YouTube videolarını Claude Code'a "izlettiren" bir pipeline. Transcript + ekran görüntülerini birleştirerek bir storyboard grid oluşturur, Claude bunu Vision LLM ile analiz eder ve bilgileri docs/wiki/ altında Obsidian formatında saklar.

YouTube URL
    ↓
Transcript İndir (VTT/SRT → Groq Whisper fallback)
    ↓
NLP Analizi → Akıllı Timestamp Seçimi
    ↓
FFmpeg → Sadece O Anların Frame'leri
    ↓
Storyboard Grid (JPEG)
    ↓
Claude (Vision LLM) → Analiz
    ↓
docs/wiki/ → Obsidian Knowledge Base

Sadece transcript kullanmak yeterli değil — önemli bilgilerin büyük kısmı ekranda gösterilir, sesle anlatılmaz. Bu pipeline transcript'i NLP ile okuyarak nerede ekran görüntüsü alınacağını öğrenir; sabit aralıklı frame extraction yerine semantik olarak değerli anları seçer.

Gereksinimler: Python 3.11+, ffmpeg, Claude Code

git clone <https://github.com/oguzcankaraman/Watch_Youtube_Skill>
cd YouTube

python3.11 -m venv .venv
source .venv/bin/activate      # macOS/Linux
# .venv\Scripts\activate       # Windows

pip install -r requirements.txt
pip install -e .

python -m spacy download en_core_web_sm

brew install ffmpeg        # macOS
sudo apt install ffmpeg    # Ubuntu/Debian
# Windows: https://ffmpeg.org/download.html

YouTube altyazısı olmayan videolar için Whisper fallback:

export GROQ_API_KEY="gsk_..."

Groq API key al — ücretsiz tier yeterli.

source .venv/bin/activate

watch-youtube "https://www.youtube.com/watch?v=VIDEO_ID" \
  --output-dir ./output \
  --max-frames 20 \
  --verbose

Storyboard JPEG'leri output/VIDEO_ID/ altına kaydedilir.

Claude Code kuruluysa projeyi açın ve bir YouTube URL paylaşın. CLAUDE.md sayesinde Claude otomatik olarak watch-youtube skill'ini devreye alır, videoyu analiz eder ve docs/wiki/ altına yazar.

# Claude Code'a şunu yapıştırın:
https://www.youtube.com/watch?v=VIDEO_ID

watch_youtube/
  __init__.py      # Veri modelleri (dataclass'lar)
  downloader.py    # yt-dlp ile transcript + video indirme
  analyzer.py      # NLP timestamp seçimi + self-learning
  extractor.py     # ffmpeg frame extraction
  compiler.py      # Pillow storyboard grid
  main.py          # CLI entry point

.claude/skills/
  watch-youtube/   # Claude Code skill talimatları
  wiki-schema/     # Wiki yazma kuralları

docs/wiki/
  Index.md         # Ana harita
  Videos.md        # Analiz edilmiş videoların kayıtları
  *.md             # Konu bazlı wiki sayfaları

data/
  keyword_store.json   # Self-learning keyword veritabanı

output/
  VIDEO_ID/
    storyboard_page_001.jpg
    storyboard_page_002.jpg
    ...

İki kural birlikte çalışır:

Kural A — Keyword eşleşmesi: Transcript'te "look at this", "here we have", "diagram", "terminal" gibi konuşmacının ekrana işaret ettiği ifadeler tespit edilir. spaCy ile fiil + demonstrative kombinasyonları da yakalanır.

Kural B — Sessizlik tespiti: Konuşmacının 5+ saniye sessiz kaldığı anlar genellikle demo veya görsel içerik gösteriyor demektir.

Her video bittikten sonra TF-IDF çalışır: seçilen timestamp'lere yakın metinler ile arka plan metinleri karşılaştırılır, yüksek lift'li terimler data/keyword_store.json'a yazılır. Sistem izledikçe domain'e özgü vocabulary öğrenir.

Frame sayısına göre adaptif çözünürlük:

12'den fazla frame otomatik olarak birden fazla JPEG sayfasına bölünür.