如何从YouTube视频中提取闭路字幕？

可以从YouTube视频中提取闭路字幕记录吗

我们在YouTube上有200多个网络广播，每个广播至少一小时。YouTube已经为所有视频设置了闭路字幕，但用户似乎无法获取

我在这个博客中尝试了这个URL，但它与我们的视频不兼容

---

以下文档称只有频道所有者才能通过标准youtube界面执行此操作：

廉价修复： 您可以单击“interactive transscript”按钮，并以这种方式复制内容。 当然，这样会损失毫秒数

非常便宜的解决方案： 共享youtube帐户- 这样多人可以编辑和上传字幕文件

具有挑战性的解决方案： youtube API允许通过HTTP下载和上传字幕文件。。。 您可以编写youtube API应用程序，为任何用户或特定用户提供用于上载或下载的浏览器用户界面

下面是一个java中的示例项目

下面是一个非常简单的上传示例：

---

您可以使用和从YouTube下载流式字幕

---

您可以从自动抄本或作者提供的字幕中进行选择。它还提供了使用谷歌翻译将英文字幕自动翻译成其他语言的可能性

以下是如何获取YouTube视频的成绩单（如果可用）：

• 转到YouTube并打开您选择的视频
• 单击“共享”按钮旁边的“更多操作”按钮（3个水平点）
• 点击“打开成绩单”

虽然语法可能有点愚蠢，但这是一个相当好的解决方案

来源：

（强制要求“这可能是youtube.com的内部接口，随时可能中断”）

这里不是链接到另一个这样做的工具，而是对“如何做”问题的回答

使用或使用浏览器开发工具（例如。 )要检查youtube.com的HTTP流量，有一个来自

/api/timedtext

的响应，其中包含XML格式的闭路字幕信息

这样的回答似乎是：

    <p t="0" d="5430" w="1">
        <s p="2" ac="136">we&#39;ve</s>
        <s t="780" ac="252"> got</s>
    </p>
    <p t="2280" d="7170" w="1">
        <s ac="243">we&#39;re</s>
        <s t="810" ac="233"> going</s>
    </p>

---

您可以通过访问来查看/复制/下载youtube闭路字幕文件的时间编码xml文件

http://video.google.com/timedtext?lang=[LANGUAGE]&v=[YOUTUBE VIDEO IDENTIFIER]

例如

http://video.google.com/timedtext?lang=pt&v=WSVKbw7LC2w

---

注意：此方法不会下载自动生成的闭路字幕，即使您获得了正确的语言（可能有自动生成语言的特殊代码）。

从投票向上/向下和共享链接右侧的

下拉列表中选择
Open Transcript

这将在右侧打开一个
Transcript
滚动div

然后可以使用
复制
。请注意，您不能使用
全选
，但需要单击顶行，然后使用滚动拇指滚动到底部，然后按住shift键并单击最后一行

请注意，您也可以使用普通的网页搜索在该文本中进行搜索。
我只是在视频开头打开成绩单，在00:00标记处左键单击并拖动，并在开头几行上按下shift键，就可以轻松地完成这项工作

然后我将视频推进到接近尾声的地方。当视频停止时，我再次按住shift键，同时单击最后一句的结尾。我用CTRL-C将文本复制到剪贴板并粘贴到编辑器中

完成了

警告：确保没有共享剪贴板的RDP窗口或Teamviewer等软件同时运行，因为此过程将在复制大量文本时溢出缓冲区。
另一个选项是使用
youtube dl
：

youtube dl--跳过下载--写入自动sub$youtube\u url

默认格式为
vtt
，另一种可用格式为
ttml
（
--子格式ttml
）

——写入子对象
写字幕文件
--写自动子程序
写入自动生成的字幕文件（仅限YouTube）
--所有潜艇
下载视频的所有可用字幕
--列表子节点
列出视频的所有可用字幕
--子格式
字幕格式，接受格式首选项，例如：“srt”或“ass/srt/best”
--次郎朗
要下载的字幕语言（可选）由逗号分隔，使用--list sub作为可用的语言标记

您可以使用
ffmpeg
将字幕文件转换为其他格式：

ffmpeg-i input.vtt output.srt

这就是VTT字幕的样子：

WEBVTT
种类：字幕
语言:en
00:00:01.429-->00:00:04.249对齐：起始位置：0%
女士们先生们，我要感谢你们
00:00:04.249-->00:00:04.259对齐：起始位置：0%
女士们先生们，我要感谢你们
00:00:04.259-->00:00:05.930对齐：起始位置：0%
女士们先生们，我要感谢你们
谢谢你今晚来，尤其是在
00:00:05.930-->00:00:05.940对齐：起始位置：0%
谢谢你今晚来，尤其是在
00:00:05.940-->00:00:07.730对齐：起始位置：0%
谢谢你今晚来，尤其是在
这么短的通知
00:00:07.730-->00:00:07.740对齐：起始位置：0%
这么短的通知
00:00:07.740-->00:00:09.620对齐：起始位置：0%
这么短的通知
我相信欧文先生会告诉你的
00:00:09.620-->00:00:09.630对齐：起始位置：0%
我相信欧文先生会告诉你的
00:00:09.630-->00:00:11.030对齐：起始位置：0%
我相信欧文先生会告诉你的
给我们带来的环境
00:00:11.030-->00:00:11.040对齐：起始位置：0%
给我们带来的环境

以下是相同的字幕，文件顶部没有部分，也没有标签：

00:00:01.429-->00
http://video.google.com/timedtext?lang=[LANGUAGE]&v=[YOUTUBE VIDEO IDENTIFIER]

pip install youtube_transcript_api