/youtube-live <youtube_url> [options]
/youtube-live stop
/youtube-live status

# URL에서 video ID 추출
# 라이브 여부 확인 (yt-dlp --dump-json → is_live == True)
# 채널명, 방송 제목 추출

python -c "from faster_whisper import WhisperModel; print('ok')" 2>/dev/null || pip install faster-whisper
python -m yt_dlp --version 2>/dev/null || pip install yt-dlp
where ffmpeg 2>/dev/null || echo "ffmpeg 필요"

date '+%y.%m.%d_%H%M'

import subprocess, sys
# 사용 가능한 포맷 확인
r = subprocess.run(
    [sys.executable, '-m', 'yt_dlp', '--list-formats', url],
    capture_output=True
)
# 가장 낮은 품질의 비디오+오디오 포맷 선택 (오디오 품질은 동일)
# 보통 format ID '91' (256x144, mp4a)

import subprocess, sys, os, time
from datetime import datetime
from faster_whisper import WhisperModel

STREAM_URL = "{url}"
TMP_DIR = "C:/Users/rollrat/yt_live_tmp"
CHUNK_DURATION = {chunk_seconds}  # 기본 300초 (5분)
TRANSCRIPT_FILE = os.path.join(TMP_DIR, "full_transcript.txt")
FORMAT_ID = "{format_id}"  # 가장 낮은 품질

os.makedirs(TMP_DIR, exist_ok=True)

def get_stream_url():
    r = subprocess.run(
        [sys.executable, '-m', 'yt_dlp', '-f', FORMAT_ID, '-g', STREAM_URL],
        capture_output=True, text=True
    )
    return r.stdout.strip()

def capture_audio(chunk_path, duration):
    url = get_stream_url()
    if not url:
        return False
    r = subprocess.run([
        'ffmpeg', '-y', '-i', url,
        '-t', str(duration),
        '-vn', '-acodec', 'pcm_s16le',
        '-ar', '16000', '-ac', '1',
        chunk_path
    ], capture_output=True, timeout=duration + 60)
    return r.returncode == 0

# 모델 1회 로드
model = WhisperModel('{whisper_model}', device='cpu', compute_type='int8')

chunk_num = 0
while True:
    chunk_num += 1
    chunk_path = os.path.join(TMP_DIR, f"chunk_{chunk_num:03d}.wav")
    timestamp = datetime.now().strftime('%H:%M:%S')

    try:
        success = capture_audio(chunk_path, CHUNK_DURATION)
    except subprocess.TimeoutExpired:
        break
    if not success:
        break

    # 음성인식
    segments, info = model.transcribe(chunk_path, language='ko')
    text = ' '.join([seg.text for seg in segments])

    # 트랜스크립트 누적
    with open(TRANSCRIPT_FILE, 'a', encoding='utf-8') as f:
        f.write(f"\n\n--- Chunk {chunk_num} [{timestamp}] ---\n")
        f.write(text)

    # WAV 삭제 (디스크 절약)
    try:
        os.remove(chunk_path)
    except:
        pass

python C:/Users/rollrat/yt_live_tmp/live_capture.py

🔴 라이브 캡처 시작

방송: {제목}
채널: {채널명}
모델: {whisper_model}
청크: {chunk_seconds}초 단위
트랜스크립트: C:/Users/rollrat/yt_live_tmp/full_transcript.txt

캡처가 백그라운드에서 진행 중입니다.
  /youtube-live status  — 진행 상황 확인
  /youtube-live stop    — 캡처 중단 + 요약 저장

date '+%y.%m.%d_%H%M'

# 제목, 채널명, 시작 시간, 길이 등
r = subprocess.run(
    [sys.executable, '-m', 'yt_dlp', '--dump-json', '--skip-download', url],
    capture_output=True
)

with open('C:/Users/rollrat/yt_live_tmp/full_transcript.txt', 'r', encoding='utf-8') as f:
    transcript = f.read()

아래는 YouTube 라이브 방송의 음성인식 트랜스크립트이다.

방송 정보:
- 제목: {title}
- 채널: {channel}
- 날짜: {date}
- URL: {url}

트랜스크립트:
{transcript}

아래 형식으로 한국어 요약을 작성하라 (마크다운만 출력):

## {title}
> 📅 {date} | 🔴 라이브 | [영상 링크]({url})

### 핵심 요약
(5-10개 bullet point로 방송 전체 핵심 내용)

### 주제별 정리
(방송에서 다룬 각 주제를 소제목으로 나누어 상세 요약)

### 키워드
(쉼표로 구분된 관련 키워드)

---
tags:
  - youtube-live
  - {채널명}
channel: "{채널명}"
title: "{제목}"
date: "{YYYY-MM-DD}"
url: "{url}"
whisper_model: "{model}"
chunks: {N}
transcript_length: {글자수}
---

# {제목}
> 📅 {date} | 🔴 라이브 | 채널: {채널명} | [영상 링크]({url})

---

{에이전트 요약 결과}

---

## 트랜스크립트 (원문)

<details>
<summary>전체 트랜스크립트 펼치기 ({글자수}자)</summary>

{full_transcript}

</details>

🔴 YouTube Live - 라이브 스트림 실시간 캡처 & 요약

사용법:
  /youtube-live https://youtube.com/watch?v=VIDEO_ID     — 캡처 시작
  /youtube-live status                                     — 진행 상황 확인
  /youtube-live stop                                       — 캡처 중단 + 요약 저장

옵션:
  --model <size>      Whisper 모델 (tiny/base/small/medium/large-v3, 기본: base)
  --chunk <seconds>   청크 길이 (기본: 300 = 5분)
  --folder <name>     Obsidian 폴더명 (기본: youtube-live)
  --no-summary        요약 없이 트랜스크립트만 저장

모델 비교:
  tiny      — 가장 빠름, 정확도 낮음
  base      — 빠르고 적당한 정확도 (기본, 추천)
  small     — 균형 잡힌 속도/정확도
  medium    — 높은 정확도, 느림
  large-v3  — 최고 정확도, 매우 느림 (GPU 권장)

기술 스택: yt-dlp → ffmpeg → faster-whisper → Obsidian