Naar de inhoud
Transcript Dock
InloggenStart gratis

Sitemenu

Transcript Dock
Start gratisInloggen

Documentatie

Hulpmiddelen
InleidingHoe het werkt, handleidingen en wat je kunt transcriberen.
SnelstartVerstuur een link, wacht op de taak en exporteer het transcript. Drie verzoeken.
AuthenticatieAPI-sleutels, scopes, Idempotency-Key en X-Request-Id.
TakenTaken aanmaken, wachten op, opvragen, annuleren en opnieuw proberen.
TranscriptiesHet transcriptobject en de exports txt, srt, vtt en json.
Batch-verzoekenTot 50 video's in één verzoek.
Bestanden uploadenTranscribeer je eigen audio- en videobestanden.
Webhook-meldingenOntvang een oproep zodra een taak of batch klaar is, en controleer de handtekening.
FoutenElke foutcode, wat die betekent en wat je moet doen.
AanvraaglimietenVerzoeken, lopende taken en lezingen per abonnement; het 429-antwoord.
Prijzen en credits1 credit per transcriptie met ondertitels, 2 per minuut AI-transcriptie. Abonnementen en extra credits.
BronnenYouTube, TikTok, je eigen bestanden en directe links: geaccepteerde URL's en werkwijzen.
MCPZoek video's en transcribeer ze vanuit Claude, Cursor, Windsurf of je eigen agent.
OpenAPI-specificatieDe OpenAPI 3.1-specificatie voor codegeneratie en getypeerde clients.
Claude CodeMet één opdracht voeg je Transcript Dock toe aan Claude Code.
Claude-appVoeg Transcript Dock toe als aangepaste connector op claude.ai, Claude Desktop of mobiel.
CursorVoeg Transcript Dock toe als MCP-server in Cursor.
WindsurfVoeg Transcript Dock toe aan Windsurf, zodat Cascade video's kan vinden en transcriberen.
OpenClawKoppel Transcript Dock aan autonome OpenClaw-agents.
19 resultaten
Handleidingen

Videotranscripties in LangChain

Laad YouTube- en TikTok-transcripties als LangChain-Document-objecten met tijdstempels, of geef een LangChain-agent de MCP-tools van Transcript Dock.

Bijgewerkt

Kort gezegd zijn er twee manieren. Voor indexering zet een kleine loader een transcriptie om in objecten van het type Document uit LangChain, één per ondertitelsegment met de starttijd. Voor agents koppelt de Transcript Dock MCP-server via langchain-mcp-adapters aan LangChain, en dan haalt de agent de transcripties zelf op.

Een documentloader#

Twintig regels, geen extra pakket. Elk Document houdt de video-URL en de timing bij, zodat zoekresultaten het moment kunnen aanwijzen waar ze vandaan komen. Groepeer segmenten in grotere stukken voordat je ze embedt, zoals getoond in transcripties voor 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")

Agenttools via MCP#

MultiServerMCPClient verbindt met de externe server en zet de tools om in LangChain-tools: get_video_transcript, YouTube-zoeken, een overzicht van kanalen en afspeellijsten, en een overzicht van TikTok-profielen.

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())

Tool-namen, argumenten en creditkosten staan op de MCP-pagina. LlamaIndex en andere frameworks die MCP spreken, verbinden op dezelfde manier.