Beranda → Blog → Cara mengubah video YouTube menjadi teks

Cara mengubah video YouTube menjadi teks

Ada tiga cara mengubah video YouTube menjadi teks, dan ketiganya berbeda jauh dalam kualitas maupun dalam apa yang boleh Anda lakukan dengan hasilnya. Memilih yang keliru adalah cara paling umum berakhir dengan dinding kata tanpa tanda baca dan tanpa penanda waktu.

Pilihan 1: takarir yang sudah dibuat YouTube

Setiap video populer sudah punya takarir otomatis. Buka panel transkrip di bawah video, salin teksnya, selesai — tanpa kode, tanpa biaya.

Di mana cara ini berantakan:

• Kualitasnya sangat bervariasi. Takarir otomatis dibuat sekali, saat unggah, oleh model yang disetel untuk cakupan luas alih-alih ketepatan. Istilah teknis, nama, dan angka paling menderita.
• Banyak bahasa tanpa tanda baca. Yang Anda dapat adalah aliran kata: cukup untuk pencarian, tidak berguna untuk dibaca.
• Tidak bisa diskalakan. Menyalin manual cocok untuk satu video, bukan untuk arsip satu kanal.
• Bisa saja tidak ada sama sekali pada kanal kecil atau bahasa yang kurang umum.

Untuk satu video yang ingin Anda baca sekali, berhenti di sini — gratis dan sepuluh detik. Untuk apa pun yang berulang, lanjutkan membaca.

Pilihan 2: transkripsi audio Anda sendiri

Ini yang Anda butuhkan saat teksnya penting: untuk video Anda sendiri, untuk riset, untuk konten yang akan diterbitkan. Ambil audionya, kirim untuk dikenali, dapatkan teks bertanda baca lengkap dengan penanda waktu.

Mengambil audio dari berkas yang sudah Anda miliki:

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

Lalu satu permintaan:

from openai import OpenAI

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

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

print(r.text)

Bedanya dengan takarir otomatis terasa langsung: tanda baca, huruf kapital yang benar, dan segmen dengan waktu presisi yang bisa Anda ubah menjadi bab atau takarir.

Catatan tentang mengunduh video orang lain

Mengunduh video dari YouTube dibatasi ketentuan layanannya, dan kontennya sendiri biasanya karya berhak cipta milik orang lain. Mentranskrip unggahan Anda sendiri, atau materi yang haknya Anda pegang, sepenuhnya wajar. Untuk selebihnya, pilihan yang jujur adalah panel transkrip bawaan atau meminta izin kepada pembuatnya.

Ini bukan nasihat hukum dan aturannya berbeda antarnegara — tetapi «alatnya memudahkan» tidak pernah menjadi pembelaan, dan ada baiknya tahu Anda berada di sisi mana sebelum membangun pipeline.

Pilihan 3: memproses arsip satu kanal

Untuk katalog lama Anda sendiri, pekerjaannya adalah pola massal: satu folder berkas, satu antrean kerja, dan keadaan yang diturunkan dari apa yang sudah ada di disk.

import pathlib
from openai import OpenAI

client = OpenAI(base_url="https://voicesscribe.com/v1", api_key="kunci Anda")
OUT = pathlib.Path("transkrip"); OUT.mkdir(exist_ok=True)

for video in pathlib.Path("video").glob("*.mp4"):
    out = OUT / (video.stem + ".txt")
    if out.exists():
        continue                      # sudah selesai — jangan bayar dua kali
    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")

Satu jam video menjadi sekitar 25 MB audio mono, yang muat dalam satu permintaan. Rekaman yang lebih panjang dipotong — batasnya 25 MB per permintaan.

Kalau yang dibutuhkan takarir, bukan teks polos

Kalau tujuannya memasang takarir kembali ke video alih-alih membaca teksnya, minta format takarir secara langsung dan lewati langkah konversi:

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

Berkas SRT yang dihasilkan diunggah pada bagian takarir video dan menggantikan jalur otomatisnya. Bagi kebanyakan kanal, langkah ini saja sudah lompatan kualitas yang kentara, karena takarir Anda kini bertanda baca dan nama-nama tertulis benar.

Membuat teksnya layak diterbitkan

• Masukkan kosakatanya. Nama kanal, nama narasumber, nama produk, dan jargon yang berulang masuk ke parameter prompt — di situlah galat pengenalan menumpuk.
• Sebutkan bahasanya kalau videonya satu bahasa: language="id" menghapus salah deteksi di bagian awal.
• Simpan penanda waktunya. Format verbose_json mengembalikan segmen dengan waktu mulai dan selesai — bahan mentah untuk bab, potongan, dan tautan lompat.
• Baca sekali sebelum menerbitkan. Sepuluh menit membetulkan nama dan memecah paragraf adalah beda antara halaman yang dibaca orang dan dinding teks.

Pilihan mana untuk keadaan apa

Pertanyaan yang sering diajukan

Bacaan terkait

• Subtitle SRT dan VTT otomatis dari video dan webinar — Cara mendapatkan berkas subtitle bertanda waktu dari rekaman webinar atau video: ekstraksi audio, format SRT dan VTT, contoh kode, dan masalah yang sering muncul.
• Cara membangun pipeline transkripsi untuk arsip audio — Mentranskrip ribuan rekaman tanpa kehilangan satu pun: antrean kerja, konkurensi, percobaan ulang, melanjutkan setelah proses mati, dan menjaga tagihan tetap terkendali.
• Cara meningkatkan akurasi transkripsi: delapan langkah praktis — Delapan perubahan yang benar-benar menggerakkan kualitas transkripsi: menyiapkan audio, menyebut bahasa, parameter prompt, memotong di jeda, format, dan cara mengukur galat.