ClaudeやChatGPTに、まず文字起こしを読ませます
https://api.transcript1.com/mcpに接続し、アシスタントにYouTube動画の文字起こしを依頼します。長い文字起こしは複数のページに分かれます。動画全体を要約する場合は、続きも読ませてください。
アシスタントにtranscript1をカスタムコネクターとして追加し、OAuthでログインします。コネクターを使えるかどうかは、クライアントのプランやワークスペースの設定によって異なります。
接続したら、個別の動画URLを渡し、分析の前に文字起こしを取得するよう依頼します。URLを渡しただけでは、録音の内容を読んだことにはなりません。まだ処理中なら、返されたジョブIDを保持し、そのジョブの状態を確認します。
next_from_secondsがあれば、続きを取得します。講義の冒頭は、テーマの紹介だけで終わることもあります。最初のページだけで全体を要約すると、肝心の説明や結論が抜けるため、必要な範囲をすべて読めたか確かめてください。
時刻付きのテキストを、自分のモデルにも渡せます
APIから完成した文字起こしをテキストで取得し、要約の指示と一緒にモデルへ渡します。要点ごとに時刻を添えるよう頼むと、元の発言と照合しやすくなります。
まず、誰が何のために読む要約かを決めます。学習用なら定義と論理の流れ、判断のための資料なら提案とその根拠を分けます。行動を整理する場合も、動画で述べていない担当者や期限を付け加えないようにします。
箇条書きの数だけを指定するより、読む人と用途を伝えてください。下の例は、出典を確認でき、わからない点も残る要約を頼むための指示です。文字起こしを読んで要約を書くのはアシスタントであり、transcript1の文字起こしジョブに要約は含まれません。
Read the complete transcript of [video URL].
Summarize its main argument for someone new to the topic.
Include a timestamp for each key point and separate direct quotes
from paraphrases. List important qualifications and unanswered questions.
Do not infer details from slides or visuals you have not inspected.Agent Skillで、エージェントに取得手順を渡せます
transcript1のAgent Skillには、文字起こしを依頼して読む手順をまとめています。対応するエージェントは、手順に従って文字起こしを取得し、その内容から要約を作れます。
独自のパイプラインでは、文字起こしの取得と要約の処理を分けます。モデルに渡すテキストには、ジョブID、元の動画URL、時刻も残してください。作成したメモにも出典を付ければ、同じ録音を再び文字起こしせずに、要約の確認や作り直しができます。
複数の動画を比べるときは、出典を区別し、どの文字起こしを最後まで読んだか残します。取得に失敗した動画や非公開の動画は、読めなかった資料として示してください。黙って省くと、比較が完了したように見えてしまいます。タイトルから内容を推測して埋めないようにします。
要約の主張を、元の録音に戻って確かめます
要点に付いた時刻から、実際の発言を確認します。後半で条件を加えたり、考えを修正したりしていないかも見てください。「この条件なら使えるかもしれない」が「使える」に縮まらないよう、条件や不確実さを残すよう依頼します。
名前、数字、直接引用は音声と照合してください。字幕にもAI文字起こしにも誤りがあり、要約するモデルがそのまま繰り返すことがあります。話者分離は会話を整理する手がかりになりますが、人物の名前まで確認するものではありません。
文字起こしには、音声で説明されていない画面情報は含まれません。操作を映すだけの手順や、スライドだけにある重要な数字は抜けることがあります。発話だけを根拠にした要約なら、その範囲を明示し、見ていない映像を確認済みのように説明しないでください。
短いSNS動画なら、発言と根拠に絞ってまとめます
文字起こしを読ませて要約する流れは、YouTube以外の動画にも使えます。X、TikTok、Instagram、Facebook、Blueskyの動画、Twitchのクリップと配信終了後のVOD、Dailymotionの動画、Pinterestの動画ピン、LinkedInの動画投稿、Snapchat Spotlightの動画に対応します。送信前に対応する公開動画の条件を確認してください。
短い動画なら、記事のような長い要約は不要かもしれません。何を主張しているか、どんな説明が根拠になっているか、どんな行動を求めているかに絞って依頼します。必要な箇所に時刻も付けます。
autoでは、YouTubeに加えてX、TikTok、Bluesky、Dailymotion、LinkedInでも、使える字幕を優先します。使えなければ音声を文字起こしします。Instagram、Facebook、Twitch、Pinterest、Snapchat Spotlightは音声から文字起こしします。複数の動画がある投稿は、最初の動画だけが対象です。
InstagramのReelsでは、画面上の文字だけで重要な説明をしていることもあります。文字起こしに何が含まれるかを確かめてから、アシスタントに判断や要約を依頼してください。