Lewati ke konten
Transcript Dock
MasukMulai gratis

Menu situs

Transcript Dock
Mulai gratisMasuk

Dokumentasi

Alat
PengantarCara kerjanya, panduan, dan apa saja yang bisa ditranskripsikan.
Mulai cepatKirim tautan, tunggu tugasnya, ekspor transkripnya. Tiga permintaan.
AutentikasiKunci API, cakupan, Idempotency-Key, dan X-Request-Id.
TugasBuat, tunggu, daftar, batalkan, dan coba lagi tugas.
TranskripObjek transkrip dan ekspor txt, srt, vtt, json.
BatchHingga 50 video dalam satu permintaan.
UnggahanTranskripsikan file audio dan video Anda sendiri.
WebhookDipanggil saat tugas atau batch selesai; verifikasi tanda tangannya.
KesalahanSetiap kode kesalahan, artinya, dan langkah yang harus diambil.
Batas lajuPengiriman, tugas yang sedang berjalan, dan pembacaan per paket; respons 429.
Harga dan kredit1 kredit per transkrip subtitle, 2 kredit per menit transkripsi AI. Paket dan kredit tambahan.
SumberYouTube, TikTok, file Anda, dan tautan langsung: URL dan mode yang diterima.
MCPTemukan dan transkripsikan video dari Claude, Cursor, Windsurf, atau agen Anda sendiri.
Spesifikasi OpenAPISpesifikasi OpenAPI 3.1 untuk pembuatan kode dan klien bertipe.
Claude CodeSatu perintah menambahkan Transcript Dock ke Claude Code.
Aplikasi ClaudeTambahkan Transcript Dock sebagai konektor kustom di claude.ai, Claude Desktop, atau seluler.
CursorTambahkan Transcript Dock sebagai server MCP di Cursor.
WindsurfTambahkan Transcript Dock ke Windsurf agar Cascade dapat menemukan dan mentranskripsikan video.
OpenClawHubungkan Transcript Dock ke agen otonom OpenClaw.
19 hasil
Panduan

Transkrip video di LangChain

Muat transkrip YouTube dan TikTok sebagai Document LangChain dengan tanda waktu, atau berikan kepada agen LangChain alat MCP Transcript Dock.

Diperbarui

Singkatnya ada dua cara. Untuk pengindeksan, loader kecil mengubah transkrip menjadi objek LangChain Document, satu per segmen subtitle dengan waktu mulainya. Untuk agen, server MCP Transcript Dock terhubung ke LangChain melalui langchain-mcp-adapters, dan agen mengambil transkrip sendiri.

Loader dokumen#

Dua puluh baris, tanpa package tambahan. Setiap Document menyimpan URL video dan waktunya, sehingga hasil retrieval dapat menunjuk momen asalnya. Gabungkan segmen menjadi potongan yang lebih besar sebelum embedding, seperti dijelaskan di transkrip untuk RAG.

loader.py
# pip install langchain-core requests
import requests
from langchain_core.documents import Document
 
API = "https://www.transcriptdock.com"
H = {"Authorization": "Bearer td_live_YOUR_KEY"}
 
def load_video(url: str, mode: str = "captions_only") -> list[Document]:
    """One Document per caption segment, with the video URL and start time as metadata."""
    job = requests.post(f"{API}/v1/jobs", headers={**H, "Idempotency-Key": f"lc-{url}"[:128]},
        json={"source": {"url": url}, "mode": mode}).json()
    while job["status"] not in ("succeeded", "failed", "cancelled"):
        job = requests.get(f"{API}/v1/jobs/{job['id']}", params={"wait": 25}, headers=H).json()
    if job["status"] != "succeeded":
        raise RuntimeError(job["error"]["code"])
    t = requests.get(f"{API}/v1/transcripts/{job['result_id']}", headers=H).json()
    meta = {"source": t["source"]["canonical_url"], "title": t["source"]["title"], "language": t["language"]}
    return [Document(page_content=s["text"], metadata={**meta, "start": s["start"], "end": s["end"]})
            for s in t["segments"]]
 
docs = load_video("https://www.youtube.com/watch?v=dQw4w9WgXcQ")

Alat agen lewat MCP#

MultiServerMCPClient terhubung ke server jarak jauh dan mengubah alatnya menjadi alat LangChain: get_video_transcript, pencarian YouTube, daftar channel dan playlist, serta daftar profil TikTok.

agent.py
# pip install langchain-mcp-adapters langgraph langchain-anthropic
import asyncio
from langchain_mcp_adapters.client import MultiServerMCPClient
from langgraph.prebuilt import create_react_agent
 
async def main():
    client = MultiServerMCPClient({
        "transcriptdock": {
            "url": "https://www.transcriptdock.com/mcp",
            "transport": "streamable_http",
            "headers": {"Authorization": "Bearer td_live_YOUR_KEY"},
        }
    })
    tools = await client.get_tools()
    agent = create_react_agent("anthropic:claude-sonnet-5-5", tools)
    out = await agent.ainvoke({"messages": "Summarize https://www.youtube.com/watch?v=dQw4w9WgXcQ"})
    print(out["messages"][-1].content)
 
asyncio.run(main())

Nama alat, argumen, dan biaya kredit ada di halaman MCP. LlamaIndex dan framework lain yang mendukung MCP terhubung dengan cara yang sama.