作者:whispertranscribe.ai 編輯團隊 · 最後更新:2026 年 11 月 · 閱讀約 12 分鐘
轉錄 YouTube 影片有三種方法:如果影片有字幕,開啟 YouTube 內建的逐字稿;把這些字幕複製到文件裡再整理;或者把影片連結貼上到 AI 轉錄工具裡。影片完全沒有字幕時,只有第三種方法還能用。
這篇指南會一步步講完這三種方法。你還會看到一份整理複製來的 YouTube 逐字稿的清單、一張幫你選方法的表格,以及把一份逐字稿變成字幕、摘要或博客文章的流程。
簡短回答:怎樣轉錄 YouTube 影片
最快的免費途徑是 YouTube 自己的 Show transcript 面板,但它只在影片有字幕時才出現,而且文字沒法下載成檔案。如果你需要一份乾淨、能匯出的 YouTube 逐字稿,或者影片沒有字幕,就用支援貼上連結的 AI 工具。
- 先看 YouTube 上有沒有逐字稿。 展開影片簡介,點選 Show transcript。
- 複製並整理。 把文字粘到文件裡,刪掉時間戳記和聲音標籤。
- 沒有逐字稿,或者需要檔案? 把連結貼上到 whispertranscribe.ai 的連結轉錄工具,匯出 TXT、DOCX 或 SRT。
方法 1:用 YouTube 內建的「Show transcript」
只要影片有字幕,不管是創作者上傳的,還是 YouTube 自動生成的,YouTube 都會顯示完整的逐字稿。據 YouTube 幫助中心,你可以從影片簡介裡開啟它,播放時逐字稿會跟著滾動。
前提條件: 影片要有字幕。如果創作者沒加字幕,YouTube 也沒自動生成,這個按鈕就不會出現。
電腦端(網頁瀏覽器)
- 在 youtube.com 上開啟影片。
- 點選影片下方的簡介,把它展開。
- 滾動到簡介結尾,點選 Show transcript。播放器旁邊會開啟逐字稿面板。
- 點選任意一行,就能跳到影片裡對應的位置。
- 要複製文字,在面板裡選中後貼上到文件。面板選單裡有 Toggle timestamps 選項,複製前可以先把時間戳記隱藏。
手機端(YouTube App)
- 在 YouTube App 裡開啟影片。
- 點選影片簡介,把它開啟。
- 點選 Show transcript,再點任意一行跳到對應位置。
YouTube 的幫助頁面講了怎樣閱讀逐字稿和在裡面跳轉,但沒提到怎樣把文字從 App 裡複製出來。如果你需要把文字放進文件,用電腦網頁版更方便。
💡 小提示: 如果影片是你自己的,根本不需要用逐字稿面板。在 YouTube Studio 裡進入 Subtitles,開啟影片,點選語言旁邊的 Edit,再選 Options → Download subtitles(YouTube 幫助中心)。普通觀眾沒有這個選項。
YouTube 內建逐字稿的局限
YouTube 的逐字稿適合快速瀏覽或找一句引語。但如果你需要完整、準確、能再利用的文字,它就不夠用了。下面每一條局限都以 YouTube 自己的幫助文件為依據。
1. 沒有字幕就沒有逐字稿
逐字稿面板是根據字幕軌生成的。影片沒有字幕,就什麼也顯示不出來。YouTube 列出了自動字幕可能無法生成的幾種原因:音訊還在處理中、語言不受支援、影片太長、音質差、開頭有長時間靜音,或者說話者聲音重疊、來回切換語言(使用自動字幕)。
2. 自動字幕可能聽錯詞
YouTube 直接說明,自動字幕「可能會因發音錯誤、口音、方言或背景噪音而無法準確呈現說話內容」,並建議創作者檢查一遍。除非創作者改過字幕,否則語音辨識聽錯的地方都會原樣出現在你的逐字稿裡。
3. 自動字幕只覆蓋一種語言
如果影片有多條音軌,YouTube 只會用預設語言生成自動字幕。說話者混用兩種語言的影片,也在 YouTube 列出的自動字幕可能失敗的情況裡。
4. 沒有說話者標籤
自動字幕只是把語音變成文字。YouTube 的幫助頁面沒有提到任何說話者辨識功能,所以在採訪或圓桌討論裡,你得到的是一長串文字,看不出哪句話是誰說的。只有創作者自己在字幕裡打了名字,名字才會出現。
5. 觀眾沒法下載檔案
作為觀眾,你可以閱讀、點選和複製,但沒有下載 TXT、DOCX 或 SRT 檔案的按鈕。Download subtitles 選項在 YouTube Studio 裡,所以只有頻道所有者(或有 Studio 權限的人)才能用。
方法 2:用 whispertranscribe.ai 轉錄 YouTube 影片
whispertranscribe.ai 是一個基於 OpenAI Whisper 語音辨識模型、在瀏覽器裡使用的轉錄工具。你貼上一個公開的 YouTube、Vimeo、Google Drive 或 Dropbox 連結,它會直接轉錄音訊本身。它不依賴現有字幕,所以 YouTube 從沒生成過字幕的影片也能轉錄。
據 OpenAI 的研究論文,Whisper 用 680,000 小時的多語言、多工監督資料訓練而成,論文稱這些模型無需微調就有很好的泛化能力。whispertranscribe.ai 支援 130 多種語言,清晰音訊的準確率 最高 99%。背景噪音、濃重口音和多人搶話仍然會降低準確率,所以結果出來後要預留時間檢查。
第 1 步:開啟連結工具,選擇使用的語言
進入 Transcribe from URL(連結轉錄)(或 YouTube 轉錄頁面)。在 Step 1 裡選擇影片中說的語言。有地區變體的話就選具體變體,比如 English (UK)、English (India)、Spanish (Latin America) 或 Portuguese (Brazil)。
第 2 步:貼上 YouTube 連結
從瀏覽器地址欄或 YouTube 的 Share 按鈕複製影片網址,貼上到連結輸入框裡。連結必須是公開可訪問的。
第 3 步:開啟 Speaker Detection(可選)
如果說話的不止一個人,比如採訪、Podcast 或圓桌討論,就開啟 Enable Speaker Detection。逐字稿會標出每位說話者,這正是 YouTube 內建逐字稿缺少的部分。
第 4 步:開始轉錄
點選 Start URL Transcription。你會得到一份帶時間戳記的逐字稿。
第 5 步:匯出你需要的格式
做筆記和編輯就匯出 TXT 或 DOCX,分享用 PDF,做分析用 CSV,字幕檔案用 SRT/VTT。
你可以免費開始轉錄,無需註冊。付費方案 from $9.99/month billed annually(按年付費費,每月 $9.99 起);最新詳情見價格。
方法 3:上傳影片檔案(影片是你自己的時候)
如果影片是你做的,你多半有原始檔案,上傳這個檔案通常是最省事的做法。這樣不會碰到連結方面的問題,音訊也是你手上品質最好的版本。
- 進入 whispertranscribe.ai 首頁(Transcribe Files)。
- 選擇使用的語言。
- 把檔案拖進來,或者瀏覽選擇檔案。支援的格式包括 MP4、MOV、MKV、WEBM、AVI、MP3、WAV、M4A 等,單個檔案最大 5GB。
- 需要的話開啟 Speaker Detection,然後開始轉錄並匯出。
只上傳你有權使用的檔案:你自己製作的影片、你獲得授權的素材,或者你獲准轉錄的內容。本指南不講怎樣下載別人的 YouTube 影片。YouTube 的服務條款不允許下載內容,除非 YouTube 明確允許或你獲得了許可。別人的公開影片,請用方法 1 或方法 2。
檔案主要是說話內容,而且非常大?可以先把它轉成 MP3,讓上傳的檔案小一些。
該選哪種方法?
只想看看或引用幾句,就用 YouTube 的逐字稿。影片沒有字幕、有好幾位說話者,或者你需要檔案,就用支援連結的 AI 工具。影片是你自己的,就上傳原始檔案。
| 你需要什麼 | 最佳方法 | 原因 |
|---|---|---|
| 邊看邊讀,或快速找一句引語 | 方法 1:YouTube Show transcript | 免費、內建,不用額外工具 |
| 從沒有字幕的影片裡拿到文字 | 方法 2:貼上連結 | 轉錄的是音訊,而不是字幕 |
| 標出哪句話是誰說的 | 方法 2 或 3,開啟 Speaker Detection | YouTube 字幕沒有說話者標籤 |
| 可下載的 TXT、DOCX 或 PDF | 方法 2 或 3 | YouTube 不給觀眾下載按鈕 |
| SRT 或 VTT 字幕 | 方法 2 或 3,匯出 SRT/VTT | 字幕檔案內建時間軸 |
| 你自己影片的逐字稿 | 方法 3:上傳原始檔案 | 音質最好,不需要連結 |
| 混用多種語言的影片 | 方法 2,選 Multilingual Mix | YouTube 自動字幕只用一種語言 |
| 長達數小時的講座或直播 | 方法 2 或 3 | 各方案支援最長 10 小時的檔案 |
怎樣整理複製來的 YouTube 逐字稿
如果你用的是方法 1,複製來的文字要先處理一下才能用。按這份清單過一遍:
- 去掉時間戳記。 複製前在逐字稿面板裡點選 Toggle timestamps。如果已經粘進去了,就刪掉只有時間戳記的行。在支援正則表達式的文字編輯器裡,查找
^\d{1,2}(:\d{2}){1,2}\s*$,替換為空。(譯註:這個正則表達式匹配「只含一個時間戳記的整行」,如 0:15 或 1:02:30,保留英文原樣使用。) - 把斷開的行接起來。 字幕被切成適合螢幕顯示的短句。把單個換行替換成空格,再在話題轉換的地方分段。
- 刪掉聲音標籤。 英文自動字幕可能會在方括號裡標出聲音和噪音(YouTube 稱之為 expressive captions,即表現型字幕)。搜尋
[,刪掉 [Music]、[Applause] 這類標籤,除非你需要它們。 - 修正大小寫。 表現型字幕可能會把大聲說的話顯示成全大寫。把它改回正常大小寫。
- 補上標點和說話者名字。 自動字幕往往標點很少,而且從不標明誰在說話。準備引用的段落要再聽一遍。
- 核對人名和數字。 發布任何內容之前,把專有名詞、數字和專業術語和影片對一遍。
如果覺得這份清單太長,方法 2 能幫你完成大部分:你會得到說話者標籤和時間戳記,匯出時可以選擇保留或去掉。
把一份逐字稿變成字幕、摘要或博客文章
轉錄完成後,逐字稿還能派上用場。下面是一個簡單的流程:
- 字幕: 匯出 SRT 或 VTT,在 YouTube Studio 的 Subtitles → Upload file 裡上傳。想要更多控制,可以用 AI 字幕產生器;如果有影片檔案,也可以用 MP4 轉 SRT 工具。
- 摘要和筆記: 匯出 TXT,在 ChatGPT 裡用 Whisper Transcribe AI Summary GPT 開啟,得到要點、分章筆記或學習指南。
- 博客文章和節目筆記: 從 DOCX 匯出檔案開始,保留最有力的引語,其餘部分改寫成文章。逐字稿給你的是原材料,不是成品文章。
- 翻譯: 如果影片不是英語而你需要英文文字,用把音訊翻譯成英文。
長影片和多語言影片
有兩種情況,YouTube 的逐字稿常常幫不上忙:
- 長影片。 會議錄影、直播播放和全天課程,正是自動字幕容易失靈的地方,YouTube 也把「影片太長」列為字幕不出現的原因之一。whispertranscribe.ai 各方案支援最長 10 小時的檔案,單次上傳最大 5GB。
- 多語言影片。 在英語和西班牙語之間來回切換的採訪,會讓單一語言的字幕出錯。whispertranscribe.ai 的 Multilingual Mix 模式可以處理混用英語、西班牙語、法語、德語、印地語、俄語、葡萄牙語、日語、意大利語和荷蘭語的錄音。
提升效果的小技巧
- 選准語言變體。 英語有 US、UK、Australia、New Zealand 和 India 選項,中文有簡體、繁體和粵語。
- 音訊粗糙就用 Noise / Low-Quality 模式。 很多語言都有專門針對嘈雜或低品質音訊與影片的選項,適合街頭採訪、手機拍攝的素材和老影片。
- 說話者切換語言就用 Multilingual Mix。 說話者在對話中途換語言時選它。
- 音樂試試 English (Songs & Lyrics)。 這是專門針對演唱人聲的獨立選項。
- 多人說話就開啟 Speaker Detection。 採訪和圓桌討論會好讀得多。
- 結果不理想就換個選項。 whispertranscribe.ai 自己的說明提到,有些語言有多個選項。一個結果不夠好,就換另一個重新跑一遍。
- 能上傳原始檔案就上傳。 你自己影片的原始檔案,能給模型提供最好的音訊。
其他類型的影片素材,可以用通用的影片轉文字工具。
關於版權和合理使用
只轉錄你有權使用的內容。別人影片的逐字稿,內容仍然是別人的話。為了評論、研究或教學,注明出處引用短小段落通常沒問題,而完整轉載逐字稿一般需要創作者許可。YouTube 在它的合理使用指南裡解釋了合理使用是怎麼回事,而且各國規則不同。本節只是一般性資訊,不構成法律建議(not legal advice)。拿不準的話,去問創作者或律師。
常見問題
沒有字幕的 YouTube 影片能轉錄嗎?
能。用一個轉錄音訊、而不是讀取字幕軌的工具。YouTube 的 Show transcript 面板只在影片有字幕時才出現,所以對沒有字幕的影片幫不上忙。用 whispertranscribe.ai 時,你貼上公開的 YouTube 連結,選擇使用的語言,它會根據音訊把語音轉成文字。因為不依賴字幕,所以在 YouTube 自動字幕因為噪音、長度或混用語言而失敗時,它也能用。
能免費轉錄 YouTube 影片嗎?
能。只要影片有字幕,YouTube 內建的逐字稿就是免費的。展開簡介,點選 Show transcript,複製文字即可。不過它不提供可下載的檔案或說話者標籤,沒有字幕也用不了。whispertranscribe.ai 也有一個無需註冊的免費入口,你可以先拿一個影片試試,再決定要不要付費方案。付費方案 from $9.99/month billed annually(按年付費費,每月 $9.99 起)。
怎樣拿到不帶時間戳記的 YouTube 逐字稿?
複製前先把時間戳記隱藏。在電腦端開啟 Show transcript,開啟逐字稿面板的選單,選擇 Toggle timestamps,然後選中並複製文字。如果時間戳記已經粘進文件,就用查找替換刪掉只含時間戳記的行(見上面的整理清單)。用 whispertranscribe.ai 的話,想要好讀的文字就匯出 TXT 或 DOCX,確實需要時間軸資料就匯出 SRT/VTT。
能轉錄其他語言的 YouTube 影片,或者翻譯成英文嗎?
能。whispertranscribe.ai 支援 130 多種語言,包括 Spanish (Latin America) 和 Cantonese 這樣的地區變體。開始前選好使用的語言。如果說話者會切換語言,就選 Multilingual Mix。如果需要把非英語影片變成英文文字,就用 translate audio to English 工具。YouTube 自動字幕支援的語言清單更短,而且只用影片的預設語言生成。
多長的 YouTube 影片可以轉錄?
whispertranscribe.ai 各方案支援最長 10 小時的檔案,單次上傳最大 5GB。大多數講座、Podcast 和直播播放都能一次完成。在 YouTube 這邊,特別長的影片有時根本不會生成自動字幕,這也是長錄影常常沒有逐字稿面板的原因之一。幾個小時的內容,用基於連結或檔案的工具更可靠。
能把 YouTube 逐字稿存成 TXT 或 Word 檔案嗎?
如果你是觀眾,YouTube 本身做不到。YouTube 的逐字稿面板可以閱讀和複製文字,但沒有下載按鈕。如果影片是你的,可以在 YouTube Studio 的 Subtitles → Options → Download subtitles 裡下載字幕軌。任何公開影片,都可以把連結貼上到 whispertranscribe.ai,把逐字稿匯出為 TXT、DOCX、PDF、CSV、SRT 或 VTT。
下一個影片就試試: 把 YouTube 連結貼上到 whispertranscribe.ai,獲得支援 130 多種語言 的逐字稿,附說話者標籤,可匯出 SRT/VTT。
參考資料
- YouTube 幫助中心:查看影片逐字稿
- YouTube 幫助中心:使用自動字幕
- YouTube 幫助中心:編輯或移除字幕
- YouTube 幫助中心:YouTube 上的合理使用
- YouTube:服務條款
- Radford 等,OpenAI:Robust Speech Recognition via Large-Scale Weak Supervision(Whisper 論文)
