ସମଗ୍ର ଚ୍ୟାନେଲ୍ ଭିତରକୁ ଆଣିବା ଭଳି ଭାରୀ କାମ ପାଇଁ, ଅଟୋ ଟପ୍-ଅପ୍ ଓ ବଜେଟ୍ ସମାହିତ ପରିସ୍ଥିତି ବଡ଼ ସ୍ତରରେ RAG ଆପ୍ ପାଇଁ YouTube ଟ୍ରାନ୍ସକ୍ରିପ୍ଟ ପଢ଼ନ୍ତୁ। ମୂଲ୍ୟ ମଧ୍ୟ ଦେଖନ୍ତୁ।

ନିର୍ମାଣ ପୂର୍ବରୁ ଜାଣିବାକୁ ଥିବା ସୀମା

• କେବଳ କ୍ୟାପସନ ଥିବା ଭିଡିଓ କାମ କରେ। 404 no_transcript ର ମୁଖ୍ୟ କାରଣ ଏହା।
• ସ୍ୱୟଂଚାଳିତ ଭାବେ ତିଆରି କ୍ୟାପସନରେ ଭୁଲ୍ ଥାଇପାରେ, ବିଶେଷତଃ ନାମ, ଉଚ୍ଚାରଣ ଓ ବୈଷୟିକ ଶବ୍ଦରେ।
• API କେବଳ ଟ୍ରାନ୍ସକ୍ରିପ୍ଟ ଫେରାଏ। ଏହା ସାରାଂଶ କରେ ନାହିଁ। ଟ୍ରାନ୍ସକ୍ରିପ୍ଟ ଉପରେ ସାରାଂଶ, ଟାଇମଷ୍ଟ୍ୟାମ୍ପ ଓ ଚାଟ୍ ଚାହିଁଲେ, YouTube ସାରାଂଶକାରୀ ତାହା କରେ, ଏବଂ ଟ୍ରାନ୍ସକ୍ରିପ୍ଟ ଟୁଲ୍ ଗୋଟିଏ ଭିଡିଓ ପାଇଁ କୋଡ୍ ବିନା ସଂସ୍କରଣ।
• ଅଧିକୃତ YouTube Data API ଏଠାରେ ବିକଳ୍ପ ନୁହେଁ। ଏହାର କ୍ୟାପସନ ଡାଉନଲୋଡ୍ ପଦ୍ଧତିକୁ ଭିଡିଓ ସମ୍ପାଦନ କରିବାର ଅନୁମତି ଦରକାର, ତେଣୁ ଏହା ଆପଣଙ୍କ ନିଜ ଭିଡିଓ ପାଇଁ (Google ଡକ୍ୟୁମେଣ୍ଟେସନ୍)।

ସୂତ୍ର

• YouTube Data API: Captions.download
• sum.video Transcript API