YouTube 视频转文字教程：有无字幕都能转成文字稿

作者: Taption Team | 2026 年 11 月 9 日 | 10 分钟阅读

想把 YouTube 视频转成文字？怎么做，要看视频有没有字幕轨道：有 CC 字幕，直接用 YouTube 自带的“转写文稿”功能（YouTube 界面对文字稿的叫法）免费复制；没有字幕，就得改用 AI 语音识别，从音频重新生成文字稿。这篇教程适合要整理课程笔记的学生、把访谈改写成文章的营销人员，以及需要字幕文件的视频创作者。

快速判断：你的视频有没有 CC 字幕？

用电脑浏览器打开视频，展开标题下方的视频说明并拉到最底部，看有没有 显示转写文稿 按钮；有，就说明视频带字幕轨道。

情况	做法	能拿到什么
有 CC 字幕	用 YouTube 自带的“显示转写文稿”免费复制	字幕文字（可选择是否带时间戳），标点与段落需自行整理
没有 CC 字幕	用 AI 语音识别工具从音频生成文字稿	带标点与时间轴的文字稿，可导出 TXT 或 SRT

没有字幕的情况，本文用 Taption 演示操作，其他语音识别工具的原理相同。

为什么有些视频找不到这个按钮？根据 YouTube 官方“使用自动字幕功能”说明，常见原因包括视频的音频仍在处理中、语言不在自动字幕的支持范围内、视频太长、音质太差或 YouTube 无法识别其中的语音、开头的无声片段太长，以及多人同时说话或同时出现多种语言。

方法一：用自带功能免费复制 YouTube 文字稿

视频有 CC 字幕时，可以按照 YouTube 官方文字稿说明打开文字稿。下面介绍如何在电脑浏览器中手动选择并复制文字；这不是 YouTube 提供的字幕文件下载功能。

步骤 1：用电脑浏览器打开 YouTube 视频，点击标题下方视频说明末尾的 ...更多，展开完整说明。
步骤 2：拉到说明最底部的 转写文稿 区块，点击 显示转写文稿。
步骤 3：播放器右侧（或下方）会出现 转写文稿 面板，点任意一行可以跳到对应的时间点播放。
步骤 4：点面板右上角的 ⋮，选择 切换时间戳，决定保留还是隐藏时间码。
步骤 5：先暂停视频，避免文字稿自动滚动影响文字选择。接着用鼠标选中需要的文字稿内容，按 Ctrl + C（Mac 为 Cmd + C）复制。粘贴到文本编辑器后，确认开头和结尾都已复制；内容较长时可以分段复制。

YouTube 英文界面操作示意图：五个编号标出 ...more、Show transcript、文字稿时间点、Toggle timestamps 菜单和 Ctrl+C／Cmd+C 复制提示。

图为英文界面的操作示意，并非实际视频的测试记录。...more、Show transcript、Toggle timestamps 分别对应“更多”“显示转写文稿”“切换时间戳”；复制前请先暂停视频。

这个方法有三个限制：

手机 App 无法复制：YouTube App 里的转写文稿可以点击跳转，但目前无法直接选中复制。在手机上请改用浏览器打开 youtube.com，并切换为电脑版网站。
嵌入式播放器里看不到：嵌在其他网站里的 YouTube 播放器不会显示视频说明，要回到 YouTube 原页面才能打开转写文稿。
观众不能下载字幕文件：YouTube 没有给观众提供下载字幕文件的按钮；频道所有者可以在 YouTube 工作室下载自己视频的字幕，做法见 YouTube 工作室修改或下载字幕说明。

把零碎字幕整理成易读的段落

自动生成的字幕是一行一行的短句，常见的情况是标点很少、英文专有名词变成小写，通常也不会标出是谁在说话。如果你要的是台湾繁体文本，还要留意中文视频的字幕里可能出现简体字或非台湾惯用的词汇。

下面用一段示例来说明。这段主持人与嘉宾的简短问答是为了呈现格式差异而编写的，并非实际视频的输出结果，后面的 TXT 与 SRT 示例也沿用同一段内容。复制下来的字幕大致是这个样子：

网课笔记要怎么整理
先拿到 youtube 的文字稿
再对照视频核对专有名词
没有字幕的视频怎么办
改用语音识别生成文字稿
再导出成字幕文件

如果只让 ChatGPT、Claude 或 Gemini“帮我整理这段文字稿”，模型很可能直接写成摘要。想保留完整内容，可以改用下面这组建议提示词（Prompt），把要求说清楚，减少内容被省略的可能：

请将以下从 YouTube 复制的无标点文字稿，整理为易读的“简体中文”段落文章。请遵守以下 5 条规则：
1. 【不要浓缩或删减】：保留每一句的原意与所有细节，不要写成摘要，也不要删除任何句子。
2. 【补全全角标点与分段】：按语义自然断句并加上全角标点符号（，。、；：？！），每 3～5 句按主题换段。
3. 【保留英文专有名词】：所有英文技术名词、产品名称与缩写（如 YouTube、API、SRT）请保持英文并修正为标准大小写，不要强行翻译成中文。
4. 【修正同音错字并统一为大陆惯用词】：在不改变原意的前提下，只修正明显的语音识别同音错字，并将词汇统一为中国大陆惯用的简体中文（例如将“軟體”改为“软件”）。
5. 【保留时间码（若有）】：若输入文字含有时间码（如 0:01），请在每个自然段开头保留该段的起始时间码（格式 [00:01]）。

以下是原始文字稿：
[粘贴 YouTube 转写文稿文字]

预期会得到类似下面的结果（同样是示例）：

网课笔记要怎么整理？先拿到 YouTube 的文字稿，再对照视频核对专有名词。

没有字幕的视频怎么办？改用语音识别生成文字稿，再导出成字幕文件。

生成式模型仍可能漏掉或改写句子，要引用的内容请回头对照视频确认；较长的文字稿建议按主题分成便于核对的小段，逐段粘贴并与原文对照。另外，除非原始字幕本身已经标出说话人，整理后的文字不会有说话人名称，也不适合直接当字幕文件用。

方法二：YouTube 视频没有字幕，用 AI 语音识别转文字

只能提取现有字幕的工具，遇到没有字幕轨道的视频就没有内容可取。这时需要能直接“听”音频的语音识别工具，从声音重新生成文字与时间轴。云端服务与开源的 OpenAI Whisper 语音识别模型都是这个原理；在自己的电脑上运行 Whisper 需要用命令行安装和配置，而且没有内置的说话人分离功能。

Taption 操作教程：粘贴链接、识别、校对、导出

下面用 YouTube 视频转文字稿工具演示，从粘贴公开视频的链接到导出文件共五个步骤。开始前先确认三件事：

账号：粘贴 YouTube 链接前要先登录。新账号有 20 分钟免费额度，无需绑定信用卡。
视频要能公开访问：私享视频、频道会员专享视频、有年龄限制或地区限制的视频、受 DRM 保护的视频，以及正在进行中的直播，都无法通过链接导入。发布未满 24 小时的视频或刚结束的直播回放可能导入失败，请改为上传文件。
时长与大小：单个文件最长 5 小时；上传前请查看账号上传窗口提示的文件大小限制，大文件应先确认能否导入，再开始处理。超出免费额度后的费用请见 Taption 方案与价格。

步骤 1｜粘贴链接：登录后点击左上角的 上传，在“上传影音档”窗口上方切换到 Youtube 图标，粘贴视频网址。
步骤 2｜选语言：在 选择此档案的发声语言 菜单中，选视频里实际说的语言。以中文视频为例：以中文为主、只夹杂零星英文单词时选 🇨🇳 中文 (输出简体)；中文与英文句子频繁交替时选 🇨🇳＋🇺🇸 中文＆英语 (输出简体)。需要繁体文字稿的话，对应改选 🇹🇼 中文 (输出繁体) 或 🇹🇼＋🇺🇸 中文＆英语 (输出繁体)，纯中文与中英混合两种选项的差别可参考普通话与中英混合转繁体中文文字稿。菜单里没有独立的闽南语（台语）选项，闽南语对白较多的视频需要更多人工校对。
步骤 3｜选分段方式：把 文字生成方式 设为 AI自动生成，再按用途选择 转录文本分段方式。访谈与会议选 按说话人分段，可以先填 影片说话总人数 与 人物标记；单人演讲或课程选 普通转录文本，按语义分段；要做字幕则选 字幕分段。每段最大字符 在中文下的默认值是 16，要自定义这个数字需要 Premium 或 Bulk 订阅；选择中文＆英语时不会显示这一项。
步骤 4｜校对：点击 开始转换，完成后编辑器左侧是视频，右侧是带时间码的文字稿。语音识别仍可能出错，尤其是背景噪音、口音、多人抢话或专有名词较多的片段，导出前请对照原音校对。说话人名称可以在 发声者 菜单里修改；同一个错字用 全部替换 一次改完；常用的专有名词可以选中后点 加入AI辞典，存进 个人AI辞典。长篇访谈的校对顺序可参考会议文字稿整理与高效校对指南（繁体中文）。
步骤 5｜导出：点击右上角的 导出，在 导出档案 窗口选择需要的格式后下载。只使用免费额度时，导出的文件名会加上 _taption，文件末尾会附一行“本逐字稿由 Taption AI 自动生成”，TXT／PDF 的时间码与说话人名称开关也无法使用；购买时长或订阅后即可解除这些限制。双语字幕（界面显示为 Bilingual Subtitles）则需要 Premium 或 Bulk 订阅。

Taption 英文界面 AI 重绘示意图：四个面板依次显示 Choose YouTube、Set the language、Choose layout & create、Export the transcript；字数设置为 14，导出格式为 SRT。

图为根据英文界面截图制作的 AI 重绘示意，并非原始操作截图。图中第 1、2、3 格对应上文步骤 1、2、3；第 4 格对应步骤 5，导出前仍须完成步骤 4 的校对。Create 对应“开始转换”，Export 对应“导出”。图中的 14 是示意设置，不代表所选语言的默认字数限制。

TXT、SRT、VTT 该选哪种导出格式？

格式	内容	适合用途
TXT	纯文本，可选择是否带时间码与说话人名称	做笔记、改写成文章、提供给 AI 工具
PDF	版式固定的文档，可选择是否带时间码与说话人名称	归档、跨设备阅读、交付他人
SRT	序号、起止时间（毫秒以逗号分隔）与字幕文本	上传 YouTube 字幕、导入剪辑软件
VTT	开头有 `WEBVTT` 标头，毫秒以小数点分隔	网页播放器、在线课程平台

Word（.docx）不在 导出档案 窗口里，要从 AI 分析 的结果中下载，会消耗 AI 点数。这个窗口另外还有 MP4，以及需要 Premium 或 Bulk 订阅的 FCPXML 与 JSON。

TXT 与 SRT 长什么样？（格式示例）

下面沿用前面那段示例问答，只用来呈现文件格式，不代表实际视频的识别结果。两种格式装的是同一段内容，差别在于包装方式。TXT 套用自定义格式模板（需 Premium 或 Bulk 订阅）、把时间码与说话人名称排在同一行时，每段占一行：

[00:00:01] 主持人：网课笔记要怎么整理？
[00:00:04] 嘉宾：先拿到 YouTube 的文字稿，再对照视频核对专有名词。
[00:00:10] 主持人：没有字幕的视频怎么办？
[00:00:13] 嘉宾：改用语音识别生成文字稿，再导出成字幕文件。

SRT 则把同样的句子切成一条一条的字幕，每条都有序号与起止时间（这里按常见的字幕惯例省略了行尾的逗号与句号）：

1
00:00:01,000 --> 00:00:03,600
网课笔记要怎么整理？

2
00:00:04,000 --> 00:00:06,800
先拿到 YouTube 的文字稿

3
00:00:06,900 --> 00:00:09,600
再对照视频核对专有名词

4
00:00:10,000 --> 00:00:12,400
没有字幕的视频怎么办？

5
00:00:13,000 --> 00:00:15,400
改用语音识别生成文字稿

6
00:00:15,500 --> 00:00:17,500
再导出成字幕文件

Taption 的中文字幕分段默认每段最多 16 个字，这是产品的默认值，不是通用的字幕规定；单行字幕的字数与标点惯例可参考繁体中文字幕规范（单行 16 字与标点符号标准）。字幕是单独附文件还是直接压制进画面，可以看硬字幕 vs. 软字幕（SRT／VTT 与压制字幕 MP4）完整对比。

字幕在剪辑软件里出现乱码时，先确认它在文本编辑器中能否正常显示。文字正常的话，再按目标软件的要求另存为 UTF-8；如果在文本编辑器里也已经是乱码，要先用正确的原始编码重新打开，确认中文恢复后再转存，否则只是把乱码存成另一种编码。部分工具可能需要带 BOM 的 UTF-8，Taption 下载的 .srt 与 .txt 文件开头就带有 UTF-8 BOM。另外请确认文件没有被存成 .srt.txt，这种文件剪辑软件通常不会当成字幕文件。

常见问题

YouTube Shorts 或直播回放也能转成文字稿吗？

可以，但有几点要注意。Shorts 页面通常不会显示“显示转写文稿”按钮，如果这条 Shorts 有 CC 字幕，在电脑浏览器里把网址中的 /shorts/VIDEO_ID 改成 /watch?v=VIDEO_ID，就能像普通视频一样展开视频说明、复制转写文稿。没有 CC 字幕的 Shorts 或直播回放，可以把网址粘贴到 Taption 的 上传 → Youtube 窗口做语音识别；正在进行中的直播无法通过链接导入，要等直播结束，而结束或发布未满 24 小时的视频可能导入失败，建议先存成本地文件再上传。

中文文字稿出现简体字或大陆用语，怎么转成台湾繁体？

如果中文文字稿需要以台湾繁体交付，却出现了简体字或大陆用语，处理方式要看文字是从哪里来的。从 YouTube 复制的字幕，可以套用前面的建议提示词，但要把输出语言改成台湾繁体中文，并把第 4 条规则改成转换为台湾惯用词，例如把“软件”“视频”改成“軟體”“影片”。用 Taption 识别时，发声语言选择标有“输出繁体”的选项（只需要简体的话，选“输出简体”的选项即可），再用 个人AI辞典 与 全部替换 统一特定用词。如果手头已经有简体的文本文件或字幕文件，可以用开源的 OpenCC（开放中文转换，s2twp 台湾繁体词库），它的 s2twp 配置会同时转换字形与台湾惯用词。

多人访谈能分清是谁在说话吗？

说话人名称是否会出现在 YouTube 转写文稿里，取决于原始字幕是否已包含姓名标记；如果原字幕没有标出，复制后通常也不会有。要让工具自动区分说话人，可以在 Taption 上传时把 转录文本分段方式 设为 按说话人分段，系统会按声音切分段落，转换完成后可以在 发声者 菜单里把默认名称改成真实姓名，功能说明见说话人识别。多人同时说话或抢话的段落仍可能分错，需要人工修正。

YouTube 链接粘贴到 Gemini Notebook（原 NotebookLM）导入失败怎么办？

先确认视频是否符合条件。根据 Google 官方 Gemini Notebook（NotebookLM）来源导入规则，它只支持带字幕的公开 YouTube 视频，而且只会导入字幕文字；上传未满 72 小时的视频可能无法导入，视频被删除或设为私享后，来源会在 30 天内从笔记本中移除。视频不符合条件时，可以先用本文的方法生成文字稿，再以 TXT 或 PDF 文件作为来源上传。如果文件里包含时间码与说话人名称，这些信息会成为可以搜索的文本内容；不过导入后的来源是纯文本，对话中提到的时间点仍建议回到视频核对。

把别人的 YouTube 视频转成文字稿，会有版权问题吗？

公开可观看不代表可以随意复制或传播。请优先处理自己拥有或已获得授权的视频；其他使用是否属于合理使用，仍要根据用途、使用范围及适用法律判断，不能只凭“个人研究”或“已注明出处”认定。以上是一般性信息，不构成法律意见。