YouTube 视频转字幕分析:拿 transcript 喂给 Agent 做摘要
让 AI Agent 一条链搞定 YouTube 视频再利用——给个链接就取视频信息和字幕,自动摘要、翻译、提要点,长视频几秒变结构化笔记。

本文中的工具名仅供参考,实际工具可能已更新或更名。实施时请以工具市场中的最新工具为准。
本文要点
- 给个 YouTube 链接就自动取视频信息和完整字幕
- 长视频几秒压成要点、翻译或结构化笔记
- 一条链完成"取字幕→分析",不用手动复制粘贴
本文用到的工具
为什么看视频做笔记这么费劲
想从一条 YouTube 视频里拿到可用的信息,通常意味着:从头看到尾、暂停截屏、手动记笔记,或者去翻质量参差的自动字幕再一段段复制。遇到一两个小时的长访谈或技术演讲,光看完就是半天,更别说整理成能用的摘要了。信息明明都在视频里,但把它变成文字、再变成要点,这中间全是手工活。
AI Agent 能把这段路压扁。你只要把视频链接丢给它,用一句自然语言说清要什么,Agent 就调用视频信息类工具和字幕提取类工具(如 ae_dumplingai_get_youtube_video 和 ae_dumplingai_get_youtube_transcript),取回数据后直接摘要、翻译或提要点。整个过程你都待在对话窗口里,不用打开播放器。
这个工作流分四步
- 给链接——把 YouTube 视频 URL 交给 Agent,说清你要摘要、翻译还是要点。
- 取视频信息——拉标题、时长、频道等元数据,给后续分析定上下文。
- 取字幕——把整段 transcript 抓回来,作为分析的原料。
- 分析产出——Agent 对字幕做摘要/翻译/提要点,返回结构化笔记。
每一步怎么做
第一步:描述任务
直接对 Agent 说:用 ae 把 https://example.com/watch?v=xxxx 这条视频取字幕,给我一份中文要点摘要。 Agent 会解析这句话并挑出对应工具,不用对接 API,也不用自己找字幕文件。
第二步:取视频信息
Agent 先调用视频信息类工具(如 ae_dumplingai_get_youtube_video)拉标题、时长、频道等元数据。这一步给分析定了上下文——比如知道是技术演讲还是产品发布,摘要的侧重就不同。
第三步:取字幕
接着它调用字幕提取类工具(如 ae_dumplingai_get_youtube_transcript)把整段 transcript 抓回来。这是最省时间的一环:人工要边听边记几十分钟,Agent 几秒就拿到完整文字。
第四步:摘要、翻译、提要点
拿到字幕后,Agent 直接在对话里做分析:压成几条要点、翻成另一种语言、或按主题切成带时间线的结构化笔记。你可以追问"把第三部分展开"或"只要行动项",它基于同一份字幕继续产出。
看完整视频 vs. 字幕+AI 摘要
| 环节 | 手动看视频 | 用 AI Agent |
|---|---|---|
| 获取内容 | 全程观看、暂停记录 | 一句话取回完整字幕 |
| 时间成本 | 视频有多长就花多久 | 几秒拿到文字、几秒出摘要 |
| 摘要 | 手工边看边总结 | Agent 自动压成要点 |
| 翻译 | 另找翻译工具 | 同一流程里直接翻译 |
| 产出结构 | 因人而异 | 每次返回结构一致的笔记 |
怎么开始
- 注册——新用户赠送 1,000 积分。
- 在 WorkBuddy、Trae 这类 Agent 里端内连接,或把一行 MCP 配置粘进 Claude Code、Cursor、VSCode。
- 用自然语言下指令,让 Agent 取字幕、做分析。
常见问题
支持自动生成的字幕吗? 支持。只要视频有字幕(包括平台自动生成的),字幕提取类工具就能取回,Agent 再基于它分析。
能翻译成别的语言吗? 能。取回字幕后,让 Agent 翻成目标语言即可,取字幕和翻译在同一条链里完成,不用切工具。
多长的视频都行吗? 一两个小时的长视频也能取字幕,这正是 Agent 最省时间的场景;超长内容可以让 Agent 分段摘要,再汇总成总览。
注册 · 浏览工具 · 接入你的 Agent
