نوشتهٔ تحریریهٔ whispertranscribe.ai · آخرین بهروزرسانی: نوامبر 2026 · زمان مطالعه: 12 دقیقه
سه راه برای تبدیل ویدئوی یوتیوب به متن وجود دارد. اگر ویدئو زیرنویس دارد، متن داخلی یوتیوب را باز و در سندی کپی و مرتب کنید. میتوانید پیوند عمومی را به یک ابزار تبدیل صوت به متن با هوش مصنوعی بدهید یا اگر ویدئو متعلق به خودتان است فایل اصلی را بارگذاری کنید. دو روش آخر برای ویدئوی بدون زیرنویس هم کار میکنند.
هر سه روش را مرحلهبهمرحله توضیح میدهیم. همچنین چکلیست مرتب کردن متن کپیشده، جدولی برای انتخاب روش و راهی برای استفاده از یک متن در زیرنویس، خلاصه یا نوشتهٔ وبلاگ میآوریم.
پاسخ کوتاه: چگونه ویدئوی یوتیوب را به متن تبدیل کنیم؟
سریعترین راه رایگان، پنل Show transcript خود یوتیوب است. این پنل فقط برای ویدئوی دارای زیرنویس نمایش داده میشود و فایل قابل دانلود نمیدهد. اگر متن مرتب و قابل خروجی گرفتن میخواهید یا ویدئو زیرنویس ندارد، از ابزار هوش مصنوعی با قابلیت دریافت پیوند استفاده کنید.
- در یوتیوب دنبال متن بگردید. توضیحات ویدئو را باز کنید و روی Show transcript بزنید.
- متن را کپی و مرتب کنید. متن را در سندی بچسبانید و زمانها و برچسبهای صدا را پاک کنید.
- متن موجود نیست یا فایل لازم دارید؟ پیوند را در ابزار تبدیل پیوند به متنِ whispertranscribe.ai بگذارید و خروجی TXT، DOCX یا SRT بگیرید.
روش 1: از گزینهٔ داخلی «Show transcript» یوتیوب استفاده کنید
یوتیوب برای ویدئوهای دارای زیرنویس متن کامل نمایش میدهد، چه زیرنویس را سازنده بارگذاری کرده باشد، چه یوتیوب بهصورت خودکار ساخته باشد. طبق راهنمای یوتیوب، پنل از توضیحات ویدئو باز میشود و متن همزمان با پخش جلو میرود.
آنچه لازم دارید: ویدئوی دارای زیرنویس. اگر سازنده زیرنویس اضافه نکرده و یوتیوب هم آن را نساخته باشد، دکمه نمایش داده نمیشود.
در رایانه (مرورگر وب)
- ویدئو را در youtube.com باز کنید.
- روی توضیحات زیر ویدئو بزنید تا کامل باز شود.
- به انتهای توضیحات بروید و روی Show transcript بزنید. پنل متن کنار پخشکننده باز میشود.
- روی هر خط بزنید تا ویدئو به همان لحظه برود.
- برای کپی، متن را در پنل انتخاب کنید و در یک سند بچسبانید. در منوی پنل، Toggle timestamps به شما اجازه میدهد پیش از کپی زمانها را پنهان کنید.
در گوشی (برنامهٔ یوتیوب)
- ویدئو را در برنامهٔ یوتیوب باز کنید.
- روی توضیحات بزنید تا باز شود.
- روی Show transcript بزنید و برای رفتن به هر لحظه، خط مربوط را لمس کنید.
صفحهٔ راهنمای یوتیوب خواندن متن و رفتن به زمان مشخص را توضیح میدهد. دربارهٔ کپی کردن از داخل برنامه توضیحی نمیدهد. اگر متن را در سند لازم دارید، استفاده از نسخهٔ رایانه آسانتر است.
💡 نکته: اگر ویدئو مال خودتان است، میتوانید مستقیماً از YouTube Studio اقدام کنید. به Subtitles بروید، ویدئو را باز کنید، کنار زبان روی Edit و سپس Options → Download subtitles بزنید (راهنمای یوتیوب). این گزینه برای بینندگان در دسترس نیست.
محدودیتهای متن داخلی یوتیوب
متن یوتیوب برای مرور سریع یا پیدا کردن نقلقول مناسب است. وقتی متن کامل و دقیق برای استفادهٔ دوباره میخواهید، محدودیتهایی دارد. موارد زیر از مستندات راهنمای یوتیوب گرفته شدهاند.
1. نمایش متن به وجود زیرنویس وابسته است
پنل متن بر اساس مسیر زیرنویس ساخته میشود. اگر زیرنویسی وجود ندارد، پنل چیزی برای نمایش ندارد. یوتیوب چند دلیل برای ساخته نشدن خودکار زیرنویس میآورد: پردازش صدا هنوز تمام نشده، زبان پشتیبانی نمیشود، ویدئو بیش از حد طولانی است، کیفیت صدا پایین است، ابتدای ویدئو سکوت طولانی دارد یا گویندگان همزمان یا به چند زبان صحبت میکنند. راهنمای زیرنویس خودکار.
2. زیرنویس خودکار ممکن است کلمات را اشتباه بنویسد
به گفتهٔ یوتیوب، تلفظ نادرست، لهجه، گویش یا نویز پسزمینه میتوانند باعث شوند زیرنویس خودکار محتوای گفتار را نادرست منعکس کند. یوتیوب از سازندگان میخواهد زیرنویس را بازبینی کنند. اگر سازنده آن را اصلاح نکرده باشد، خطاهای تشخیص گفتار وارد متن میشوند.
3. زیرنویس خودکار فقط یک زبان را پوشش میدهد
اگر ویدئو چند مسیر صدا دارد، یوتیوب فقط برای زبان پیشفرض زیرنویس خودکار میسازد. ویدئوهایی که در آنها گویندگان دو زبان را با هم ترکیب میکنند، از نمونههایی هستند که یوتیوب میگوید شاید زیرنویس خودکار برایشان ساخته نشود.
4. برچسب گوینده وجود ندارد
زیرنویس خودکار گفتار را به متن تبدیل میکند. در صفحات راهنمای یوتیوب قابلیتی برای شناسایی گویندگان توضیح داده نشده است. در مصاحبه یا میزگرد، خطها پشت سر هم نمایش داده میشوند و معلوم نیست هر جمله را چه کسی گفته است. نامها فقط وقتی پیدا هستند که سازنده آنها را در زیرنویس نوشته باشد.
5. بیننده نمیتواند فایل بگیرد
بیننده میتواند متن را بخواند، روی خطها بزند و آنها را کپی کند. گزینهای برای دانلود TXT، DOCX یا SRT ندارد. Download subtitles در YouTube Studio است و فقط صاحب کانال یا کسی که به Studio دسترسی دارد میتواند از آن استفاده کند.
روش 2: ویدئوی یوتیوب را با whispertranscribe.ai به متن تبدیل کنید
whispertranscribe.ai ابزاری تحت مرورگر است که از مدل تشخیص گفتار Whisper شرکت OpenAI استفاده میکند. یک پیوند عمومی از YouTube، Vimeo، Google Drive یا Dropbox وارد میکنید و ابزار خود صدا را به متن تبدیل میکند. به زیرنویس موجود وابسته نیست و برای ویدئوهایی که یوتیوب زیرنویس نکرده هم کار میکند.
طبق مقالهٔ پژوهشی OpenAI، Whisper با 680,000 ساعت دادهٔ نظارتشدهٔ چندزبانه و چندوظیفهای آموزش دیده است. مقاله گزارش میدهد مدلها بدون تنظیم دقیقِ مجدد بهخوبی روی نمونههای جدید کار میکنند. whispertranscribe.ai بیش از 130 زبان را پشتیبانی میکند و برای صدای واضح به دقت تا 99% میرسد. نویز پسزمینه، لهجهٔ پررنگ و همزمانی صداها دقت را کم میکنند، پس متن را بازبینی کنید.
مرحلهٔ 1: ابزار پیوند را باز و زبان گفتار را انتخاب کنید
به تبدیل پیوند به متن یا صفحهٔ تبدیل ویدئوی یوتیوب به متن بروید. در مرحلهٔ 1 زبان گفتار ویدئو را انتخاب کنید. اگر نوع منطقهای دارد، مثلاً انگلیسی بریتانیا، انگلیسی هند، اسپانیایی آمریکای لاتین یا پرتغالی برزیل، گزینهٔ مناسب را بزنید.
مرحلهٔ 2: پیوند یوتیوب را وارد کنید
نشانی ویدئو را از نوار نشانی مرورگر یا دکمهٔ Share یوتیوب کپی کنید و در کادر پیوند بگذارید. پیوند باید برای عموم باز باشد.
مرحلهٔ 3: تشخیص گوینده را فعال کنید (اختیاری)
اگر چند نفر حرف میزنند، مثل مصاحبه، پادکست یا میزگرد، Enable Speaker Detection را روشن کنید. متن، هر گوینده را جداگانه برچسب میزند. متن داخلی یوتیوب این امکان را ندارد.
مرحلهٔ 4: تبدیل به متن را شروع کنید
روی Start URL Transcription بزنید. متنی با نشانگرهای زمانی دریافت میکنید.
مرحلهٔ 5: در قالب لازم خروجی بگیرید
برای یادداشت و ویرایش TXT یا DOCX، برای اشتراکگذاری PDF، برای تحلیل CSV و برای فایل زیرنویس SRT/VTT را انتخاب کنید.
میتوانید رایگان و بدون حساب شروع کنید. قیمت طرحهای پولی با پرداخت سالانه از ماهی $9.99 شروع میشود. جزئیات روز را در صفحهٔ قیمتها ببینید.
روش 3: فایل ویدئو را بارگذاری کنید (برای ویدئوی خودتان)
اگر ویدئو را خودتان ساختهاید، احتمالاً فایل اصلی را دارید. بارگذاری فایل اصلی معمولاً سادهترین راه است. مشکلات مربوط به پیوند را کنار میگذارید و از بهترین نسخهٔ صدایی که در اختیار دارید استفاده میکنید.
- به صفحهٔ اصلی whispertranscribe.ai بروید و Transcribe Files را باز کنید.
- زبان گفتار را انتخاب کنید.
- فایل را بکشید و در کادر رها کنید یا آن را از دستگاهتان انتخاب کنید. قالبهای MP4، MOV، MKV، WEBM، AVI، MP3، WAV، M4A و قالبهای دیگر پشتیبانی میشوند. هر فایل میتواند حداکثر 5 گیگابایت باشد.
- در صورت نیاز Speaker Detection را روشن کنید، تبدیل به متن را شروع کنید و خروجی بگیرید.
فقط فایلهایی را بارگذاری کنید که حق استفاده از آنها را دارید، مانند ویدئویی که ساختهاید، تصویری که مجوزش را گرفتهاید یا محتوایی که اجازهٔ تبدیلش به متن را دارید. این راهنما به دانلود ویدئوهای دیگران از یوتیوب نمیپردازد. شرایط خدمات یوتیوب دانلود را در صورتی مجاز میداند که یوتیوب صریحاً آن را مجاز کرده باشد یا اجازهٔ لازم را داشته باشید. برای ویدئوی عمومی دیگران از روش 1 یا 2 استفاده کنید.
اگر فایل بسیار بزرگ است و بیشتر آن گفتار است، میتوانید ابتدا به MP3 تبدیلش کنید تا حجم بارگذاری کم شود.
کدام روش را انتخاب کنید؟
اگر فقط چند خط را میخواهید بخوانید یا نقل کنید، متن یوتیوب کافی است. اگر ویدئو زیرنویس ندارد، چند گوینده دارد یا فایل لازم دارید، از ابزار هوش مصنوعی با ورودی پیوند استفاده کنید. وقتی ویدئو مال خودتان است، فایل اصلی را بارگذاری کنید.
| آنچه نیاز دارید | بهترین روش | دلیل |
|---|---|---|
| خواندن همزمان یا پیدا کردن سریع نقلقول | روش 1: گزینهٔ Show transcript یوتیوب | رایگان و داخلی، بدون ابزار اضافی |
| متن ویدئوی بدون زیرنویس | روش 2: پیوند را وارد کنید | گفتار را از صدا استخراج میکند و به زیرنویس نیازی ندارد |
| تشخیص اینکه چه کسی چه گفت | روش 2 یا 3 با Speaker Detection | زیرنویس یوتیوب برچسب گوینده ندارد |
| فایل قابل دانلود TXT، DOCX یا PDF | روش 2 یا 3 | یوتیوب برای بیننده دکمهٔ دانلود ندارد |
| زیرنویس SRT یا VTT | روش 2 یا 3، خروجی SRT/VTT | فایل زیرنویس زمانبندی دارد |
| متن ویدئوی خودتان | روش 3: فایل اصلی را بارگذاری کنید | بهترین کیفیت صدا، بدون نیاز به پیوند |
| ویدئویی که چند زبان در آن به کار میرود | روش 2 با Multilingual Mix | زیرنویس خودکار یوتیوب یک زبان را میگیرد |
| جلسهٔ آموزشی یا پخش چندساعته | روش 2 یا 3 | طرحها فایلهای حداکثر 10 ساعته را میپذیرند |
چگونه متن کپیشدهٔ یوتیوب را مرتب کنیم؟
اگر روش 1 را انتخاب کردید، قبل از استفاده متن کپیشده را مرتب کنید. این چکلیست را مرور کنید:
- زمانها را حذف کنید. پیش از کپی در پنل روی Toggle timestamps بزنید. اگر متن را چسباندهاید، خطهایی را که فقط زمان دارند پاک کنید. در ویرایشگری که عبارت منظم را پشتیبانی میکند،
^\d{1,2}(:\d{2}){1,2}\s*$را جستوجو و با متن خالی جایگزین کنید. - خطهای شکسته را به هم بچسبانید. زیرنویس برای صفحه به تکههای کوتاه تقسیم میشود. شکستهای تکخط را با فاصله جایگزین کنید و وقتی موضوع عوض میشود پاراگراف تازه بسازید.
- برچسب صداها را پاک کنید. زیرنویس خودکار انگلیسی ممکن است صداها و نویز را داخل کروشه نشان دهد. یوتیوب به این نوع زیرنویس expressive captions میگوید. برای پیدا کردن برچسبهایی مثل [Music] یا [Applause]،
[را جستوجو کنید و موارد غیرضروری را بردارید. - حروف بزرگ را اصلاح کنید. زیرنویس توصیفی ممکن است گفتار بلند را با حروف تماماً بزرگ نمایش دهد. آن را به حالت عادی برگردانید.
- نشانهگذاری و نام گویندگان را اضافه کنید. زیرنویس خودکار معمولاً نشانهگذاری کمی دارد و گوینده را مشخص نمیکند. دوباره به بخشهایی که میخواهید نقل کنید گوش دهید.
- نامها و اعداد را بررسی کنید. پیش از انتشار، اسمهای خاص، اعداد و اصطلاحات تخصصی را با ویدئو تطبیق دهید.
روش 2 بخش زیادی از این کار را انجام میدهد. متن برچسب گوینده و نشانگرهای زمانی دارد و هنگام خروجی گرفتن میتوانید زمانها را نگه دارید یا حذف کنید.
از یک متن، زیرنویس، خلاصه یا نوشتهٔ وبلاگ بسازید
متن پیادهشده بعد از تبدیل هم کاربرد دارد:
- زیرنویس: خروجی SRT یا VTT بگیرید و فایل را در YouTube Studio از مسیر Subtitles → Upload file بارگذاری کنید. برای کنترل بیشتر از زیرنویسساز هوش مصنوعی استفاده کنید. اگر فایل ویدئو را دارید، تبدیل MP4 به SRT هم در دسترس است.
- خلاصه و یادداشت: خروجی TXT بگیرید و آن را در Whisper Transcribe AI Summary GPT در ChatGPT باز کنید تا نکتههای اصلی، یادداشتهای فصلها یا راهنمای مطالعه بگیرید.
- نوشتهٔ وبلاگ و یادداشت قسمت: از خروجی DOCX شروع کنید، بهترین نقلقولها را نگه دارید و بقیه را به شکل مقاله بازنویسی کنید. متن پیادهشده مواد اولیهٔ مقاله است.
- ترجمه: اگر ویدئو انگلیسی نیست و متن انگلیسی لازم دارید، از ترجمهٔ صدا به انگلیسی استفاده کنید.
ویدئوهای طولانی و چندزبانه
در دو موقعیت متن یوتیوب معمولاً کمک زیادی نمیکند:
- ویدئوهای طولانی. زیرنویس خودکار ممکن است برای ضبط کنفرانس، بازپخش زنده یا دورهٔ یکروزه تولید نشود. یوتیوب هم طول زیاد ویدئو را از دلایل احتمالی میداند. طرحهای whispertranscribe.ai فایلهای حداکثر 10 ساعته با حجم تا 5 گیگابایت را میپذیرند.
- ویدئوهای چندزبانه. مصاحبهای که مثلاً بین انگلیسی و اسپانیایی جابهجا میشود، برای زیرنویس تکزبانه دشوار است. در whispertranscribe.ai، حالت Multilingual Mix ضبطهایی را که انگلیسی، اسپانیایی، فرانسوی، آلمانی، هندی، روسی، پرتغالی، ژاپنی، ایتالیایی و هلندی در آنها ترکیب شده باشد پوشش میدهد.
نکتههایی برای نتیجهٔ بهتر
- گونهٔ دقیق زبان را انتخاب کنید. انگلیسی گزینههای آمریکا، بریتانیا، استرالیا، نیوزیلند و هند دارد. گزینههای چینی شامل سادهشده، سنتی و کانتونی هستند.
- برای صدای نامفهوم از Noise / Low-Quality استفاده کنید. بسیاری از زبانها گزینهای برای صدا و ویدئوی پرنویز یا کمکیفیت دارند، مثلاً مصاحبهٔ خیابانی، فیلم گوشی یا ویدئوی قدیمی.
- برای جابهجایی میان زبانها Multilingual Mix را بزنید. این گزینه برای گفتوگویی است که گویندگان در میانهٔ آن زبانشان را عوض میکنند.
- برای موسیقی English (Songs & Lyrics) را امتحان کنید. گزینهای جدا برای آواز به انگلیسی است.
- برای چند صدا Speaker Detection را روشن کنید. خواندن متن مصاحبه یا میزگرد آسانتر میشود.
- اگر نتیجه مناسب نیست گزینهٔ دیگری را امتحان کنید. راهنمای whispertranscribe.ai میگوید بعضی زبانها چند گزینه دارند. اگر از نتیجه راضی نیستید با یکی دیگر دوباره اجرا کنید.
- تا میتوانید فایل اصلی را بفرستید. فایل اصلی ویدئوی خودتان بهترین صدا را برای پردازش در اختیار مدل میگذارد.
برای انواع دیگر ویدئو ابزار عمومی تبدیل ویدئو به متن را ببینید.
حق نشر و استفادهٔ منصفانه
فقط محتوایی را به متن تبدیل کنید که حق استفاده از آن را دارید. متن ویدئوی دیگران همچنان گفتههای آنهاست. نقلقول کوتاه با ذکر منبع برای نقد، پژوهش یا آموزش اغلب مجاز است، ولی بازنشر متن کامل معمولاً اجازهٔ سازنده را میخواهد. یوتیوب موضوع را در راهنمای استفادهٔ منصفانه توضیح میدهد. قواعد از کشوری به کشور دیگر فرق دارند. این بخش اطلاعات عمومی است و مشاورهٔ حقوقی محسوب نمیشود. اگر مطمئن نیستید، از سازنده یا وکیل بپرسید.
پرسشهای رایج
آیا میتوانم ویدئوی بدون زیرنویس یوتیوب را به متن تبدیل کنم؟
بله. از ابزاری استفاده کنید که گفتار را از روی صدا پیاده میکند. گزینهٔ Show transcript یوتیوب فقط وقتی نمایش داده میشود که ویدئو زیرنویس داشته باشد. در whispertranscribe.ai، پیوند عمومی یوتیوب را وارد و زبان گفتار را انتخاب میکنید و گفتار از روی صدا به متن تبدیل میشود. چون به زیرنویس وابسته نیست، اگر یوتیوب بهدلیل نویز، مدت زیاد یا ترکیب زبانها زیرنویس خودکار نساخته باشد، باز هم کار میکند.
آیا میتوانم ویدئوی یوتیوب را رایگان به متن تبدیل کنم؟
بله. متن داخلی یوتیوب برای ویدئوهای دارای زیرنویس رایگان است. توضیحات را باز کنید، روی Show transcript بزنید و متن را کپی کنید. فایل قابل دانلود یا برچسب گوینده نمیدهد و به زیرنویس نیاز دارد. whispertranscribe.ai هم امکان شروع رایگان بدون حساب دارد تا پیش از خرید، یک ویدئو را امتحان کنید. قیمت طرحهای پولی با پرداخت سالانه از ماهی $9.99 شروع میشود.
چگونه متن ویدئوی یوتیوب را بدون زمانها بگیرم؟
قبل از کپی، زمانها را پنهان کنید. در نسخهٔ رایانه Show transcript را باز کنید، وارد منوی پنل شوید و Toggle timestamps را بزنید. سپس متن را انتخاب و کپی کنید. اگر زمانها را قبلاً در سند چسباندهاید، خطهای زمان را با جستوجو و جایگزینی پاک کنید. به چکلیست مرتبسازی بالا مراجعه کنید. با whispertranscribe.ai خروجی TXT یا DOCX برای متن خوانا و SRT/VTT برای متن دارای زمان بگیرید.
آیا میتوانم ویدئوی یوتیوب را به زبان دیگری پیاده کنم یا به انگلیسی ترجمه کنم؟
بله. whispertranscribe.ai بیش از 130 زبان را پشتیبانی میکند، از جمله گونههایی مانند اسپانیایی آمریکای لاتین و کانتونی. زبان گفتار را قبل از پردازش انتخاب کنید. اگر گویندگان زبانشان را عوض میکنند، Multilingual Mix را بزنید. اگر از ویدئوی غیرانگلیسی متن انگلیسی میخواهید، از ابزار ترجمهٔ صدا به انگلیسی استفاده کنید. زیرنویس خودکار یوتیوب زبانهای کمتری دارد و فقط در زبان پیشفرض ویدئو ساخته میشود.
ویدئوی یوتیوب برای تبدیل به متن چقدر میتواند طولانی باشد؟
طرحهای whispertranscribe.ai فایل تا 10 ساعت و بارگذاری تکی تا 5 گیگابایت را میپذیرند. این اندازه برای بیشتر سخنرانیها، پادکستها و بازپخشها در یک نوبت کافی است. ویدئوهای بسیار طولانی گاهی در یوتیوب زیرنویس خودکار نمیگیرند و به همین دلیل پنل متن هم ممکن است دیده نشود. برای فایل چندساعته، ابزار مبتنی بر پیوند یا فایل مطمئنتر است.
آیا میتوانم متن یوتیوب را به صورت TXT یا Word ذخیره کنم؟
اگر بیننده هستید، پنل یوتیوب خواندن و کپی متن را فراهم میکند و دکمهٔ دانلود ندارد. اگر ویدئو متعلق به خودتان است، در YouTube Studio از مسیر Subtitles → Options → Download subtitles مسیر زیرنویس را دانلود کنید. برای ویدئوی عمومی، پیوند را در whispertranscribe.ai بگذارید و خروجی TXT، DOCX، PDF، CSV، SRT یا VTT بگیرید.
روی ویدئوی بعدی امتحان کنید. یک پیوند یوتیوب را در whispertranscribe.ai بگذارید تا در بیش از 130 زبان، متن با برچسب گوینده و خروجی SRT/VTT بگیرید.
منابع
- راهنمای یوتیوب: دیدن متن ویدئو
- راهنمای یوتیوب: استفاده از زیرنویس خودکار
- راهنمای یوتیوب: ویرایش یا حذف زیرنویس
- راهنمای یوتیوب: استفادهٔ منصفانه در یوتیوب
- یوتیوب: شرایط خدمات
- ردفورد و همکاران، OpenAI: تشخیص مقاوم گفتار با نظارت ضعیف در مقیاس بزرگ (مقالهٔ Whisper)
