HomeBlog

YouTube2Text API Nutzungsanleitung

YouTube2Text ist ein Dienstprogramm zum Extrahieren von reinen Texttranskriptionen aus YouTube-Videos (ohne Untertitel-Zeitcodes und andere Metadaten) für Analysen, Insights, Zusammenfassungen, Inhaltsgenerierung und andere Textverarbeitungsanwendungen.

Erste Schritte

Um schnell zu beginnen, können Sie einen Demo-API-Schlüssel erhalten, indem Sie https://api.youtube2text.org besuchen. Demo-Schlüssel rotieren jedoch häufig und haben begrenzte Nutzungskontingente. Für den Produktionseinsatz oder regelmäßige Nutzung sollten Sie ein Abonnement für einen der verfügbaren Pläne in Betracht ziehen, um einen stabilen, dedizierten API-Schlüssel mit höheren Kontingenten zu erhalten.

Direkte API-Nutzung

Die YouTube2Text API ist unter https://api.youtube2text.org verfügbar. Der primäre Endpunkt für Transkription ist /transcribe.

Basis CURL-Anfrage

Basic API Call
curl -X POST https://api.youtube2text.org/transcribe \
  -H "Content-Type: application/json" \
  -H "x-api-key: YT2TEXT_API_KEY" \
  -d '{
    "url": "https://www.youtube.com/watch?v=VIDEO_ID"
  }'

Eingabeparameter

url (erforderlich): Die vollständige YouTube-Video-URL; maxChars (optional): Maximale Anzahl der zurückzugebenden Zeichen (Standard 150,000)

Antwortstruktur

Erfolgreiche Antwort (200)

Success Response
{
  "result": {
    "videoId": "VIDEO_ID",
    "title": "Video Title",
    "pubDate": "2025-06-30T08:45:04-07:00",
    "content": "The full video transcription text without timestamps...",
    "contentSize": 12345,
    "truncated": false
  }
}

Fehlerantwort (400/401/404/429/500)

Error Response
{
  "error": {
    "code": "ERROR_CODE",
    "message": "Error description",
    "status": 400,
    "retryAfterSeconds": 3600,
    "details": "Additional error details"
  }
}

Antwortcodes

Fehlercodes

MCP-Integration

YouTube2Text unterstützt das Model Context Protocol (MCP) für nahtlose Integration mit verschiedenen KI-Modellen.

Anthropic Claude

Claude MCP Integration
import anthropic
from anthropic.types.beta import BetaRequestMCPServerURLDefinitionParam, BetaMessageParam

default_key = "ANTHROPIC_API_KEY"
client = anthropic.Anthropic(api_key=default_key)
server = BetaRequestMCPServerURLDefinitionParam(
    name="youtube2text",
    type="url",
    url="https://api.youtube2text.org/mcp",
    authorization_token="YT2TEXT_API_KEY"
)

prompt_message = BetaMessageParam(role="user", content="Please use the tools from the remote MCP server to help me. Provide the transcription of https://www.youtube.com/watch?v=DCv5p_eJTlU")

response = client.beta.messages.create(
    model="claude-sonnet-4-20250514",
    max_tokens=10000,
    messages=[prompt_message],
    # Direct MCP server connection - no manual tool definition needed!
    mcp_servers=[server],
    # Required beta header for MCP connector
    extra_headers={
        "anthropic-beta": "mcp-client-2025-04-04",
    }
)

print(response.content)

OpenAI

OpenAI MCP Integration
from openai import OpenAI
from openai.types.responses.tool_param import Mcp
import os

os.environ["OPENAI_API_KEY"] = "OPENAI_API_KEY"

client = OpenAI()

youtube_transcribe_mcp = Mcp(
    type="mcp",
    server_label="youtube2text",
    server_url="https://api.youtube2text.org/mcp",
    require_approval="never",
    headers={"Authorization": "Bearer YT2TEXT_API_KEY"}
)

resp = client.responses.create(
    model="gpt-4.1",
    tools=[youtube_transcribe_mcp],
    input="Please use the tools from the remote MCP server to help me. Provide the transcription of https://www.youtube.com/watch?v=DCv5p_eJTlU",
)

print(resp.output_text)

Google Gemini

Gemini Integration
import google.generativeai as genai
import requests

genai.configure(api_key="GEMINI_API_KEY")

YOUTUBE_TRANSCRIPT_API_URL = "https://api.youtube2text.org/mcp"
YOUTUBE_TRANSCRIPT_API_TOKEN = "YT2TEXT_API_KEY"

# Define the External Tool (Function)
def get_youtube_transcription(video_url: str):
    """
    Retrieves the transcription of a YouTube video from a given URL.

    Args:
        video_url: The full URL of the YouTube video.
    """
    headers = {
        "Content-Type": "application/json",
        "Authorization": f"Bearer {YOUTUBE_TRANSCRIPT_API_TOKEN}"
    }
    payload = {"url": video_url}
    try:
        response = requests.post(YOUTUBE_TRANSCRIPT_API_URL, headers=headers, json=payload)
        response.raise_for_status()
        return response.json()
    except requests.exceptions.RequestException as e:
        return {"error": str(e)}

# Set up the Gemini Model with the Tool
model = genai.GenerativeModel(
    model_name='gemini-2.5-flash',
    tools=[get_youtube_transcription]
)

# Start a Chat Session and Send the Prompt
chat = model.start_chat(enable_automatic_function_calling=True)
prompt = "Please provide the transcription of https://www.youtube.com/watch?v=DCv5p_eJTlU"
response = chat.send_message(prompt)

print(response.text)

Automatisierungsplattform-Integration

Zapier-Integration

YouTube2Text kann über MCP-Verbindungen in Zapier integriert werden. Zapiers AI Actions-Funktion unterstützt MCP-Server und ermöglicht die Erstellung automatisierter Workflows, die Video-Transkriptionen auslösen.

n8n-Integration

n8n unterstützt MCP-Integration über benutzerdefinierte Knoten und HTTP-Request-Knoten. Sie können YouTube2Texts MCP-Endpunkt mit n8n-Workflows für automatisierte Video-Verarbeitungspipelines verbinden.

Zusätzliche Beispiele

Für weitere Implementierungsbeispiele, erweiterte Nutzungsmuster und Integrationsleitfäden besuchen Sie das Projekt-Repository für umfassende Dokumentation und Codebeispiele.