知らない分野を、原文にたどりつくまで芋づる式に掘る Claude Code のスキル
Python
fetch: YouTubeの自動字幕は、動画の元の言語のものだけを取得する (#6)
gappiiii9103b5cde1a6
diff --git a/skills/imozuru/scripts/fetch.py b/skills/imozuru/scripts/fetch.pyindex 6af1051..86592e4 100755--- a/skills/imozuru/scripts/fetch.py+++ b/skills/imozuru/scripts/fetch.py@@ -288,27 +288,37 @@ MIN_TRANSCRIPT_CHARS = 300def youtube_to_md(url: str, out: Path) -> str:"""yt-dlp で字幕だけ落とし(動画は落とさない)、時刻つきの本文にする。- 手動の字幕を優先し、無ければ自動字幕。日本語→英語の順。自動字幕は同じ文が+ 手動の字幕を優先し(日本語→英語の順)、無ければ動画の元の言語の自動字幕。自動字幕は同じ文が次の区間にも繰り返し出るので、直前と同じ文は捨てる。自動字幕は誤変換が多い(大陸塗りの試しで「線画」が「洗画」)。どちらを使ったかを見出しに残し、読み手が引用を動画で確かめるべきか分かるようにする。手動と自動は同じファイル名で出てくるので、まず手動だけで取り、無いときだけ自動で取り直す。題名の出力は --encoding で UTF-8 に決める。Windows でパイプに出すと、決めない限り cp932 になる。++ 自動字幕は、動画の元の言語のもの(en-orig など)だけを取る。ja,en を指定すると、+ 英語の動画では ja が機械翻訳の字幕になり、YouTube はそれに 429 Too Many Requests を返す。+ yt-dlp はそこで止まり、英語の字幕も残さない(テスラの自動運転の試しで YouTube が3本とも+ 落ちた・2026-10-19)。ja-orig,en-orig の指定でも足りない。AI の吹き替えが付いた動画では+ 吹き替えの音声にも ja-orig が付き、中身は翻訳になる(CVPR の講演 jPCV4GKX9Dw)。そこで手動の回で+ 動画の言語(元の音声の言語)も出させ、自動の回ではその言語の -orig だけを指定する。"""tmp = out.parent / f".{out.stem}-subs"tmp.mkdir(exist_ok=True)- kind = "手動"+ kind, langs = "手動", "ja,en"for flag in ("--write-subs", "--write-auto-subs"):meta = subprocess.run(["yt-dlp", "--no-update", "--skip-download", flag, "--encoding", "utf-8",- "--sub-langs", "ja,en", "--sub-format", "vtt", "--no-simulate",- "--print", "%(title)s\t%(uploader)s\t%(upload_date)s",+ "--sub-langs", langs, "--sub-format", "vtt", "--no-simulate",+ "--print", "%(title)s\t%(uploader)s\t%(upload_date)s\t%(language|)s","-o", str(tmp / "v.%(ext)s"), url],capture_output=True, encoding="utf-8", errors="replace")if any(tmp.glob("*.vtt")):breakkind = "自動(誤変換あり・引用は動画で確かめる)"+ # 言語は en-US のように地域つきで来るが、字幕は en-orig。分からなければ日本語か英語の元の字幕+ spoken = meta.stdout.rstrip("\n").split("\t")[-1].split("-")[0]+ langs = f"{spoken}-orig" if spoken else "ja-orig,en-orig"vtts = sorted(tmp.glob("*.vtt"), key=lambda p: (".ja" not in p.name, p.name))lines, last = [], ""if vtts:@@ -330,7 +340,7 @@ def youtube_to_md(url: str, out: Path) -> str:tmp.rmdir()head = meta.stdout.strip().split("\t")title = head[0] if head and head[0] else url- info = " / ".join(head[1:]) if len(head) > 1 else ""+ info = " / ".join(head[1:3]) if len(head) > 1 else ""body = "\n".join(lines)out.write_text(f"# {title}\n\n{url}\n{info}\n字幕: {kind + ' ' + vtts[0].name if vtts else 'なし'}\n\n{body}\n",encoding="utf-8")diff --git a/tests/test_fetch.py b/tests/test_fetch.pyindex 82aad26..6ff7519 100644--- a/tests/test_fetch.py+++ b/tests/test_fetch.py@@ -3,6 +3,7 @@import contextlibimport importlib.utilimport io+import subprocessimport sysimport tempfileimport unittest@@ -200,5 +201,59 @@ class FetchPreservationTests(unittest.TestCase):self.assertIn("http(s) の URL だけを取りに行く", self.stdout.getvalue())+class YoutubeCaptionTests(unittest.TestCase):+ """yt-dlp の呼び出しを差し替えて、どの字幕を指定するかを検査する。"""++ def setUp(self):+ tmp = tempfile.TemporaryDirectory()+ self.addCleanup(tmp.cleanup)+ self.out = Path(tmp.name) / "talk.md"++ def run_youtube(self, language, manual=None, auto=None):+ """manual と auto は動画が持つ字幕(言語 → 文)。指定されて、かつ有るものだけを .vtt に書く。"""+ asked = []++ def yt_dlp(cmd, **kwargs):+ flag = next(c for c in cmd if c.startswith("--write-"))+ langs = cmd[cmd.index("--sub-langs") + 1]+ asked.append((flag, langs))+ tracks = (auto if flag == "--write-auto-subs" else manual) or {}+ folder = Path(cmd[cmd.index("-o") + 1]).parent+ for lang in langs.split(","):+ if lang in tracks:+ (folder / f"v.{lang}.vtt").write_text(+ f"WEBVTT\n\n00:00:01.000 --> 00:00:02.000\n{tracks[lang]}\n", encoding="utf-8")+ return subprocess.CompletedProcess(cmd, 0, f"Talk\tSpeaker\t20220820\t{language}\n", "")++ with patch.object(fetch.subprocess, "run", side_effect=yt_dlp):+ body = fetch.youtube_to_md("https://www.youtube.com/watch?v=example", self.out)+ return asked, body++ def test_auto_captions_ask_only_the_spoken_language(self):+ # 吹き替えの音声にも ja-orig が付く。中身は翻訳なので取らない+ asked, body = self.run_youtube("en-US", auto={"en-orig": "English speech", "ja-orig": "吹き替え"})+ self.assertEqual(asked, [("--write-subs", "ja,en"), ("--write-auto-subs", "en-orig")])+ self.assertEqual(body, "[00:01] English speech")+ text = self.out.read_text(encoding="utf-8")+ self.assertIn("\nSpeaker / 20220820\n字幕: 自動", text)+ self.assertIn("v.en-orig.vtt", text)++ def test_japanese_auto_captions(self):+ asked, body = self.run_youtube("ja", auto={"ja-orig": "日本語の音声"})+ self.assertEqual(asked[-1], ("--write-auto-subs", "ja-orig"))+ self.assertEqual(body, "[00:01] 日本語の音声")++ def test_unknown_language_asks_original_japanese_or_english(self):+ asked, body = self.run_youtube("", auto={"en-orig": "English speech"})+ self.assertEqual(asked[-1], ("--write-auto-subs", "ja-orig,en-orig"))+ self.assertEqual(body, "[00:01] English speech")++ def test_manual_captions_skip_auto_captions(self):+ asked, body = self.run_youtube("en", manual={"ja": "手動の日本語"}, auto={"en-orig": "English"})+ self.assertEqual(asked, [("--write-subs", "ja,en")])+ self.assertEqual(body, "[00:01] 手動の日本語")+ self.assertIn("字幕: 手動 v.ja.vtt", self.out.read_text(encoding="utf-8"))++if __name__ == "__main__":unittest.main()