J’ai récemment eu l’occasion de travailler sur un projet permettant d’extraire les sous-titres des vidéos d’une chaîne YouTube.
Il s’agit de yt-fts.
Quel intérêt ?
Je vais prendre comme exemple un Youtubeur que j’apprécie particulièrement, Lolo Cochet.
En quelques lignes de commandes, on peut récupérer tous les sous-titres automatiques générés par YouTube et chercher des mots ou expressions dans l’ensemble de ces vidéos.
Pour récupérer tous les sous-titres de ces vidéos :
$ python yt_fts.py download "https://www.youtube.com/@LoloCochetMoto/videos" --language fr
Une fois le téléchargement et le processing effectués (stockage dans une base de données SQLite), si par exemple, je souhaite savoir dans quelles vidéos est évoqué le terme “suzuki”, il me suffit d’exécuter la commande suivante :
$ python yt_fts.py search UCaUsBCtdRYgeu-2AQQZ5Y7Q "suzuki"
Searching for quotes in channel UCaUsBCtdRYgeu-2AQQZ5Y7Q for text suzuki
Video title"('ACHARNEMENT ► EP 2 ► LE MANS ► ENDURANCE ► 1 SAISON AVEC LA HONDA N°1 - YouTube',)"
Quote: "suzuki la route à son ombre pour la"
Time Stamp: 00:02:46.610
Link: https://youtu.be/8gYuNtOjlyM?t=163
Video title"('SUSPENS ► EP 6 ► SUZUKA 8 HOURS ► ENDURANCE ► 1 SAISON AVEC LA HONDA N°1 - YouTube',)"
Quote: "mais suzuki"
Time Stamp: 00:00:11.209
Link: https://youtu.be/bjI2c3bA1xI?t=8
Quote: "suzuki puis certes virtuellement"
Time Stamp: 00:22:04.060
Link: https://youtu.be/bjI2c3bA1xI?t=1321
Video title"("J'AI MIS LE FEU AU BOL D'OR MOTO ► lolo cochet moto - YouTube",)"
Quote: "disputées contre kawasaki suzuki et"
Time Stamp: 00:05:54.310
Link: https://youtu.be/gCeXmqwtynU?t=351
Je peux même m’amuser à utiliser des outils GNU/Linux pour compter le nombre d’occurences “suzuki” :
python yt_fts.py search UCaUsBCtdRYgeu-2AQQZ5Y7Q "suzuki" | grep Quote | wc -l
14
Mon intervention sur ce projet était liée à la gestion de la page de consentement affichée par YouTube si vous vous y connectez pour la première fois à partir d’une IP en Europe (RGPD).
Le cheminement et la pull request sont disponibles sur GitHub :
J’ai également ajouté la possibilité de spécifier la langue attendue pour les sous-titres :
Happy hacking folks!