YouTube Parser — автоматизация контент-производства

Задача

Контент-студия работала с образовательными YouTube-каналами и создавала на их основе текстовые материалы для блога и email-рассылок. Процесс был полностью ручным:

1. Менеджер отслеживал новые видео в 15+ каналах
2. Вручную копировал ссылки в таблицу
3. Смотрел видео, делал заметки или расшифровывал вручную
4. Редактировал текст в статью
5. Публиковал в CMS

Проблемы:

• На одно видео уходило 1.5–2 часа
• При потоке 20+ видео в неделю менеджер не успевал
• Часть контента терялась — не хватало времени обработать всё
• Невозможно масштабировать без найма дополнительных людей

Решение

Разработали веб-приложение на Nuxt 4 с полным циклом обработки видео:

Архитектура

Frontend:

• Vue 3 + Nuxt 4 — SSR-приложение с API-роутами
• Tailwind CSS — быстрая вёрстка интерфейса
• Адаптивный дизайн для работы с ноутбука и планшета

Backend (Nitro API):

• YouTube Data API v3 — получение списка видео, метаданных, превью
• youtube-transcript — извлечение субтитров (расшифровка)
• OpenAI API через ProxyAPI.ru — генерация статей по промпту
• SQLite (better-sqlite3) — локальная БД для каналов, видео, статусов

Деплой:

• Запуск на локальной машине через pnpm dev
• Данные в data/db.sqlite, статьи в articles/
• Простой перенос на другой компьютер: git clone → pnpm install → pnpm dev

Функционал

1. Управление каналами

• Добавление YouTube-канала по ID или URL
• Список подписок с превью и статистикой
• Удаление ненужных каналов

2. Загрузка видео

• Кнопка «Обновить видео» для всех каналов или конкретного
• Автоматическое определение новых видео (которых нет в БД)
• Сохранение: название, ссылка, превью, дата публикации

3. Обработка расшифровок

• Просмотр списка видео с фильтрами (канал, статус)
• Кнопка «Получить расшифровку» — извлекает субтитры через YouTube API
• Статус меняется на transcript_fetched
• Возможность пометить видео как «пропущено»

4. Генерация статей

• Кнопка «Сгенерировать статью» — отправляет расшифровку в GPT-4o-mini
• Промпт настраивается в коде (клиент сам экспериментировал с формулировками)
• Результат сохраняется в .txt файл в папку articles/
• Статус → article_generated

5. Скачивание и экспорт

• Список готовых статей с превью видео
• Скачивание .txt файла
• Копирование текста в буфер обмена

Результат

Скорость обработки:

• Было: 2 часа на видео (ручная расшифровка + редактура)
• Стало: 3 минуты (автоматическая расшифровка + ИИ-генерация)

Масштаб:

• Было: 3–4 видео в день (предел одного человека)
• Стало: 50+ видео в день (ограничение только по API-квотам)

Экономика:

• Сэкономили ~30 часов в неделю на рутине
• Менеджер переключился на редактуру и стратегию
• Затраты на API: ~$15/месяц (YouTube бесплатно, OpenAI ~$0.50/день)

Бизнес-эффект:

• Контент-студия увеличила выпуск статей в 12 раз
• Запустили новое направление — переработка архивных видео (1000+ роликов)
• Окупаемость разработки — 2 недели

Технологии

• Frontend: Nuxt 4, Vue 3, Tailwind CSS
• Backend: Nitro (встроенный в Nuxt), SQLite
• API: YouTube Data API v3, OpenAI API (через ProxyAPI.ru)
• Библиотеки: youtube-transcript, better-sqlite3, googleapis
• Деплой: локальный запуск (macOS/Windows/Linux)