Cómo obtener la transcripción de un video de YouTube: con o sin subtítulos (CC)

¿Quieres convertir un video de YouTube a texto? El método depende de si el video tiene una pista de subtítulos: si hay subtítulos (CC), puedes copiar el texto gratis con la función integrada «Mostrar transcripción» (así llama YouTube a la transcripción en su interfaz); si no hay subtítulos, necesitas reconocimiento de voz con IA para generar la transcripción a partir del audio. Esta guía es para estudiantes que organizan apuntes de un curso, equipos de marketing que convierten entrevistas en artículos y creadores que necesitan un archivo de subtítulos.

Comprobación rápida: ¿tu video tiene subtítulos (CC)?

Abre el video en el navegador de una computadora, despliega el cuadro de información debajo del título y baja hasta el final. Si ves el botón Mostrar transcripción, el video tiene una pista de subtítulos.

En la ruta sin subtítulos, esta guía usa Taption para el recorrido; otras herramientas de reconocimiento de voz funcionan con el mismo principio.

¿Por qué algunos videos no muestran ese botón? Según la ayuda oficial de YouTube sobre subtítulos automáticos, las causas habituales incluyen: el audio del video aún se está procesando, el idioma no está entre los compatibles con subtítulos automáticos, el video es demasiado largo, la calidad del audio es mala o YouTube no puede reconocer el habla, hay un silencio largo al inicio, o varias personas hablan a la vez o se mezclan varios idiomas.

Método 1: copiar gratis la transcripción integrada de YouTube

Si el video tiene subtítulos, puedes abrir la transcripción siguiendo la guía oficial de YouTube. Los pasos siguientes explican cómo seleccionar y copiar texto manualmente en un navegador de computadora; no se trata de una función de YouTube para descargar archivos de subtítulos.

• Paso 1: Abre el video de YouTube en el navegador de una computadora y haz clic en ...más al final del cuadro de información debajo del título para expandirlo por completo.
• Paso 2: Baja hasta la sección Transcripción al final del cuadro y haz clic en Mostrar transcripción.
• Paso 3: A la derecha del reproductor (o debajo) se abre el panel Transcripción; al hacer clic en cualquier línea, el video salta a ese punto.
• Paso 4: Haz clic en ⋮ en la esquina superior derecha del panel y elige Activar o desactivar marcas de tiempo para conservar u ocultar los códigos de tiempo.
• Paso 5: Primero pausa el video para que el desplazamiento automático de la transcripción no interfiera con la selección. Selecciona con el mouse el texto que necesitas y pulsa Ctrl + C (Cmd + C en Mac). Pégalo en un editor de texto y comprueba que se hayan copiado tanto el inicio como el final. Si es largo, puedes copiarlo por partes.

La imagen ilustra la interfaz en inglés; no es el registro de una prueba con un video real. ...more amplía la descripción, Show transcript muestra la transcripción y Toggle timestamps alterna la visualización de las marcas de tiempo. Pausa el video antes de copiar.

Este método tiene tres limitaciones:

• La app móvil no permite copiar: En la app de YouTube puedes tocar una línea de la transcripción para saltar, pero por ahora no puedes seleccionar ni copiar el texto directamente. En el teléfono, abre youtube.com en el navegador y cambia a la versión para computadora.
• El reproductor incrustado no la muestra: Un reproductor de YouTube incrustado en otro sitio no muestra el cuadro de información; vuelve a la página original de YouTube para abrir la transcripción.
• Los espectadores no pueden descargar el archivo de subtítulos: YouTube no ofrece a los espectadores un botón para descargar el archivo de subtítulos. Los dueños del canal sí pueden descargar los subtítulos de sus propios videos desde YouTube Studio; consulta la ayuda de YouTube Studio para editar o descargar subtítulos.

Convertir subtítulos fragmentados en párrafos legibles

Los subtítulos automáticos llegan como fragmentos cortos, una línea tras otra. Suele haber poca puntuación, los nombres propios en inglés aparecen en minúsculas y casi nunca se indica quién habla. En videos en chino, también pueden aparecer caracteres simplificados o vocabulario que no se usa en Taiwán, algo relevante si necesitas el texto en chino tradicional de Taiwán.

Aquí va un ejemplo ilustrativo. Este breve intercambio entre presentador y hablante se escribió solo para mostrar las diferencias de formato; no es la salida de un video real, y los ejemplos TXT y SRT de más adelante reutilizan el mismo contenido. Los subtítulos copiados se ven más o menos así:

Si solo le pides a ChatGPT, Claude o Gemini que «limpie esta transcripción», el modelo suele responder con un resumen. Para conservar el contenido completo, usa este prompt sugerido, que deja los requisitos claros y reduce las omisiones:

Deberías obtener algo parecido a esto (también es un ejemplo ilustrativo):

Los modelos generativos aún pueden omitir o reescribir oraciones: si vas a citar algo, contrástalo con el video. Divide las transcripciones largas por tema en secciones fáciles de revisar; pega cada una y compárala con el texto original. Además, a menos que los subtítulos originales ya indiquen quién habla, el texto limpio no tendrá nombres de hablantes y no conviene usarlo tal cual como archivo de subtítulos.

Método 2: video de YouTube sin subtítulos → texto con reconocimiento de voz por IA

Las herramientas que solo extraen subtítulos existentes no tienen nada que recuperar cuando el video no tiene pista de subtítulos. Ahí necesitas una herramienta de reconocimiento de voz que «escuche» el audio y regenere texto y línea de tiempo a partir del sonido. Los servicios en la nube y el modelo de código abierto OpenAI Whisper funcionan así; ejecutar Whisper en tu propia computadora implica instalarlo y configurarlo desde la línea de comandos, y no incluye separación de hablantes (diarización) integrada.

Tutorial de Taption: pegar el enlace, reconocer, corregir y exportar

El recorrido siguiente usa la herramienta de video de YouTube a texto y transcripción y son cinco pasos, desde pegar el enlace de un video público hasta exportar el archivo. Antes de empezar, confirma tres cosas:

• Cuenta: Debes iniciar sesión antes de pegar un enlace de YouTube. Las cuentas nuevas tienen 20 minutos gratis, sin necesidad de tarjeta de crédito.
• El video debe ser de acceso público: Los videos privados, solo para miembros del canal, con restricción de edad, bloqueados por región, protegidos con DRM y las transmisiones en vivo en curso no se pueden importar por enlace. Los videos publicados hace menos de 24 horas o los archivos de transmisiones que acabaron de terminar pueden fallar al importarse; en ese caso, sube el archivo.
• Duración y tamaño: Un archivo puede durar hasta 5 horas. Antes de subirlo, revisa el límite de tamaño que aparece en la ventana de carga de tu cuenta. Si es un archivo grande, confirma que se pueda importar antes de iniciar el procesamiento. Para los costos más allá de los minutos gratis, consulta planes y precios de Taption.

• Paso 1｜Pegar el enlace: Tras iniciar sesión, haz clic en Subir en la esquina superior izquierda. En la parte superior de la ventana «Subir medio», cambia al ícono Youtube y pega la URL del video.
• Paso 2｜Elegir el idioma: En el menú Seleccionar el idioma hablado, elige el idioma que se habla en el video; por ejemplo 🇪🇸 Español (España). En videos en mandarín, elige 🇹🇼 Chino (Taiwán) cuando el video es mayormente chino con solo alguna palabra suelta en inglés, y 🇹🇼＋🇺🇸 Chino e inglés (Tradicional) cuando las oraciones en chino e inglés se alternan con frecuencia. La diferencia se explica en la página transcripción de mandarín y chino-inglés mixto a chino tradicional. El menú no tiene una opción independiente de taiwanés (hokkien), así que los videos con mucho diálogo en taiwanés necesitan más corrección manual.
• Paso 3｜Elegir la división: Pon Método de transcripción en Transcripción automatizada y, según el uso, elige División de la transcripción. En entrevistas y reuniones, usa Transcripción por hablante; puedes completar antes Número de hablante y Etiqueta de hablante. En charlas o cursos de una sola persona, elige Transcripción simple, que divide por sentido. Para subtítulos, elige Subtítulos de vídeo. Máximo de caracteres por segmento tiene el valor predeterminado 45 para español; personalizar ese número requiere suscripción Premium o Bulk, y el campo no se muestra cuando eliges chino e inglés.
• Paso 4｜Corregir: Haz clic en Crear. Al terminar, el editor muestra el video a la izquierda y la transcripción con códigos de tiempo a la derecha. El reconocimiento de voz puede cometer errores, sobre todo si hay ruido de fondo, acentos, voces superpuestas o muchos nombres propios. Revisa la transcripción escuchando el audio original antes de exportar. Puedes cambiar los nombres de los hablantes desde el menú Hablante; el mismo error tipográfico se corrige de una vez con Reemplazar todo; los nombres propios frecuentes se pueden resaltar y añadir con Añadir al diccionario al Diccionario personal. El orden de corrección en entrevistas largas está en la guía de organización y corrección eficiente de transcripciones de reuniones (en chino tradicional).
• Paso 5｜Exportar: Haz clic en Exportar en la esquina superior derecha, elige el formato en la ventana Exportar tu transcripción y descarga el archivo. Si solo usas los minutos gratis, el nombre del archivo exportado añade _taption, al final del archivo se agrega la línea «Transcrito con Taption» y no puedes activar los interruptores de código de tiempo ni de nombre de hablante en TXT/PDF; al comprar minutos o suscribirte se quitan esos límites. Los Subtítulos bilingües requieren suscripción Premium o Bulk.

Esta ilustración se redibujó con IA a partir de capturas de la interfaz en inglés; no es una captura original. Los paneles 1, 2 y 3 corresponden a los pasos 1, 2 y 3 del texto; el panel 4 corresponde al paso 5. Antes de exportar, completa también la corrección del paso 4. Create equivale a «Crear» y Export a «Exportar». El valor 14 es una configuración ilustrativa, no el límite predeterminado de caracteres del idioma seleccionado.

TXT, SRT o VTT: ¿qué formato de salida elegir?

Word (.docx) no está en la ventana Exportar tu transcripción; se descarga desde un resultado de Análisis de IA y consume créditos de IA. Esa ventana también ofrece MP4, además de FCPXML y JSON, que requieren suscripción Premium o Bulk.

¿Cómo se ven TXT y SRT? (ejemplos de formato)

Los ejemplos siguientes reutilizan el intercambio ilustrativo de arriba. Solo muestran el formato del archivo; no representan el resultado de reconocimiento de un video real. Ambos formatos llevan el mismo contenido; cambia el empaquetado. Cuando un TXT usa una plantilla de formato personalizada (requiere Premium o Bulk) que pone el código de tiempo y el nombre del hablante en la misma línea, cada segmento es una línea:

Un SRT corta las mismas oraciones en bloques de subtítulos, cada uno con número de secuencia y hora de inicio y fin (en este ejemplo se omiten las comas y los puntos al final de línea):

La división de subtítulos de Taption usa por defecto un máximo de 45 caracteres por segmento en español y 16 en chino tradicional. Son valores predeterminados del producto, no una norma universal de subtítulos. Para el número de caracteres por línea y las convenciones de puntuación en subtítulos en chino tradicional, consulta la guía de estilo de subtítulos en chino tradicional (16 caracteres por línea y estándares de puntuación). Para decidir si los subtítulos van en un archivo aparte o quemados en la imagen, mira la comparación completa de subtítulos hard vs. soft (SRT/VTT y MP4 quemado).

Si los subtítulos se ven como texto corrupto (mojibake) en el software de edición, primero comprueba si el archivo se ve bien en un editor de texto. Si el texto se lee bien ahí, vuelve a guardarlo como UTF-8 según lo pida el software de destino. Si ya está corrupto en el editor de texto, ábrelo de nuevo con la codificación original correcta, confirma que el texto vuelve a leerse y solo entonces conviértelo; de lo contrario solo guardas el texto corrupto en otra codificación. Algunas herramientas pueden necesitar UTF-8 con BOM; los archivos .srt y .txt descargados de Taption ya empiezan con un UTF-8 BOM. También asegúrate de que el archivo no se haya guardado como .srt.txt: el software de edición suele no tratarlo como subtítulos.

Preguntas frecuentes

¿También se puede obtener la transcripción de YouTube Shorts o de una repetición de transmisión en vivo?

Sí, con algunas salvedades. Las páginas de Shorts suelen no mostrar el botón «Mostrar transcripción». Si ese Short tiene subtítulos (CC), en el navegador de una computadora cambia /shorts/VIDEO_ID en la URL por /watch?v=VIDEO_ID y podrás expandir el cuadro de información y copiar la transcripción como en un video normal. En Shorts o repeticiones sin CC, pega la URL en la ventana Subir → Youtube de Taption para el reconocimiento de voz. Una transmisión en vivo en curso no se puede importar por enlace: espera a que termine. Los videos terminados o publicados hace menos de 24 horas pueden fallar al importarse; en ese caso, guarda primero un archivo local y súbelo.

Si la transcripción en chino sale en simplificado o con léxico de China continental, ¿cómo la paso a chino tradicional de Taiwán?

Esta pregunta aplica cuando una transcripción en chino debe quedar en chino tradicional de Taiwán, pero aparece con caracteres simplificados o léxico de China continental. El arreglo depende de de dónde salió el texto. El prompt de limpieza de este artículo está pensado para español; para texto en chino, pide salida en chino tradicional de Taiwán y, en la regla 4, vocabulario de Taiwán (por ejemplo, cambiar 「軟件」 y 「視頻」 por 「軟體」 y 「影片」). Si usas Taption, elige en el paso 2 una opción de idioma hablado marcada con salida en tradicional (🇹🇼), y unifica términos con Diccionario personal y Reemplazar todo. Si ya tienes un archivo de texto o subtítulos en simplificado, usa el proyecto de código abierto OpenCC (conversión de chino abierto, con la configuración s2twp de frases tradicionales de Taiwán); su configuración s2twp convierte a la vez la forma de los caracteres y el vocabulario preferido en Taiwán.

En una entrevista con varias personas, ¿se puede saber quién habla?

Que los nombres de los hablantes aparezcan en la transcripción de YouTube depende de si los subtítulos originales ya incluyen etiquetas con nombres; si no las tienen, lo copiado suele no tenerlas tampoco. Para que la herramienta separe hablantes automáticamente, al subir a Taption pon División de la transcripción en Transcripción por hablante. El sistema divide los segmentos por voz y, al terminar, puedes cambiar los nombres predeterminados por nombres reales desde el menú Hablante. La función se describe en identificación de hablantes. Los pasajes en los que varias personas hablan a la vez o se interrumpen aún pueden dividirse mal y necesitan corrección manual.

¿Qué hago si un enlace de YouTube falla al importarlo en Gemini Notebook (antes NotebookLM)?

Primero confirma si el video cumple los requisitos. Según las reglas oficiales de Google para importar fuentes en Gemini Notebook (NotebookLM), solo admite videos públicos de YouTube que tengan subtítulos, e importa únicamente el texto de esos subtítulos. Los videos subidos hace menos de 72 horas pueden no importarse; si el video se elimina o pasa a privado, la fuente se quita del notebook en un plazo de 30 días. Si el video no califica, genera una transcripción con los métodos de este artículo y súbela como fuente TXT o PDF. Si el archivo incluye códigos de tiempo y nombres de hablantes, esa información se vuelve texto que se puede buscar; aun así, la fuente importada es texto plano, así que conviene contrastar con el video cualquier marca de tiempo mencionada en el chat.

¿Hay un problema de derechos de autor al transcribir el video de YouTube de otra persona?

Que un video se pueda ver en público no significa que se pueda reproducir o distribuir libremente. Prioriza videos propios o con autorización. Si otro uso califica como uso legítimo o permitido sigue dependiendo del propósito, del alcance y de la ley aplicable; no basta con decir «investigación personal» o «se citó la fuente». Esto es información general, no asesoría legal.

Lecturas relacionadas

• Resúmenes y capítulos del video: Cuando la transcripción esté lista, puedes generar un resumen y capítulos con resúmenes de video con IA y generación de capítulos con marcas de tiempo para YouTube, en un formato como 00:00 Introducción, 01:30 Tema 1, 05:10 Tema 2. Según los requisitos oficiales de YouTube para capítulos de video, la primera marca de tiempo debe ser 00:00, debe haber al menos tres marcas en orden creciente y cada capítulo debe durar al menos 10 segundos.
• Subtítulos multilingües: Para traducir subtítulos a otros idiomas, consulta la guía completa de subtítulos multilingües en YouTube (en chino tradicional).
• Diseño de subtítulos: Las convenciones de caracteres por línea, saltos de línea y puntuación están en la guía de estilo de subtítulos en chino tradicional (16 caracteres por línea y estándares de puntuación).

Si el video tiene subtítulos (CC), el método 1 te da el texto gratis y unos minutos bastan para ordenar la puntuación. Si no hay subtítulos, usa los 20 minutos gratis de una cuenta nueva para probar el reconocimiento de voz y la exportación con uno de tus propios videos.