Converse com qualquer vídeo do YouTube em segundos, extraindo insights, tópicos fundamentais e citações exatas com link de timestamp.
O YouTube-Chat-AI é uma aplicação de inteligência artificial criada por Alex Santos que revoluciona o aprendizado a partir de vídeos do YouTube. Utilizando a API do Google GenAI com o modelo de alta velocidade Gemini 2.0 Flash, o sistema recebe a URL de qualquer vídeo, obtém suas legendas em múltiplos idiomas, indexa o conteúdo em blocos semânticos e fornece uma interface de chat interativa em Gradio onde o usuário pode fazer perguntas sobre a aula ou podcast e receber respostas com links que saltam para o segundo exato da fala.
Visão macro de como o projeto processa requisições, gerencia dados e entrega valor técnico com máxima eficiência.
+-----------------------+ +---------------------------+ +-----------------------+
| URL do Vídeo YouTube | ===> | YouTube Transcript API | ===> | Transcrição Completa |
| (Palestra / Podcast) | | (Extração de Legendas) | | (Texto com Timestamps)|
+-----------------------+ +---------------------------+ +-----------------------+
|
+-----------------------+ +---------------------------+ v
| Interface Gradio | <=== | Google Gemini Flash 2.0 | <=== +-----------------------+
| (Chat & Resumos) | | (Raciocínio Long-Context) | | Chunking Semântico |
+-----------------------+ +---------------------------+ +-----------------------+Decisões de design, algoritmos e técnicas aplicadas para garantir confiabilidade, segurança e excelência operacional.
O sistema utiliza a biblioteca `youtube-transcript-api` com fallback progressivo. Se o vídeo não tiver legendas oficiais em português, o motor busca faixas em inglês e aplica tradução dinâmica ou utiliza a versão gerada automaticamente pelo algoritmo do YouTube.
Em vez de concatenar a transcrição como um bloco opaco de texto, o pipeline retém as marcas de início e duração de cada trecho. Quando o Gemini gera uma citação ou resposta a uma pergunta factual, ele insere hiperlinks com o formato `t=124s`, permitindo ao estudante clicar e assistir ao trecho original.
Diferente de sistemas legados que exigem banco de dados vetorial complexo (RAG) para vídeos médios, a janela de contexto de 1 milhão de tokens do Gemini Flash 2.0 permite alimentar toda a transcrição em um único prompt de alta fidelidade com baixíssima latência e custo reduzido.
Construído em Gradio com suporte a streaming de tokens em tempo real. Inclui botões de atalho rápido para "Gerar Resumo em Tópicos", "Listar Principais Conceitos", "Extrair Perguntas e Respostas" e campo aberto para diálogo contínuo.
Exemplo concreto de uso, configuração e integração técnica.
from google import genai
from youtube_transcript_api import YouTubeTranscriptApi
client = genai.Client(api_key="SUA_API_KEY")
def processar_video(video_id: str, pergunta: str):
transcript = YouTubeTranscriptApi.get_transcript(video_id, languages=['pt', 'en'])
texto_formatado = "\n".join([f"[{int(item['start'])}s] {item['text']}" for item in transcript])
prompt = f"Transcrição do vídeo:\n{texto_formatado}\n\nPergunta do usuário: {pergunta}\nResponda indicando o timestamp exato."
response = client.models.generate_content(
model="gemini-2.0-flash",
contents=prompt
)
return response.textEsclarecimentos detalhados sobre funcionamento, licenças, compatibilidade e privacidade.
O sistema requer que o vídeo tenha pelo menos a transcrição automática ativada pelo YouTube. Para vídeos sem qualquer legenda, o YouTube Transcript API não consegue capturar o áudio.
O Google AI Studio oferece cotas gratuitas generosas para o modelo Gemini 2.0 Flash, tornando a aplicação praticamente gratuita para uso pessoal.
Sim, a interface inclui uma opção de exportação do diálogo e resumo em formato Markdown para salvar em seu Obsidian ou Notion.
A extração da legenda leva menos de 1 segundo, e o Gemini Flash 2.0 começa a responder via streaming em menos de 1.5 segundo.