Einen persönlichen YouTube-Zusammenfasser mit n8n, Telegram und Azure AI erstellen

Das Problem

Wir alle kennen diese Momente: Jemand teilt ein 45-minütiges YouTube-Video, und man möchte wissen, ob es die Zeit wert ist. Ich wollte eine schnelle Möglichkeit, Zusammenfassungen von YouTube-Videos zu erhalten, ohne sie manuell anzusehen oder URLs in verschiedene Tools zu kopieren.

Die Lösung? Ein persönlicher Telegram-Bot, der sofort jedes YouTube-Video zusammenfasst, das ich ihm sende.

Was ich gebaut habe

Ich habe einen n8n-Workflow erstellt, der:

1. YouTube-Links über einen Telegram-Bot empfängt
2. Video-Transkripte mit einer benutzerdefinierten Flask-API extrahiert
3. Das Transkript zur Zusammenfassung an Azure OpenAI (GPT-4o-mini) sendet
4. Eine prägnante Zusammenfassung mit 3-5 Punkten an Telegram zurücksendet

Wichtig: Ich habe eine Authentifizierung hinzugefügt, um sicherzustellen, dass nur ich den Bot verwenden kann – dies ist ein persönliches Lernprojekt, kein öffentlicher Dienst, und ich wollte unerwartete API-Kosten vermeiden.

Die Architektur

Komponenten

Telegram-Bot: Die Benutzeroberfläche. Hier sende ich YouTube-Links und erhalte Zusammenfassungen.

n8n-Workflow: Die Orchestrierungsschicht, die alle Dienste verbindet.

Benutzerdefinierte YouTube-Transkript-API: Eine Flask-API, die yt-dlp verwendet, um Video-Transkripte zu extrahieren und in Docker läuft.

Azure OpenAI: GPT-4o-mini-Modell zur Generierung intelligenter Zusammenfassungen.

Der Workflow-Ablauf

So funktioniert der Workflow:

1. Webhook-Trigger: Empfängt POST-Anfragen von Telegram, wenn ich eine Nachricht sende
2. Authentifizierungsprüfung: Validiert, dass die Nachricht von meiner Telegram-Chat-ID stammt
3. Video-ID-Extraktion: JavaScript-Code extrahiert die YouTube-Video-ID aus verschiedenen URL-Formaten
4. Transkript-Abruf: HTTP-Anfrage an meine lokale Transkript-API unter http://youtube-transcript-api:5000/transcript
5. KI-Zusammenfassung: Azure OpenAI verarbeitet das Transkript und generiert 3-5 Kernpunkte
6. Telegram-Antwort: Sendet die formatierte Zusammenfassung an mich zurück
7. Webhook-Antwort: Bestätigt den Empfang an Telegram

Wichtige Implementierungsdetails

Authentifizierung

Der kritischste Teil war die Beschränkung des Zugriffs auf mich allein. Ich habe einen n8n-"If"-Knoten verwendet, der zwei Bedingungen prüft:

• Nachrichtentext existiert (es ist kein Bild oder Sticker)
• Chat-ID entspricht meiner persönlichen Telegram-ID

// Bedingungen in n8n
$json.body.message.text (existiert)
$json.body.message.chat.id (gleich YOUR_CHAT_ID)

Wenn eine der Bedingungen fehlschlägt, stoppt der Workflow – kein Transkript wird abgerufen, keine API-Aufrufe werden gemacht, keine Kosten entstehen.

Umgang mit YouTube-URLs

YouTube-URLs gibt es in vielen Formaten: youtube.com/watch?v=, youtu.be/, Embeds usw. Ich habe einen JavaScript-Code-Knoten geschrieben, um Video-IDs zuverlässig zu extrahieren:

const url = $input.first().json.body.message.text;
const videoIdMatch = url.match(/(?:youtu\.be\/|youtube\.com\/watch\?v=|youtube\.com\/embed\/|youtube\.com\/v\/)([a-zA-Z0-9_-]{11})/);
const videoId = videoIdMatch ? videoIdMatch[1] : null;

Die Transkript-API

Ich habe eine einfache Flask-API erstellt, die yt-dlp zur Transkriptextraktion umschließt. Sie läuft in Docker und verbindet sich mit n8n über ein gemeinsames Docker-Netzwerk:

networks:
  n8n_n8n-network:
    external: true

Dies ermöglicht es n8n, sie unter http://youtube-transcript-api:5000 aufzurufen, ohne Ports extern freizugeben.

Profi-Tipp: YouTube zeigt gelegentlich "Melden Sie sich an, um zu bestätigen, dass Sie kein Bot sind"-Fehler. Die Lösung? Exportieren Sie Ihre Browser-Cookies mit einer Browser-Erweiterung und mounten Sie sie in den Docker-Container.

Azure OpenAI-Integration

Ich habe den Azure OpenAI Chat Model-Knoten von n8n mit GPT-4o-mini verwendet. Der Prompt ist einfach:

System: Du bist ein hilfreicher Assistent, der YouTube-Videos zusammenfasst.
Benutzer: Fasse dieses YouTube-Transkript in 3-5 Kernpunkten zusammen. Transkript:
{{ $json.full_text }}

Das Modell antwortet mit einer sauberen, formatierten Zusammenfassung, die direkt an Telegram gesendet wird.

Was ich gelernt habe

n8n ist mächtig, erfordert aber Aufmerksamkeit für Details

• Das Referenzieren von Daten zwischen Knoten mit Ausdrücken wie ={{ $('Webhook Trigger').item.json.body.message.chat.id }} erfordert Übung
• Der visuelle Workflow macht das Debugging viel einfacher als reine Code-Lösungen

Docker-Netzwerke sind wichtig

Die Kommunikation zwischen der Transkript-API und n8n erforderte das Verständnis von Docker-Netzwerken. Sobald ich sie zum gleichen Netzwerk hinzugefügt hatte, funktionierte alles.

Authentifizierung ist essenziell

Selbst für persönliche Projekte verhindert eine einfache Chat-ID-Prüfung versehentliche Nutzung und unkontrollierte Kosten.

KI-Modelle sind überraschend gut bei Zusammenfassungen

GPT-4o-mini produziert durchweg hochwertige Zusammenfassungen, die die Essenz von Videos erfassen, ohne Inhalte zu halluzinieren.

Laufende Kosten

Dies ist für meine Nutzung praktisch kostenlos:

• n8n: Selbst gehostet, keine Kosten
• Azure OpenAI: Pay-per-Token
• Telegram: Kostenlos
• Docker: Lokale Ressourcen

Mit der Authentifizierung habe ich die volle Kontrolle darüber, wann die KI aufgerufen wird.

Zukünftige Verbesserungen

Einige Ideen, die ich in Betracht ziehe:

• Unterstützung für Videos ohne Transkripte mit Whisper hinzufügen
• Zusammenfassungen in einer Datenbank für zukünftige Referenz speichern
• Befehle wie /summary vs. /detailed für verschiedene Zusammenfassungslängen hinzufügen
• Unterstützung für Playlist-Zusammenfassungen

Probieren Sie es selbst aus

Der vollständige Code ist auf GitHub verfügbar. Sie benötigen:

• n8n-Instanz (Docker empfohlen)
• Telegram-Bot-Token
• Azure OpenAI-API-Schlüssel
• Docker für die Transkript-API

Importieren Sie die Workflow-JSON, richten Sie Ihre Anmeldedaten ein, aktualisieren Sie die Chat-ID auf Ihre eigene, und schon kann es losgehen!

Möchten Sie eine kurze Übersicht über dieses Projekt? Schauen Sie es sich in meinem Portfolio an →

Fazit

Dieses Projekt war eine hervorragende Möglichkeit, tiefer in die Fähigkeiten von n8n einzutauchen und mehr über die Integration verschiedener APIs und KI-Modelle zu lernen. Der echte Gewinn war, etwas wirklich Nützliches für meinen täglichen Workflow zu bauen – ich benutze diesen Bot jetzt mehrmals pro Woche.

Wenn Sie n8n lernen oder KI-Integrationen erkunden, empfehle ich Ihnen dringend, etwas Ähnliches zu bauen. Die praktische Erfahrung beim Verbinden echter Dienste ist unbezahlbar.

Dies ist ein Demo-Projekt, das zu Lernzwecken erstellt wurde. Die Authentifizierung stellt sicher, dass es ein persönliches Tool und kein öffentlicher Dienst bleibt.