Mindket

通过表单、根据字幕总结的 YouTube 视频

新上架第 1 版 · 更新于

概览

一个带网页表单的 n8n 工作流。粘贴一个 YouTube 链接,Apify 的 actor 取回字幕文本,OpenAI 模型再写出一份摘要。

通过表单、根据字幕总结的 YouTube 视频 是一款 n8n 工作流,属于研究类,由 Mindket 上架。可免费获取。当前为第 1 版,最近更新于 。在本页下载,或复制它的 JSON,再导入 n8n 画布。在 n8n 里启用之前,它不会运行。

速览

用在
  • n8n Cloud:在那里新建一个工作流,把文件导入进去
  • 你自己的 n8n 服务器:同一个文件,同样的步骤
  • 别的触发器:把表单换成 webhook 或其他会发来名为 Full URL 的字段的触发器
  • 别的字幕服务:换掉 Request YouTube Transcript 的地址和请求体

平台

连接 2 个应用

运行方式

触发

网页表单

有人提交表单时开始运行,表单里有:

  • 完整的 YouTube 地址,填在 Full URL 字段里

动作

  1. 链接被发给一个 Apify 的字幕抓取 actor
  2. Apify 返回这个视频的字幕文本
  3. 摘要链把文字切成若干段,逐段做摘要
  4. 摘要链再把这些分段摘要合成一份摘要
  5. 摘要放在 n8n 里这次运行的输出中

结果

一份写好的视频摘要,放在这次运行的输出里

集成

开始之前要准备好这些。

Apify

字幕来源

对视频链接运行一个字幕 actor,并返回它的字幕文本。

需要Apify API 令牌

OpenAI

语言模型

逐段总结字幕文本,再把结果合在一起。

需要OpenAI API 密钥

工作流检查

由 Mindket 于 2026年11月13日检查

步骤
4 个步骤,由表单启动
AI
1 个步骤调用 AI 模型:Summarization of a YouTube script
登录
需要登录:OpenAI
API 密钥
文件里没有留下 API 密钥
步骤类型
Mindket 的检查器能读懂它全部 4 种步骤类型

以上内容读自工作流文件,并非实际运行的结果。

关于

它是什么

这个 n8n 工作流把一个 YouTube 链接变成一份书面摘要。有人把链接粘贴进一个小小的网页表单。Apify 的 actor 取回视频的字幕文本,OpenAI 模型再用 Map Reduce 摘要链把它总结出来。整个流程由五个节点完成。旁边有五张便签。

适合谁

想在花一小时之前先知道一个长视频大意的研究人员、学生、创作者和忙碌的读者。想学摘要链怎么运作的人也合适。如果你关心的视频没有字幕,就别选它,因为工作流只总结 actor 返回的文字。

谁在用,怎么用
行业谁在用怎么用例子
研究分析师在决定看不看之前,先浏览一场长演讲或访谈一位分析师粘贴一场会议演讲,先读摘要。
教育学生把一段讲座录像变成简短的笔记一位学生粘贴一场讲座,把摘要放在笔记旁边。
媒体创作者和编辑看看竞争对手的视频讲了什么一位创作者粘贴对手的视频,对比各个要点。
培训团队负责人把一场网络研讨会录像的大意分享给错过的人一位负责人粘贴一场研讨会,把摘要发给团队。

你需要会一点 n8n:导入一个文件、添加一个 OpenAI 凭据,并把一个 Apify 令牌填进一个地址。文件里没有写设置要多久。

用在哪里

任何能访问 Apify 和 OpenAI 的 n8n 都能运行它。

  • n8n Cloud:在那里新建一个工作流,把文件导入进去
  • 你自己的 n8n 服务器:同一个文件,同样的步骤
  • 别的触发器:把表单换成 webhook 或其他会发来名为 Full URL 的字段的触发器
  • 别的字幕服务:换掉 Request YouTube Transcript 的地址和请求体

设置

点“下载”会把一个压缩包存到你的下载文件夹,里面有 workflow.json 和 Mindket 写的设置说明。两个账号就覆盖所有步骤。

先准备好这些
需要说明
n8nn8n Cloud 或你自己的服务器
Apify一个账号和它的 API 令牌,用于字幕 actor
OpenAI聊天模型用的 API 密钥
  1. 在 n8n 里新建一个工作流,打开它的菜单,选 Import from File,选中 workflow.json。
  2. 打开 Request YouTube Transcript,把它地址里的 <YOUR_APIFY_TOKEN> 换成你的 Apify API 令牌。换别的 actor 也行,只要它的输入接受 startUrls。
  3. 添加 OpenAI 凭据,在 Summarization Engine 里选中它。
  4. 保存。打开 YouTube video URL,用它的测试表单地址,把一个 YouTube 链接粘贴进 Full URL 并提交。
  5. 在这次运行的输出里读摘要,位置在 Summarization of a YouTube script。

如何使用

打开表单,粘贴一个完整的 YouTube 地址并提交。表单只会说你的回复已记录。要读摘要,请在 n8n 里打开这次运行。

想要不同的效果,改这里
要改的在哪里改
视频来源Request YouTube Transcript 的地址和请求体
摘要的风格Summarization of a YouTube script 的选项下面的方法和提示
模型Summarization Engine
输入把表单换成会发来 Full URL 的 webhook

示例

你粘贴一场长会议演讲的链接。

表单回复说你的回复已记录。在 n8n 里,这次运行显示 actor 返回的字幕文本,和模型根据它写出的摘要。浏览一下摘要,再决定这场演讲值不值得花时间。

新手与专家

新手:n8n 把工作流画成用线连起来的方框,每个方框是一个节点,只做一件事。这里表单是起点,请求取回文字,摘要链把文字缩短。聊天模型是摘要链借用的大脑。从左到右顺着方框看就行。

专家:摘要链把每一项的 JSON 当作它的文本,所以 actor 返回的内容决定了摘要的样子。

值得细看的地方
节点做什么要知道的
YouTube video URL2.2 版的 Form Trigger,一个字段 Full URL,路径是 youtube-summary表单没有登录,用 n8n 默认的文字作答
Request YouTube Transcript4.2 版的 HTTP Request,一个 POST,JSON 请求体里有 startUrlsApify 的运行接口在 300 秒之后回复 408
Summarization of a YouTube script2 版的 Summarization Chain,以节点输入的 JSON 为文本,每块 1000 个字符、重叠 200,Map Reduceactor 返回的每一项各得一份摘要
Summarization Engine1.1 版的 OpenAI Chat Model,用 gpt-5.6-terra在 Mindket 的副本里设置,因为原始副本没有指定模型

注意事项

表单不显示摘要,而且长视频要花很多次模型调用。

  • 输出:表单回复“Your response has been recorded”。摘要在 n8n 里这次运行的输出中
  • 开放的表单:工作流一发布,任何有表单地址的人都能在你的 Apify 和 OpenAI 账号上开始一次运行
  • 计费:Apify 按每次运行计费,OpenAI 为每一块字幕文本计一次调用,再加一次把它们合起来
  • 模型:原始副本没指定模型,所以 n8n 会用 gpt-5-mini,OpenAI 会在 2026 年 12 月 11 日停用它。Mindket 的副本指定 gpt-5.6-terra
  • 你的数据:视频链接发给 Apify,字幕文本发给 OpenAI
  • actor:文件里的请求体适配 Apify 的 topaz_sharingan~Youtube-Transcript-Scraper。请查看它的页面,了解价格和它能读的视频
  • 凭据:这个 JSON 里没有任何凭据,地址里的 Apify 令牌是占位符

README 和文件

README

通过表单、根据字幕总结的 YouTube 视频

一个带网页表单的 n8n 工作流。你粘贴一个 YouTube 链接,Apify 的 actor 取回视频的字幕文本,OpenAI 模型再写出一份摘要。摘要放在 n8n 里这次运行的输出中。

里面有什么

  • workflow.json:n8n 导出的工作流,5 个节点,另有 5 张便签。里面没有任何凭据。
  • README.md:这份说明。

我们对原始副本做了哪些改动

Mindket 补上了这份副本留下的空缺:

  • 请求节点的地址写的是“Apify API_KEY Here ???”,一句提醒你去填的话。现在它放的是 Apify 的“运行并返回”接口的地址,对应 actor topaz_sharingan~Youtube-Transcript-Scraper,token= 后面是 <YOUR_APIFY_TOKEN>。请求体本来就符合这个 actor 的输入,一个叫 startUrls 的列表。Mindket 于 2026 年 11 月 12 日在 Apify 商店里读到了这一点。
  • 表单的路径原来是 ddd。现在是 youtube-summary。
  • 聊天模型没有指定模型,所以 n8n 会填上 gpt-5-mini,OpenAI 会在 2026 年 12 月 11 日停用它。Mindket 的副本指定 gpt-5.6-terra,这是 OpenAI 给它的替代。
  • 有一张便签把你指向一个 Mindket 没有的页面。Mindket 改写了它。
  • 里面没有任何凭据。

开始之前

  • 一个 n8n 实例,n8n Cloud 或你自己的服务器都行。
  • 一个 Apify 账号和它的 API 令牌。Apify 按每次运行计费,开始之前先看一下这个 actor 的页面。
  • 一个 OpenAI API 密钥。

设置步骤

  1. 在 n8n 里新建一个工作流,打开它的菜单,选 Import from File,选中 workflow.json。
  2. 打开 Request YouTube Transcript,把地址里的 <YOUR_APIFY_TOKEN> 换成你的 Apify API 令牌。要用别的 actor,就把它的 ID 换进地址。它的输入必须接受 startUrls,否则你要改请求体。
  3. 添加 OpenAI 凭据,在 Summarization Engine 里选中它。
  4. 保存。打开 YouTube video URL,用它的测试表单地址,把一个 YouTube 链接粘贴进 Full URL 并提交。
  5. 在 n8n 里打开这次运行,在 Summarization of a YouTube script 的输出里读摘要。

一次运行是怎么走的

  1. YouTube video URL 显示一个只有一个字段 Full URL 的表单。有人提交它时,一次运行就开始。
  2. Request YouTube Transcript 把链接以 {"startUrls": ["<the link>"]} 的形式发给 Apify,并等 actor 跑完。Apify 的文档(2026 年 11 月 12 日查看)说,一次运行超过 300 秒时,这个接口会回复 408。
  3. Summarization of a YouTube script 取 actor 返回的每一项,把它全部的 JSON 当作文本,切成每块 1000 个字符、重叠 200 的块。然后用 Map Reduce 方法和节点默认的提示来总结。
  4. Summarization Engine 是它用的聊天模型。
  5. No Operation, do nothing 结束这次运行。

想改样子,改这里

  • 视频来源:Request YouTube Transcript 里的地址和请求体。任何返回字幕文本的服务都行。
  • 摘要的风格:Summarization of a YouTube script 的选项下面的方法和提示。
  • 模型:Summarization Engine。
  • 输入:把表单换成 webhook 或任何触发器。请求体读的是字段 Full URL。
  • 摘要去哪里:在 No Operation, do nothing 后面加节点,比如发邮件或写一行表格。

要知道的

  • 表单回复“Your response has been recorded”,这是 n8n 表单的默认文字。它不显示摘要,摘要要在这次运行的输出里读。
  • 表单没有登录。工作流一发布,任何有它地址的人都能在你的 Apify 和 OpenAI 账号上开始一次运行。
  • 长的字幕文本意味着很多次模型调用,因为 Map Reduce 先总结每一块,再把结果合起来。
  • 视频链接发给 Apify,字幕文本发给 OpenAI。
  • actor 的页面说明它能读哪些视频、返回什么。在你依赖摘要之前先看一下。
  • 这个 JSON 里没有任何凭据,地址里的令牌是占位符。
文件
NOTICE.md  606 B
README.md  4 KB
workflow.json  6 KB

3 个文件,共 10 KB,以 zip 压缩包下载。

更新内容

  • 第 1 版 · 2026-11-12

评价

还没有评分

写评价

还没有评价。

Mindket 的更多商品

查看 Mindket 的全部商品

anaksor-ocr

Sokheng · 工具包

这个模型从文档、收据和路牌照片里读取高棉语和英语文字,用一个检测器找文本行,再用识别器读每一行。适合需要在 Python 里做高棉语 OCR 的开发者。

新上架

Qwen2.5-7B-Instruct-GGUF

Qwen · 工具包

Qwen2.5-7B-Instruct 的 GGUF 文件,提供八种量化大小,可通过 llama.cpp 在本地聊天。适合想在自己电脑上用 7.6B 强力模型、又不想搭 Python 环境的人。

新上架

ACE-Step 1.5 XL SFT

ACE-Step · 工具包

用 4B 扩散解码器根据文字生成音乐,50 步并带引导控制,音频质量高于基础版。适合拥有 12 GB 或更多显存 GPU 的创作者。

新上架

研究类的相似商品

查看研究类的全部商品

Merlin-Cancer-Super

AbdomenAtlas · 工具包

在 CT 扫描上检测并勾画 9 个器官的肿瘤,使用从放射学报告中学习的 R-Super 方法训练。这是面向医学影像团队的研究模型,采用非商业许可。

新上架

EarthJev

dBenf · 工具包

回答关于卫星图像块的类型化问题,使用 Sentinel-2 的全部 12 个波段,为每个选项返回概率,不生成文字。这是 Qwen3.5-0.8B 的微调版本,适合地球观测研究者。

新上架

getting-over-it-rl-jax

zimmerk4 · 工具包

用一个在 JAX 物理模拟器里学会的小型策略网络,从头到尾通关游戏 Getting Over It。适合强化学习研究者和好奇的动手爱好者。

新上架