作者:whispertranscribe.ai Editorial Team · 最后更新:2026 年 11 月 · 阅读约 12 分钟
转写 YouTube 视频有三种方法:如果视频有字幕,打开 YouTube 自带的文字稿;把这些字幕复制到文档里再整理;或者把视频链接粘贴到 AI 转写工具里。视频完全没有字幕时,只有第三种方法还能用。
这篇指南会一步步讲完这三种方法。你还会看到一份整理复制来的 YouTube 文字稿的清单、一张帮你选方法的表格,以及把一份文字稿变成字幕、摘要或博客文章的流程。
简短回答:怎样转写 YouTube 视频
最快的免费途径是 YouTube 自己的 Show transcript 面板,但它只在视频有字幕时才出现,而且文字没法下载成文件。如果你需要一份干净、能导出的 YouTube 文字稿,或者视频没有字幕,就用支持粘贴链接的 AI 工具。
- 先看 YouTube 上有没有文字稿。 展开视频简介,点击 Show transcript。
- 复制并整理。 把文字粘到文档里,删掉时间戳和声音标签。
- 没有文字稿,或者需要文件? 把链接粘贴到 whispertranscribe.ai 的链接转写工具,导出 TXT、DOCX 或 SRT。
方法 1:用 YouTube 自带的“Show transcript”
只要视频有字幕,不管是创作者上传的,还是 YouTube 自动生成的,YouTube 都会显示完整的文字稿。据 YouTube 帮助中心,你可以从视频简介里打开它,播放时文字稿会跟着滚动。
前提条件: 视频要有字幕。如果创作者没加字幕,YouTube 也没自动生成,这个按钮就不会出现。
电脑端(网页浏览器)
- 在 youtube.com 上打开视频。
- 点击视频下方的简介,把它展开。
- 滚动到简介末尾,点击 Show transcript。播放器旁边会打开文字稿面板。
- 点击任意一行,就能跳到视频里对应的位置。
- 要复制文字,在面板里选中后粘贴到文档。面板菜单里有 Toggle timestamps 选项,复制前可以先把时间戳隐藏。
手机端(YouTube App)
- 在 YouTube App 里打开视频。
- 点击视频简介,把它打开。
- 点击 Show transcript,再点任意一行跳到对应位置。
YouTube 的帮助页面讲了怎样阅读文字稿和在里面跳转,但没提到怎样把文字从 App 里复制出来。如果你需要把文字放进文档,用电脑网页版更方便。
💡 小提示: 如果视频是你自己的,根本不需要用文字稿面板。在 YouTube Studio 里进入 Subtitles,打开视频,点击语言旁边的 Edit,再选 Options → Download subtitles(YouTube 帮助中心)。普通观众没有这个选项。
YouTube 自带文字稿的局限
YouTube 的文字稿适合快速浏览或找一句引语。但如果你需要完整、准确、能再利用的文字,它就不够用了。下面每一条局限都以 YouTube 自己的帮助文档为依据。
1. 没有字幕就没有文字稿
文字稿面板是根据字幕轨生成的。视频没有字幕,就什么也显示不出来。YouTube 列出了自动字幕可能无法生成的几种原因:音频还在处理中、语言不受支持、视频太长、音质差、开头有长时间静音,或者说话人声音重叠、来回切换语言(使用自动字幕)。
2. 自动字幕可能听错词
YouTube 直接说明,自动字幕“可能会因发音错误、口音、方言或背景噪音而无法准确呈现说话内容”,并建议创作者检查一遍。除非创作者改过字幕,否则语音识别听错的地方都会原样出现在你的文字稿里。
3. 自动字幕只覆盖一种语言
如果视频有多条音轨,YouTube 只会用默认语言生成自动字幕。说话人混用两种语言的视频,也在 YouTube 列出的自动字幕可能失败的情况里。
4. 没有说话人标签
自动字幕只是把语音变成文字。YouTube 的帮助页面没有提到任何说话人识别功能,所以在采访或圆桌讨论里,你得到的是一长串文字,看不出哪句话是谁说的。只有创作者自己在字幕里打了名字,名字才会出现。
5. 观众没法下载文件
作为观众,你可以阅读、点击和复制,但没有下载 TXT、DOCX 或 SRT 文件的按钮。Download subtitles 选项在 YouTube Studio 里,所以只有频道所有者(或有 Studio 权限的人)才能用。
方法 2:用 whispertranscribe.ai 转写 YouTube 视频
whispertranscribe.ai 是一个基于 OpenAI Whisper 语音识别模型、在浏览器里使用的转写工具。你粘贴一个公开的 YouTube、Vimeo、Google Drive 或 Dropbox 链接,它会直接转写音频本身。它不依赖现有字幕,所以 YouTube 从没生成过字幕的视频也能转写。
据 OpenAI 的研究论文,Whisper 用 680,000 小时的多语言、多任务监督数据训练而成,论文称这些模型无需微调就有很好的泛化能力。whispertranscribe.ai 支持 130+ languages,清晰音频的准确率 up to 99%(最高 99%)。背景噪音、浓重口音和多人抢话仍然会降低准确率,所以结果出来后要预留时间检查。
第 1 步:打开链接工具,选择说话的语言
进入 Transcribe from URL(链接转写)(或 YouTube 转写页面)。在 Step 1 里选择视频中说的语言。有地区变体的话就选具体变体,比如 English (UK)、English (India)、Spanish (Latin America) 或 Portuguese (Brazil)。
第 2 步:粘贴 YouTube 链接
从浏览器地址栏或 YouTube 的 Share 按钮复制视频网址,粘贴到链接输入框里。链接必须是公开可访问的。
第 3 步:打开 Speaker Detection(可选)
如果说话的不止一个人,比如采访、播客或圆桌讨论,就打开 Enable Speaker Detection。文字稿会标出每位说话人,这正是 YouTube 自带文字稿缺少的部分。
第 4 步:开始转写
点击 Start URL Transcription。你会得到一份带时间戳的文字稿。
第 5 步:导出你需要的格式
做笔记和编辑就导出 TXT 或 DOCX,分享用 PDF,做分析用 CSV,字幕文件用 SRT/VTT。
你可以免费开始转写,无需注册。付费套餐 from $9.99/month billed annually(按年付费,每月 $9.99 起);最新详情见价格。
方法 3:上传视频文件(视频是你自己的时候)
如果视频是你做的,你多半有原始文件,上传这个文件通常是最省事的做法。这样不会碰到链接方面的问题,音频也是你手上质量最好的版本。
- 进入 whispertranscribe.ai 首页(Transcribe Files)。
- 选择说话的语言。
- 把文件拖进来,或者浏览选择文件。支持的格式包括 MP4、MOV、MKV、WEBM、AVI、MP3、WAV、M4A 等,单个文件最大 5GB。
- 需要的话打开 Speaker Detection,然后开始转写并导出。
只上传你有权使用的文件:你自己制作的视频、你获得授权的素材,或者你获准转写的内容。本指南不讲怎样下载别人的 YouTube 视频。YouTube 的服务条款不允许下载内容,除非 YouTube 明确允许或你获得了许可。别人的公开视频,请用方法 1 或方法 2。
文件主要是说话内容,而且非常大?可以先把它转成 MP3,让上传的文件小一些。
该选哪种方法?
只想看看或引用几句,就用 YouTube 的文字稿。视频没有字幕、有好几位说话人,或者你需要文件,就用支持链接的 AI 工具。视频是你自己的,就上传原始文件。
| 你需要什么 | 最佳方法 | 原因 |
|---|---|---|
| 边看边读,或快速找一句引语 | 方法 1:YouTube Show transcript | 免费、内置,不用额外工具 |
| 从没有字幕的视频里拿到文字 | 方法 2:粘贴链接 | 转写的是音频,而不是字幕 |
| 标出哪句话是谁说的 | 方法 2 或 3,打开 Speaker Detection | YouTube 字幕没有说话人标签 |
| 可下载的 TXT、DOCX 或 PDF | 方法 2 或 3 | YouTube 不给观众下载按钮 |
| SRT 或 VTT 字幕 | 方法 2 或 3,导出 SRT/VTT | 字幕文件自带时间轴 |
| 你自己视频的文字稿 | 方法 3:上传原始文件 | 音质最好,不需要链接 |
| 混用多种语言的视频 | 方法 2,选 Multilingual Mix | YouTube 自动字幕只用一种语言 |
| 长达数小时的讲座或直播 | 方法 2 或 3 | 各套餐支持最长 10 小时的文件 |
怎样整理复制来的 YouTube 文字稿
如果你用的是方法 1,复制来的文字要先处理一下才能用。按这份清单过一遍:
- 去掉时间戳。 复制前在文字稿面板里点击 Toggle timestamps。如果已经粘进去了,就删掉只有时间戳的行。在支持正则表达式的文本编辑器里,查找
^\d{1,2}(:\d{2}){1,2}\s*$,替换为空。(中文译注:这个正则表达式匹配“只含一个时间戳的整行”,如 0:15 或 1:02:30,保留英文原样使用。) - 把断开的行接起来。 字幕被切成适合屏幕显示的短句。把单个换行替换成空格,再在话题转换的地方分段。
- 删掉声音标签。 英文自动字幕可能会在方括号里标出声音和噪音(YouTube 称之为 expressive captions,即表现型字幕)。搜索
[,删掉 [Music]、[Applause] 这类标签,除非你需要它们。 - 修正大小写。 表现型字幕可能会把大声说的话显示成全大写。把它改回正常大小写。
- 补上标点和说话人名字。 自动字幕往往标点很少,而且从不标明谁在说话。准备引用的段落要再听一遍。
- 核对人名和数字。 发布任何内容之前,把专有名词、数字和专业术语和视频对一遍。
如果觉得这份清单太长,方法 2 能帮你搞定大部分:你会得到说话人标签和时间戳,导出时可以选择保留或去掉。
把一份文字稿变成字幕、摘要或博客文章
转写完成后,文字稿还能派上用场。下面是一个简单的流程:
- 字幕: 导出 SRT 或 VTT,在 YouTube Studio 的 Subtitles → Upload file 里上传。想要更多控制,可以用 AI 字幕生成器;如果有视频文件,也可以用 MP4 转 SRT 工具。
- 摘要和笔记: 导出 TXT,在 ChatGPT 里用 Whisper Transcribe AI Summary GPT 打开,得到要点、分章笔记或学习指南。
- 博客文章和节目笔记: 从 DOCX 导出文件开始,保留最有力的引语,其余部分改写成文章。文字稿给你的是原材料,不是成品文章。
- 翻译: 如果视频不是英语而你需要英文文本,用把音频翻译成英文。
长视频和多语言视频
有两种情况,YouTube 的文字稿常常帮不上忙:
- 长视频。 会议录像、直播回放和全天课程,正是自动字幕容易失灵的地方,YouTube 也把“视频太长”列为字幕不出现的原因之一。whispertranscribe.ai 各套餐支持最长 10 小时的文件,单次上传最大 5GB。
- 多语言视频。 在英语和西班牙语之间来回切换的采访,会让单一语言的字幕出错。whispertranscribe.ai 的 Multilingual Mix 模式可以处理混用英语、西班牙语、法语、德语、印地语、俄语、葡萄牙语、日语、意大利语和荷兰语的录音。
提升效果的小技巧
- 选准语言变体。 英语有 US、UK、Australia、New Zealand 和 India 选项,中文有简体、繁体和粤语。
- 音频粗糙就用 Noise / Low-Quality 模式。 很多语言都有专门针对嘈杂或低质量音视频的选项,适合街头采访、手机拍摄的素材和老视频。
- 说话人切换语言就用 Multilingual Mix。 说话人在对话中途换语言时选它。
- 音乐试试 English (Songs & Lyrics)。 这是专门针对演唱人声的独立选项。
- 多人说话就打开 Speaker Detection。 采访和圆桌讨论会好读得多。
- 结果不理想就换个选项。 whispertranscribe.ai 自己的说明提到,有些语言有多个选项。一个结果不够好,就换另一个重新跑一遍。
- 能上传原始文件就上传。 你自己视频的原始文件,能给模型提供最好的音频。
其他类型的视频素材,可以用通用的视频转文字工具。
关于版权和合理使用
只转写你有权使用的内容。别人视频的文字稿,内容仍然是别人的话。为了评论、研究或教学,注明出处引用短小段落通常没问题,而完整转载文字稿一般需要创作者许可。YouTube 在它的合理使用指南里解释了合理使用是怎么回事,而且各国规则不同。本节只是一般性信息,不构成法律建议(not legal advice)。拿不准的话,去问创作者或律师。
常见问题
没有字幕的 YouTube 视频能转写吗?
能。用一个转写音频、而不是读取字幕轨的工具。YouTube 的 Show transcript 面板只在视频有字幕时才出现,所以对没有字幕的视频帮不上忙。用 whispertranscribe.ai 时,你粘贴公开的 YouTube 链接,选择说话的语言,它会根据音频把语音转成文字。因为不依赖字幕,所以在 YouTube 自动字幕因为噪音、时长或混用语言而失败时,它也能用。
能免费转写 YouTube 视频吗?
能。只要视频有字幕,YouTube 自带的文字稿就是免费的。展开简介,点击 Show transcript,复制文字即可。不过它不提供可下载的文件或说话人标签,没有字幕也用不了。whispertranscribe.ai 也有一个无需注册的免费入口,你可以先拿一个视频试试,再决定要不要付费套餐。付费套餐 from $9.99/month billed annually(按年付费,每月 $9.99 起)。
怎样拿到不带时间戳的 YouTube 文字稿?
复制前先把时间戳隐藏。在电脑端打开 Show transcript,打开文字稿面板的菜单,选择 Toggle timestamps,然后选中并复制文字。如果时间戳已经粘进文档,就用查找替换删掉只含时间戳的行(见上面的整理清单)。用 whispertranscribe.ai 的话,想要好读的文本就导出 TXT 或 DOCX,确实需要时间轴数据就导出 SRT/VTT。
能转写其他语言的 YouTube 视频,或者翻译成英文吗?
能。whispertranscribe.ai 支持 130+ languages,包括 Spanish (Latin America) 和 Cantonese 这样的地区变体。开始前选好说话的语言。如果说话人会切换语言,就选 Multilingual Mix。如果需要把非英语视频变成英文文本,就用 translate audio to English 工具。YouTube 自动字幕支持的语言列表更短,而且只用视频的默认语言生成。
多长的 YouTube 视频可以转写?
whispertranscribe.ai 各套餐支持最长 10 小时的文件,单次上传最大 5GB。大多数讲座、播客和直播回放都能一次搞定。在 YouTube 这边,特别长的视频有时根本不会生成自动字幕,这也是长录像常常没有文字稿面板的原因之一。几个小时的内容,用基于链接或文件的工具更可靠。
能把 YouTube 文字稿存成 TXT 或 Word 文件吗?
如果你是观众,YouTube 本身做不到。YouTube 的文字稿面板可以阅读和复制文字,但没有下载按钮。如果视频是你的,可以在 YouTube Studio 的 Subtitles → Options → Download subtitles 里下载字幕轨。任何公开视频,都可以把链接粘贴到 whispertranscribe.ai,把文字稿导出为 TXT、DOCX、PDF、CSV、SRT 或 VTT。
下一个视频就试试: 把 YouTube 链接粘贴到 whispertranscribe.ai,获得支持 130+ languages 的文字稿,带说话人标签,可导出 SRT/VTT。
参考资料
- YouTube 帮助中心:查看视频文字稿
- YouTube 帮助中心:使用自动字幕
- YouTube 帮助中心:编辑或移除字幕
- YouTube 帮助中心:YouTube 上的合理使用
- YouTube:服务条款
- Radford 等,OpenAI:Robust Speech Recognition via Large-Scale Weak Supervision(Whisper 论文)
