Главная → Блог → Как перевести видео с YouTube в текст

Как перевести видео с YouTube в текст

Опубликовано 2026-08-18 · 6 мин чтения

Превратить видео с YouTube в текст можно тремя способами, и они сильно различаются и по качеству, и по тому, что вам вообще разрешено с результатом делать. Выбор не того способа — самый частый путь к стене слов без знаков препинания и таймкодов.

Способ 1: субтитры, которые YouTube уже сделал

У популярных роликов автоматические субтитры уже есть. Откройте панель расшифровки под видео, скопируйте текст — готово, ни кода, ни расходов.

Где этот путь ломается:

Качество непредсказуемо. Автосубтитры генерируются один раз, при загрузке, моделью, настроенной на охват, а не на точность. Первыми страдают термины, имена и числа.
Во многих языках нет пунктуации. Вы получаете поток слов: для поиска сойдёт, для чтения — нет.
Это не масштабируется. Копирование руками работает для одного ролика, но не для архива канала.
Их может не быть вовсе. У небольших каналов и редких языков дорожки субтитров часто просто нет.

Если нужно один раз прочитать один ролик — остановитесь здесь: бесплатно и за десять секунд. Для всего повторяемого читайте дальше.

Способ 2: своя расшифровка звуковой дорожки

Это то, что нужно, когда текст важен: для своих видео, для исследования, для контента, который вы собираетесь публиковать. Извлекаете звук, отправляете на распознавание, получаете текст с пунктуацией и таймкодами.

Извлечение звука из файла, который у вас уже есть:

ffmpeg -i video.mp4 -vn -ac 1 -ar 16000 -b:a 48k audio.mp3

Дальше один запрос:

from openai import OpenAI

client = OpenAI(base_url="https://voicesscribe.com/v1", api_key="ваш ключ")

with open("audio.mp3", "rb") as f:
    r = client.audio.transcriptions.create(
        model="whisper-1", file=f, response_format="verbose_json",
    )

print(r.text)

Разница с автосубтитрами видна сразу: знаки препинания, правильные заглавные буквы и сегменты с точным временем, из которых делаются главы и субтитры.

О скачивании чужих роликов

Скачивание видео с YouTube ограничено его правилами, а сам контент обычно чья-то охраняемая работа. Расшифровывать собственные загрузки или материалы, права на которые у вас есть, — нормально. Во всех остальных случаях честные варианты — встроенная панель расшифровки или запрос автору.

Это не юридическая консультация, и правила различаются по странам, но «инструмент делал это легко» никогда не было аргументом защиты. Понимать, по какую сторону линии вы находитесь, стоит до того, как строить конвейер.

Способ 3: пакетная обработка архива канала

Для собственного архива задача сводится к пакетному шаблону: папка файлов, очередь работ и состояние, выведенное из того, что уже лежит на диске.

import pathlib
from openai import OpenAI

client = OpenAI(base_url="https://voicesscribe.com/v1", api_key="ваш ключ")
OUT = pathlib.Path("transcripts"); OUT.mkdir(exist_ok=True)

for video in pathlib.Path("videos").glob("*.mp4"):
    out = OUT / (video.stem + ".txt")
    if out.exists():
        continue                      # уже сделано — не платим дважды
    audio = video.with_suffix(".mp3")
    # ffmpeg -i video.mp4 -vn -ac 1 -ar 16000 -b:a 48k audio.mp3
    with audio.open("rb") as f:
        out.write_text(client.audio.transcriptions.create(
            model="whisper-1", file=f).text, encoding="utf-8")

Час видео превращается примерно в 25 МБ моно-звука — ровно один запрос. Записи длиннее придётся резать: лимит составляет 25 МБ на запрос.

Если нужны субтитры, а не просто текст

Когда цель — вернуть субтитры на видео, а не прочитать текст, запрашивайте формат субтитров напрямую и пропускайте шаг конвертации:

srt = client.audio.transcriptions.create(
    model="whisper-1", file=f, response_format="srt",
)
open("video.srt", "w", encoding="utf-8").write(srt)

Полученный SRT загружается в раздел субтитров ролика и заменяет автоматическую дорожку. Для большинства каналов уже это заметный скачок качества: у ваших субтитров появляется пунктуация, а имена написаны правильно.

Как довести текст до публикации

Передайте словарь. Название канала, имена гостей, названия продуктов и повторяющийся жаргон кладите в параметр prompt — именно там собираются ошибки распознавания.
Укажите язык, если ролик одноязычный: language="ru" убирает промахи определения в начале.
Сохраняйте таймкоды. Формат verbose_json возвращает сегменты с временем начала и конца — сырьё для глав, нарезок и ссылок на момент.
Прочитайте один раз перед публикацией. Десять минут на правку имён и разбивку абзацев решают, будет это страница, которую читают, или стена текста.

Какой способ выбрать

Ситуация	Лучший способ
Один ролик, суть нужна прямо сейчас	Встроенная панель расшифровки
Своё видео, текст пойдёт в публикацию	Своя расшифровка звуковой дорожки
Архив целого канала	Пакетный конвейер по звуку
Нужны субтитры на видео	Своя расшифровка с response_format=srt
Чужой ролик	Панель расшифровки или запрос автору

Попробуйте на своих записях. Регистрация занимает минуту, бесплатных минут хватает, чтобы оценить качество.

Получить ключ бесплатно

Частые вопросы

Можно ли просто скопировать расшифровку из YouTube?

Для одного ролика — да, панель расшифровки бесплатна и мгновенна. Но она автоматическая, поэтому пунктуация и имена собственные ненадёжны, а копирование руками не масштабируется на архив.

Нужно ли скачивать видео, чтобы его расшифровать?

Только звуковую дорожку и только для роликов, права на которые у вас есть. Звук в десятки раз меньше видео, а картинка при распознавании не используется вовсе.

Сколько обрабатывается часовой ролик?

Несколько минут: распознавание идёт быстрее реального времени. Извлечение звука через ffmpeg обычно занимает больше времени, чем сама расшифровка.

Будут ли таймкоды?

Да, с response_format=verbose_json возвращаются сегменты с точным временем начала и конца, а с srt или vtt — готовый файл субтитров.

Лучше ли своя расшифровка автосубтитров YouTube?

На том же звуке отдельный проход распознавания даёт пунктуацию, правильные заглавные буквы и заметно лучше справляется с именами и терминами — особенно если передать словарь через параметр prompt.