Shownotes-Generator für Podcasts: Vom Transkript zu fertigen Notes in Minuten

Ein Shownotes-Generator für Podcasts muss kein weiteres SaaS für 29 $/Monat sein. Meiner besteht aus einem API-Aufruf plus einem Prompt und liefert Zusammenfassung, Themenliste, wörtliche Pull-Quotes und Ressourcen-Links für eine Episode in etwa zehn Minuten — inklusive Faktencheck. Ich fahre das für zwei Shows; hier ist das Ganze.

Von der Episode zum Transkript in einem Request

Wenn deine Episoden auf YouTube landen (was bei den meisten Video-Podcasts der Fall ist), ist das Transkript einen Aufruf entfernt:

curl -s "https://youtube2text.org/api/transcribe?url=https://www.youtube.com/watch?v=EPISODE_ID&maxChars=150000" \
  -H "Authorization: Bearer yt_your_key"

Eine 40-minütige Episode kommt als 45-60k Zeichen zurück; ein 90-minütiges Long-Form-Gespräch liegt bei 100-130k, immer noch unterhalb der maxChars-Obergrenze von 150000 und innerhalb eines einzigen Claude- oder GPT-Kontexts. Die Antwort enthält ein truncated-Flag, du weißt also, ob eine Marathon-Episode abgeschnitten wurde — statt es erst zu merken, wenn die Notes bei Minute 70 aufhören.

Der Prompt, der Zitate ehrlich hält

Pull-Quotes sind die Stelle, an der generische Zusammenfassungs-Prompts dich im Stich lassen. LLMs lieben es, Zitate zu „verbessern" — die Grammatik zu straffen, ein Wort zu tauschen — und eine Paraphrase in Anführungszeichen ist der Weg zur Korrektur-Mail von deinem Gast. Dieser Prompt erzwingt wörtliche Extraktion:

You are writing show notes from a podcast transcript.

Episode: {EPISODE TITLE}
Show: {PODCAST NAME}
Guest: {CORRECT GUEST NAME + one-line bio}

Produce:
1. A two-sentence episode summary. No hype words.
2. 5-8 bullet topics in the order they were discussed.
3. Three pull quotes copied VERBATIM from the transcript.
   Do not paraphrase. Do not fix grammar. If a quote needs
   context, add it in brackets before the quote, never inside.
4. Every book, tool, person, and company mentioned, as a
   plain list for the resources section.

If no quote is strong enough, say so. Never fabricate one.

Transcript:
{PASTE TRANSCRIPT}

Beachte, dass der Gastname als Input hineingeht. Das ist Absicht und die Lösung für den nächsten Abschnitt.

Das Gastnamen-Problem

Hier der ehrliche Vorbehalt: Diese Transkripte stammen aus YouTube-Untertiteln, und automatisch generierte Untertitel verstümmeln Namen mit voller Überzeugung. Ich habe erlebt, wie aus „Swyx" „swicks" wurde und ein Gast namens Priyanka eine ganze Episode lang „Brianca" hieß. Die korrekte Schreibweise in den Prompt zu füttern erlaubt dem Modell, jede Erwähnung in Zusammenfassung und Themenliste zu normalisieren. Aber die wörtlichen Zitate brauchen einen Check mehr — wenn der Untertitel den Satz schon verhunzt hat, reproduziert „wörtlich" die Verhunzung treu. Spiel vor dem Veröffentlichen die Stelle der Episode ab, aus der jedes Zitat stammt, und bestätige den Wortlaut. Das ist der Faktencheck, er dauert drei bis vier Minuten, und ihn zu überspringen ist der Weg, wie verstümmelte Zitate als Screenshot in irgendjemandes Feed landen.

Einbau in einen Publishing-Workflow

Die manuelle Version oben reicht für eine wöchentliche Show. Darüber hinaus lohnen sich zwei Upgrades. Wenn die Notes automatisch bei jeder veröffentlichten Episode erzeugt werden sollen, erledigt der n8n-Workflow die ganze Kette ohne Code. Wenn die Episode einen vollen Artikel statt Notes verdient, füttert dasselbe Transkript die Video-zu-Blogpost-Pipeline — und wenn du deine Hörer per E-Mail erreichst, stapeln sich diese Episoden-Zusammenfassungen direkt zu einem Kanal-Newsletter.

Der geteilte Demo-Key deckt 5 Episoden im Monat ab, also eine Show. Für die vollständige Parameterliste, Fehlercodes und beide Auth-Header-Formate liegt die API-Referenz unter youtube2text.org/api.md — das Ganze passt auf eine Seite, was ungefähr dem Energielevel entspricht, mit dem dieser gesamte Workflow läuft.