Skip to content
ZapiszPrzepis docs

Trzecie źródło: przepisy z YouTube

S-04: YouTube Recipe Source

Cel

Trzecie źródło przepisów — film z YouTube trafia do aplikacji i mama widzi przepis z osadzonym odtwarzaczem wideo pod treścią przepisu.

Pivot względem pierwotnego planu

Pierwotny plan (poniżej, w sekcji „Plan archiwalny”) zakładał yt-dlp (pobranie audio) + Whisper (transkrypcja). To ślepa uliczka w tym stacku: pipeline ekstrakcji żyje w runtime serverless (Inngest na Cloudflare), gdzie nie ma jak uruchomić binarki/subprocesu yt-dlp. To była ściana „z YouTube był problem”.

Zamiast tego zapisujemy sam 11-znakowy video ID (recipes.youtube_id) i osadzamy youtube-nocookie iframe na detalu. Dwie ścieżki:

  • Opcja 1 — udostępniony link YouTube (source_type='youtube'): ID z URL-a (youtubeIdFromUrl); tekst przepisu best-effort z tytułu + opisu wideo (Firecrawl scrapuje stronę YT).
  • Opcja 2 — wpis blogowy z osadzonym filmem (source_type='web_blog'): tekst z bloga (S-02), a ID z dedykowanego full-page embed-scanu HTML (findEmbeddedYoutubeId).

Co weszło

  • Migracja recipes.youtube_id (nullable, 11 znaków) — 20260612100000 — d6a81ba
  • src/lib/youtube.ts — youtubeIdFromUrl (watch/youtu.be/shorts/embed/live), findEmbeddedYoutubeId (skan HTML), współdzielone normalizeHost/isYoutubeHost — d6a81ba
  • detect-source-type — hosty YT → source_type='youtube' (reużywa host-helperów) — d6a81ba
  • firecrawl — opcje scrapera YT; buildEmbedScanOptions (full-page, bez excludeTags) — d6a81ba, ddd0a6c
  • inngest/functions — youtubeId = youtubeIdFromUrl(sharedUrl) ?? findEmbeddedYoutubeId(embedHtml || html); insert + gap-fill; embed-scan równolegle (Promise.all) dla web_blog — d6a81ba, ddd0a6c
  • Detal — responsywny 16:9 youtube-nocookie iframe w sekcji „Wideo” pod przepisem — d6a81ba

Checklist testowania

Konwencja: - [ ] oczekujące, - [x] wykonane. — <sha> przy realizacji.

  • Build/typecheck/lint przechodzi dla plików S-04 — ddd0a6c
  • youtubeIdFromUrl / findEmbeddedYoutubeId / detectSourceType — 18/18 przypadków (watch/youtu.be/shorts/embed/live/m., iframe/anchor, malformed) — d6a81ba
  • Opcja 1 end-to-end: link YT → source_type=youtube, youtube_id z URL, iframe na detalu — zweryfikowane na produkcji (zapiszprzepis.pl) — 21cef04
  • Opcja 2 end-to-end: blog z osadzonym YT (kwestiasmaku paella) → source_type=web_blog, youtube_id=ycttbMHPISM, tekst przepisu OK — zweryfikowane lokalnie — 35ff8c5
  • Tekst best-effort z opisu wideo (Opcja 1) — 15 składników/4 kroki z filmu Smaczny.TV — 21cef04
  • RLS: dziedziczona z S-01 (insert z user_id, ten sam path) — d6a81ba

Ryzyka / znane ograniczenia

  • Firecrawl bywa wolny na stronach YT — intermittentny Request Timeout; pokrywa retries: 3 Inngesta.
  • Opcja 2 robi drugi scrape dla każdego web_blog (też bez wideo) — latencja schowana przez Promise.all, koszt ~1 kredyt Firecrawl. Świadomy MVP-tradeoff; pre-check og:video/JSON-LD mógłby go pominąć, ale gubiłby zwykłe <iframe>.
  • Facade/JS-only embedy (np. AniaGotuje) nie wychodzą w scrapie — wideo wtedy się nie złapie. Akceptowalne best-effort.

Definition of Done

  • PR zmergowany do master (#75 + #76)
  • Filmy YouTube i blogi z osadzonym filmem dają youtube_id + iframe
  • Ten sam schemat przepisu co S-01/S-02
  • RLS dla źródeł YouTube

Plan archiwalny (yt-dlp + Whisper — PORZUCONY)

Zachowane dla kontekstu. Nie zaimplementowane — patrz „Pivot” wyżej.

Faza 1: Add yt-dlp to pipeline

  • Install package: pnpm add yt-dlp-exec or use native yt-dlp via subprocess
  • Detect YouTube URL, download video metadata + audio, pipe to Whisper

Faza 2: Integrate Whisper API

  • POST audio to OpenAI /v1/audio/transcriptions, pass transcript to the LLM extraction

Faza 3: Error handling + testing

  • yt-dlp failures (age-restricted, deleted, geo-blocked), Whisper failures, metadata fallback

Powód porzucenia: brak możliwości uruchomienia binarki yt-dlp w serverless (Inngest/Cloudflare).