【ITニュース解説】Search a YouTube channel's transcripts and get alerts for new uploads (Apify, no code)

このニュース記事は、Apifyというクラウドプラットフォーム上で利用できる「YouTube Transcript Scraper」というツールについて解説している。これは、YouTubeチャンネルの動画から文字起こしデータ（トランスクリプト）を抽出し、その内容を検索したり、新しくアップロードされた動画を自動で検知したりする機能を提供する。システムエンジニアを目指す初心者にとっても、プログラミングの知識がなくてもデータ収集や自動化の仕組みを体験できる点が興味深いだろう。

まず、Apifyとは、Web上の情報を収集するスクレイピングや、さまざまな自動化タスクを実行するためのツールやサービスを提供するプラットフォームのことだ。このプラットフォーム上で「Actor」と呼ばれるものが、特定の機能を持つプログラムとして提供されている。「YouTube Transcript Scraper」もそのActorの一つで、YouTubeの動画から文字起こしデータを抽出することに特化している。

このツールを使い始めるのは非常に簡単だ。Actorのページにアクセスし、デフォルトの入力設定のまま「Start」ボタンをクリックすると、サンプルの動画から文字起こしデータが抽出される。この実行で収集されたデータは「データセット」と呼ばれる形式で確認でき、各動画ごとにテキスト、セグメント、チャプター、品質、そして検索マッチの情報が格納されている。これにより、実際にどのようなデータが取得できるのかを視覚的に理解できる。この試行は非常に低コストで実行可能だ。

次に、特定のYouTubeチャンネルの動画内容を無料でプレビューする機能がある。たとえば、有名なテクノロジー系チャンネル「@mkbhd」のようなチャンネルURLを入力し、取得したい動画数を指定して「List only」オプションを有効にすると、実際のデータ抽出は行われず、そのチャンネルの動画が持つキャプション言語や、もし全データを取得した場合にかかる費用の見積もりを確認できる。これは、実際にデータ収集を始める前に、目的に合ったデータが取得できるかを確認するための便利な機能だ。

このツールの主要な機能の一つが、動画のトランスクリプト内を検索することだ。プレビュー機能で「List only」を無効にし、例えば「バッテリー寿命」といった検索キーワードを追加して実行すると、指定したチャンネルの動画全体からそのキーワードが含まれる部分を抽出できる。このとき、フォーマットを空に設定すれば、検索キーワードを含む短い引用文だけを取得することも可能だ。検索結果には、キーワード、それが動画のどの時点に出現するかを示す秒数、その部分の引用文、そしてその引用文が始まる動画の正確な時点に直接飛べるYouTubeリンクが含まれる。このリンクをクリックすると、動画の該当箇所から再生されるため、特定の話題が語られている瞬間をすぐに確認できる。検索はキーワードの文字に基づいたもので、意味を理解して検索するわけではないが、非常に強力な情報探索ツールとなる。マッチング自体に費用はかからないが、トランスクリプトのデータ取得量に応じて料金が発生する。

さらに、新しい動画のアップロードを自動で検知し、通知を受け取る「ウォッチモード」という機能もある。このモードを有効にし、監視したいチャンネルを登録して「ウォッチリスト名」を設定する。任意でSlackのWebhook URLを設定すれば、新しい動画がアップロードされた際にSlackに通知が届くように設定できる。この機能をスケジュールと組み合わせることで、例えば毎日一度ツールを自動実行させ、前回の実行以降にアップロードされた新しい動画だけを検知し、その内容や主要な引用文を自動で通知させることが可能だ。これにより、常に最新の情報を追跡し、見逃すことを防げる。最初の実行では、指定した期間（例えば過去7日間）の既存の動画も収集できるが、それ以降は新規アップロードのみが対象となる。

収集したデータは、さらに高度な用途に活用できる。例えば、AI（人工知能）アプリケーション、特に「RAG（Retrieval-Augmented Generation）」と呼ばれる技術で利用しやすい形式に変換できる。具体的には、フォーマットを「chunks」に設定すると、安定したID、開始と終了の秒数、推定トークン数、そしてディープリンク（特定箇所への直接リンク）を含む小さな意味のある塊（チャンク）としてデータを出力できる。また、「markdown」形式で出力すれば、フロントマター（文書冒頭のメタデータ）付きのドキュメントとして利用できる。データ品質は「quality.grade」でAからDの評価が示されるため、AIに組み込む前にその品質を確認できるのは重要な点だ。

ただし、このツールにはいくつかの制約がある。第一に、YouTubeの既存のキャプション（字幕）データを読み込むため、動画にキャプションが提供されていない場合はデータが得られない。その場合、「no_captions」という情報が返される。第二に、音声から自動で文字起こしを行ったり、取得したトランスクリプトを別の言語に翻訳したりする機能は備わっていない。あくまでYouTubeが提供するキャプションデータを利用するツールだ。最後に、YouTubeがキャプションを提供する方法を変更した場合、ツールの動作に影響が出る可能性もある。何か問題やバグが見つかった場合は、Actorの「Issues」タブで報告できる。

この「YouTube Transcript Scraper」は、システムエンジニアを目指す初心者が、プログラミングなしにWeb上のデータを収集し、それを検索、分析、さらには自動通知といった形で活用するデータエンジニアリングや情報収集の基本的な流れを体験できる優れたツールだ。データと向き合い、それをどのように価値ある情報へと変換するかを考える良い機会となるだろう。