Transcrições de vídeo no LangChain

Resposta curta: há dois caminhos. Para indexação, um loader pequeno transforma uma transcrição em objetos Document do LangChain, um por segmento de legenda, com o horário de início. Para agentes, o servidor MCP do Transcript Dock se conecta ao LangChain pelo langchain-mcp-adapters, e o próprio agente busca as transcrições.

Um loader de documentos#

Vinte linhas, sem pacote extra. Cada Document guarda a URL do vídeo e o tempo, então os resultados de busca podem citar o momento de onde vieram. Agrupe os segmentos em blocos maiores antes de gerar os embeddings, como mostrado em transcrições para 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")

Ferramentas para agentes via MCP#

O MultiServerMCPClient se conecta ao servidor remoto e transforma as ferramentas dele em ferramentas do LangChain: get_video_transcript, busca no YouTube, listagem de canais e playlists e listagem de perfis do 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())

Os nomes das ferramentas, os argumentos e os custos em créditos estão na página MCP. O LlamaIndex e outros frameworks que falam MCP se conectam do mesmo jeito.

Mais guias

Como obter a transcrição de um vídeo do YouTube

Cinco formas de obter a transcrição de um vídeo do YouTube: no próprio YouTube, com o yt-dlp, em Python, pela API do Transcript Dock ou perguntando ao Claude.

Como obter a transcrição de um vídeo do TikTok

Obtenha a transcrição de um vídeo do TikTok como texto ou legendas, liste os vídeos mais recentes de um perfil e trate vídeos sem legendas.

Transcrições de vídeo para pipelines de RAG e LLM

Transforme vídeos do YouTube e do TikTok em blocos que um LLM pode buscar e citar: busque os segmentos com tempo, divida por tempo e mantenha links com marcação de tempo.

Transcrições do YouTube e do TikTok no n8n

Busque transcrições de vídeo em um workflow do n8n com três nós HTTP Request, ou dê a um agente de IA do n8n as ferramentas MCP do Transcript Dock.