在 Input Router 實作中，我們已經能成功辨識出使用者傳來的是 YouTube 網址，並把它分流到了專屬的通道。
但是，LLM 是一種「語言模型」，它難以直接觀看影片畫面或聆聽聲音。如果我們想讓 AI 幫忙總結一部長達一小時的技術教學影片，我們必須建立一套機制，先將影片內容轉換為文字，才能餵給 AI 進行有效率的分析。
在處理影片自動化時，最穩定且低成本的做法是直接抓取 YouTube 的字幕。

• 高效率、低成本：直接抓取文字，省去了下載龐大影片檔，或是另外呼叫語音轉文字 API 的高昂成本與等待時間。
• 語言處理：我們需要考慮影片可能包含不同語言的字幕，並設定抓取的優先順序（例如：優先找繁體中文，沒有再找英文）。
• 例外處理：當遇到完全沒有字幕的影片時，系統必須具備攔截機制，回傳友善的錯誤訊息，而不是讓整個流程崩潰。

為了解析 YouTube 網址並取得字幕，我們可以使用 youtube-transcript-api 這個強大的 Python 套件。

第一步：安裝套件
請在終端機（確保在你的虛擬環境中）執行以下指令：

pip install youtube-transcript-api

第二步：新增 FastAPI 端點 (/extract-youtube)
打開我們的 main.py，匯入所需套件，並新增一個處理 YouTube 網址的端點：

from fastapi import FastAPI, HTTPException
from pydantic import BaseModel
from youtube_transcript_api import YouTubeTranscriptApi
from urllib.parse import urlparse, parse_qs

class YouTubeRequest(BaseModel):
    url: str

@app.post("/extract-youtube")
def extract_youtube(data: YouTubeRequest):
    try:
        query = urlparse(data.url)
        if query.hostname == 'youtu.be':
            video_id = query.path[1:]
        elif query.hostname in ('www.youtube.com', 'youtube.com'):
            video_id = parse_qs(query.query)['v'][0]
        else:
            raise ValueError("無效的 YouTube 網址")

        yt_api = YouTubeTranscriptApi()
        transcript_list = yt_api.fetch(video_id, languages=['zh-TW', 'en'])
        
        text = " ".join([t.text for t in transcript_list])
        
        return {
            "status": "success",
            "text": text
        }
    except Exception as e:
        raise HTTPException(status_code=400, detail=f"無法取得影片字幕，請確認影片是否包含字幕。詳細錯誤: {str(e)}")

後端 API 準備好後，我們回到 n8n 將管線接通：

1. 呼叫 FastAPI 抓取字幕：
   從 Switch 節點的 Output 0 (YouTube) 拉出一條線，新增一個 HTTP Request 節點。並將此節點如下圖那樣設定。
   

2. 送給 Gemini 進行摘要：
   將這個 HTTP Request 節點的輸出端，連接回我們最早建立的 /summarize 節點。確保 /summarize 節點接收的資料是剛剛 API 回傳的 {{ $json.text }}。

3. 測試
   接著可以用 curl 送一個有字幕的 youtube 連結進行測試，成功的架構如下
   

以下圖片可以看到 FastAPI 成功抓取 cc 字幕

下圖可以看到 Gemini 針對字幕進行的摘要

要注意我的實作只能抓取有 cc 字幕的影片，沒有字幕的影片就只能嘗試讓 AI 自己看整段影片後再摘要，或是用語音辨識模型自行建立字幕。系列的最後會加入沒有字幕的 error 機制，讓使用者可以知道影片能不能使用這個系統。