Звучит так, будто вы уже прошли большую часть пути.В вашем приложении есть возможность перечислить видео и загрузить выбранные.Вам просто нужна инфраструктура для воспроизведения аудио непосредственно из видеофайлов.
Видео YouTube могут быть как FLV, так и MP4 файлами.Внутри этих файлов может быть аудио MP3 или AAC (возможны некоторые другие аудиокодеки, но вы не встретите их на YouTube).Это означает, что ваше приложение должно знать, как разбирать файлы FLV и MP4 напрямую и как декодировать аудио MP3 и AAC напрямую в PCM.Существуют библиотеки, которые могут помочь с этими задачами, в зависимости от вашего языка и платформы.