YouTube 影片轉文字教學：有無字幕都能轉逐字稿

作者: Taption Team | 2026 年 11 月 9 日 | 7 分鐘閱讀

想把 YouTube 影片轉成文字？做法取決於影片有沒有字幕軌：有 CC 字幕，直接用 YouTube 內建的「轉錄稿」功能（YouTube 介面對逐字稿的稱呼）免費複製；沒有字幕，就得改用 AI 語音辨識，從音訊重新產生逐字稿。這篇教學適合要整理課程筆記的學生、把訪談改寫成文章的行銷人員，以及需要字幕檔的影音創作者。

深灰色 MacBook Pro 筆記型電腦螢幕顯示深色模式的影音剪輯時間軸，畫面中央有紅色播放游標對齊藍色音訊波形軌道與分段片段

快速判斷：你的影片有沒有 CC 字幕？

用電腦瀏覽器打開影片，展開標題下方的資訊欄並拉到最底，看有沒有 顯示轉錄稿 按鈕；有，就代表影片有字幕軌。

狀況做法能拿到什麼
有 CC 字幕YouTube 內建「顯示轉錄稿」免費複製字幕文字（可選擇是否帶時間戳記），標點與段落需自行整理
沒有 CC 字幕用 AI 語音辨識工具從音訊產生逐字稿含標點與時間軸的逐字稿，可匯出 TXT 或 SRT

本文沒有字幕的路線以 Taption 示範操作，其他語音辨識工具的原理相同。

為什麼有些影片找不到這個按鈕？根據 YouTube 官方「自動產生的字幕」說明，常見原因包括影片的音訊仍在處理中、語言不在自動字幕支援範圍、影片太長、音質太差或 YouTube 無法辨識其中的語音、開頭的無聲片段太長，以及多人同時說話或同時出現多種語言。

方法一：用內建功能免費複製 YouTube 逐字稿

影片有 CC 字幕時，可以依 YouTube 官方轉錄稿說明 開啟轉錄稿。以下用電腦瀏覽器手動選取並複製文字；這是複製文字的做法，不是 YouTube 提供的字幕檔下載功能。

  • 步驟 1：用電腦瀏覽器打開 YouTube 影片，點擊標題下方資訊欄末尾的 ...更多內容，展開完整資訊欄。
  • 步驟 2：拉到資訊欄最底部的 字幕記錄 區塊，點擊 顯示轉錄稿。
  • 步驟 3：播放器右側（或下方）會出現 字幕記錄 面板，點任一行可以跳到該時間點播放。
  • 步驟 4：點面板右上角的 ⋮，選擇 切換時間戳記，決定要保留或隱藏時間碼。
  • 步驟 5：先暫停影片，避免轉錄稿自動捲動影響文字選取。接著用滑鼠選取需要的逐字稿內容，按 Ctrl + C（Mac 為 Cmd + C）複製。貼到文字編輯器後，確認開頭與結尾都有複製到；內容較長時可分段複製。
YouTube 英文介面操作示意圖：五個編號標示 ...more、Show transcript、轉錄稿時間點、Toggle timestamps 選單與 Ctrl+C／Cmd+C 複製提示。

圖為英文介面的操作示意，非實際影片的測試紀錄。...more、Show transcript、Toggle timestamps 分別對應「更多內容」、「顯示轉錄稿」、「切換時間戳記」；複製前請先暫停影片。

這個方法有三個限制：

  • 手機 App 無法複製：YouTube App 裡的轉錄稿可以點擊跳轉，但目前無法直接選取複製。在手機上請改用瀏覽器開啟 youtube.com，並切換為電腦版網站。
  • 嵌入式播放器看不到：嵌在其他網站的 YouTube 播放器不會顯示資訊欄，要回到 YouTube 原頁面才能開啟轉錄稿。
  • 觀眾不能下載字幕檔：YouTube 沒有提供觀眾下載字幕檔的按鈕；頻道擁有者可以從 YouTube 工作室下載自己影片的字幕，做法見 YouTube 工作室編輯或下載字幕說明。

把零碎字幕整理成好讀的段落

自動產生的字幕是一行一行的短句，常見的情況是標點很少、英文專有名詞變成小寫，通常也不會標示是誰在說話；中文影片也可能出現簡體字或非台灣慣用的詞彙。

下面用一段示意範例說明。這段主持人與講者的簡短問答是為了呈現格式差異而撰寫的，並非實際影片的輸出結果，後面的 TXT 與 SRT 範例也沿用同一段內容。複製下來的字幕大致會是這個樣子：

線上課程的筆記要怎麼整理
先取得 youtube 的逐字稿
再對照影片確認專有名詞
沒有字幕的影片怎麼辦
改用語音辨識產生逐字稿
再匯出成字幕檔

如果只請 ChatGPT、Claude 或 Gemini「幫我整理這段逐字稿」，模型很可能直接寫成摘要。想保留完整內容，可以改用這組建議 Prompt，把要求講清楚，減少內容被省略的機會：

請將以下從 YouTube 複製的無標點逐字稿，整理為好讀的「台灣繁體中文」段落文章。請遵守以下 5 點規則：
1. 【不要濃縮或刪減】：保留每一句原意與所有細節，不要寫成摘要，也不要刪除任何句子。
2. 【補齊全形標點與分段】：依語意自然斷句並加上全形標點符號（，。、；：？！），每 3～5 句依主題換段。
3. 【保留英文專有名詞】：所有英文技術名詞、產品名稱與縮寫（如 YouTube、API、SRT）請維持英文並修正為標準大小寫，不要強行翻譯成中文。
4. 【修正同音錯字與台灣慣用詞】：在不改變原意的前提下，僅修正明顯的語音辨識同音錯字，並將詞彙轉為台灣慣用繁體中文（例如將「軟件」改為「軟體」）。
5. 【保留時間碼（若有）】：若輸入文字含有時間碼（如 0:01），請在每個自然段落開頭保留該段起始時間碼（格式 [00:01]）。

以下是原始逐字稿：
[貼上 YouTube 轉錄稿文字]

預期會得到類似下面的結果（同樣是示意範例）：

線上課程的筆記要怎麼整理？先取得 YouTube 的逐字稿，再對照影片確認專有名詞。

沒有字幕的影片怎麼辦？改用語音辨識產生逐字稿，再匯出成字幕檔。

生成式模型仍可能漏掉或改寫句子，要引用的內容請回頭對照影片確認；長篇逐字稿建議依主題分成方便核對的小段，逐段貼上並比對原文。另外，除非原始字幕本身已經標示說話者，整理後的文字不會有說話者名稱，也不適合直接當成字幕檔使用。

方法二：YouTube 影片沒有字幕，用 AI 語音辨識轉文字

只能擷取現有字幕的工具，遇到沒有字幕軌的影片就沒有內容可抓。這時需要能直接「聽」音訊的語音辨識工具，從聲音重新產生文字與時間軸。雲端服務與開源的 OpenAI Whisper 開源語音辨識模型 都是這個原理；在自己的電腦上執行 Whisper 需要用命令列安裝與設定，而且沒有內建的說話者分離功能。

Taption 操作教學：貼上連結、辨識、校對、匯出

以下用 YouTube 影片轉文字與逐字稿工具 示範，從貼上公開影片的連結到匯出檔案共五個步驟。開始前先確認三件事：

  • 帳號：貼上 YouTube 連結前要先登入。新帳號有 20 分鐘免費額度，不必綁定信用卡。
  • 影片要能公開存取：私人影片、頻道會員限定、有年齡限制、有地區封鎖、受 DRM 保護的影片，以及正在進行中的直播，都無法以連結匯入。發布未滿 24 小時的影片或剛結束的直播存檔可能匯入失敗，請改為上傳檔案。
  • 長度與大小：單檔最長 5 小時；檔案大小限制請在上傳前確認帳號上傳視窗的提示，大型檔案先確認能否匯入再開始處理。超過免費額度後的費用請見 Taption 方案與價格。
  • 步驟 1｜貼上連結：登入後點擊左上角的 上傳，在「上傳影音檔」視窗上方切換到 Youtube 圖示，貼上影片網址。
  • 步驟 2｜選語言：在 選擇此檔案的發聲語言 選單中，影片以中文為主、只有零星英文單字時選 🇹🇼 中文 (輸出繁體)；中文與英文句子頻繁交替時選 🇹🇼＋🇺🇸 中文＆英語 (輸出繁體)，兩者的差別可參考 國語與中英混合轉繁體中文逐字稿。選單沒有獨立的台語選項，台語對白較多的影片需要更多人工校對。
  • 步驟 3｜選分段方式：把 文字生成方式 設為 AI自動生成，再依用途選擇 逐字稿分段方式。訪談與會議選 依說話者分段，可以先填 影片說話總人數 與 人物標記；單人演講或課程選 一般逐字稿，依語意分段；要上字幕則選 字幕分段。每段最大字符 在繁體中文的預設值是 16，要自訂這個數字需要 Premium 或 Bulk 訂閱；選擇中文＆英語時不會顯示這個欄位。
  • 步驟 4｜校對：點擊 開始轉換，完成後編輯器左側是影片，右側是帶時間碼的逐字稿。語音辨識仍可能出錯，尤其是背景噪音、口音、多人搶話或專有名詞較多的片段，匯出前請對照原音校對。說話者名稱可以從 發聲者 選單修改；同一個錯字用 全部替換 一次改完；常用的專有名詞可以反白後點 加入AI辭典，存進 個人AI辭典。長篇訪談的校對順序可參考 會議逐字稿整理與高效率校對指南。
  • 步驟 5｜匯出：點擊右上角的 導出，在 導出檔案 視窗選擇需要的格式後下載。只使用免費額度時，匯出的檔名會加上 _taption，檔案最後會附一行「本逐字稿由 Taption AI 自動生成」，TXT／PDF 的時間碼與說話者名稱開關也無法使用；購買時數或訂閱後即可解除這些限制。雙語字幕 則需要 Premium 或 Bulk 訂閱。
Taption 英文介面 AI 重繪示意圖：四個面板依序顯示 Choose YouTube、Set the language、Choose layout & create、Export the transcript；字數欄位顯示 14，匯出格式為 SRT。

圖為依英文介面截圖製作的 AI 重繪示意，並非原始操作截圖。圖中第 1、2、3 格對應上文步驟 1、2、3；第 4 格對應步驟 5，匯出前仍須完成步驟 4 的校對。Create 對應「開始轉換」，Export 對應「導出」。圖中的 14 是示意設定，不代表繁體中文的預設字數。

TXT、SRT、VTT 該選哪種輸出格式？

格式內容適合用途
TXT純文字，可選擇是否帶時間碼與說話者名稱做筆記、改寫成文章、提供給 AI 工具
PDF排版固定的文件，可選擇是否帶時間碼與說話者名稱歸檔、跨裝置閱讀、交付他人
SRT序號、起訖時間（毫秒以逗號分隔）與字幕文字上傳 YouTube 字幕、匯入剪輯軟體
VTT開頭有 WEBVTT 標頭，毫秒以小數點分隔網頁播放器、線上課程平台

Word（.docx）不在 導出檔案 視窗裡，要從 AI 分析 的結果下載，會消耗 AI 點數。這個視窗另外還有 MP4，以及需要 Premium 或 Bulk 訂閱的 FCPXML 與 JSON。

TXT 與 SRT 長什麼樣子？（格式示意）

以下沿用前面那段示意問答，只用來呈現檔案格式，不代表實際影片的辨識結果。兩種格式裝的是同一段內容，差別在包裝方式。TXT 套用自訂格式範本（需 Premium 或 Bulk 訂閱）、把時間碼與說話者名稱排在同一行時，每段是一行：

[00:00:01] 主持人：線上課程的筆記要怎麼整理？
[00:00:04] 講者：先取得 YouTube 的逐字稿，再對照影片確認專有名詞。
[00:00:10] 主持人：沒有字幕的影片怎麼辦？
[00:00:13] 講者：改用語音辨識產生逐字稿，再匯出成字幕檔。

SRT 則把同樣的句子切成一句一句的字幕，各有序號與起訖時間（這裡依常見的字幕慣例省略了行尾的逗號與句號）：

1
00:00:01,000 --> 00:00:03,600
線上課程的筆記要怎麼整理？

2
00:00:04,000 --> 00:00:06,800
先取得 YouTube 的逐字稿

3
00:00:06,900 --> 00:00:09,600
再對照影片確認專有名詞

4
00:00:10,000 --> 00:00:12,400
沒有字幕的影片怎麼辦？

5
00:00:13,000 --> 00:00:15,400
改用語音辨識產生逐字稿

6
00:00:15,500 --> 00:00:17,500
再匯出成字幕檔

Taption 的繁體中文字幕分段預設每段最多 16 個字，這是產品的預設值，不是通用的字幕規定；單行字幕的字數與標點慣例可參考 繁體中文字幕規範（單行 16 字與標點符號標準）。字幕要另外附檔還是直接燒進畫面，可以看 硬字幕 vs. 軟字幕（SRT／VTT 與燒錄 MP4）完整比較。

字幕在剪輯軟體中出現亂碼時，先確認它在文字編輯器中是否正常顯示。文字正常時，再依目標軟體的需求另存為 UTF-8；如果文字編輯器中也已經是亂碼，要先以正確的原始編碼重新開啟，確認中文恢復後再轉存，否則只是把亂碼存成另一種編碼。部分工具可能需要帶 BOM 的 UTF-8，Taption 下載的 .srt 與 .txt 檔開頭就帶有 UTF-8 BOM。另外請確認檔案沒有被存成 .srt.txt，這種檔案剪輯軟體通常不會當成字幕檔。

常見問題

YouTube Shorts 或直播回放也能轉成逐字稿嗎？

可以，但有幾點要注意。Shorts 的頁面通常不會顯示「顯示轉錄稿」按鈕，如果該支 Shorts 有 CC 字幕，在電腦瀏覽器把網址中的 /shorts/VIDEO_ID 改成 /watch?v=VIDEO_ID，就能像一般影片一樣展開資訊欄複製轉錄稿。沒有 CC 字幕的 Shorts 或直播回放，可以把網址貼進 Taption 的 上傳 → Youtube 視窗做語音辨識；正在進行中的直播無法以連結匯入，要等直播結束，而結束或發布未滿 24 小時的影片可能匯入失敗，建議先存成本機檔案再上傳。

逐字稿出現簡體字或大陸用語，怎麼轉成台灣繁體？

看文字是從哪裡來的。從 YouTube 複製的字幕，可以套用前面的建議 Prompt，其中第 4 條規則會要求模型把「軟件」「視頻」這類詞彙改成台灣慣用的「軟體」「影片」。使用 Taption 辨識時，發聲語言選擇標示「輸出繁體」的選項，再用 個人AI辭典 與 全部替換 統一特定用詞。如果手邊已經有簡體的文字檔或字幕檔，可以用開源的 OpenCC（開放中文轉換 s2twp 台灣繁體詞庫），它的 s2twp 設定會同時轉換字形與台灣慣用詞。

多人訪談可以分辨是誰在說話嗎？

講者名稱是否會出現在 YouTube 轉錄稿中，取決於原始字幕是否已包含姓名標記；若原字幕沒有標示，複製後通常也不會有。要讓工具自動區分說話者，可以在 Taption 上傳時把 逐字稿分段方式 設為 依說話者分段，系統會依聲音切分段落，轉換完成後可以從 發聲者 選單把預設名稱改成真實姓名，功能說明見 說話者辨識。多人同時說話或搶話的段落仍可能分錯，需要人工修正。

YouTube 連結貼進 Gemini Notebook（原 NotebookLM）匯入失敗怎麼辦？

先確認影片是否符合條件。根據 Google 官方 Gemini Notebook（NotebookLM）來源匯入規則，它只支援有字幕的公開 YouTube 影片，而且只會匯入字幕文字；上傳未滿 72 小時的影片可能無法匯入，影片被刪除或改為私人後，來源會在 30 天內從筆記本移除。影片不符合條件時，可以先用本文的方法產生逐字稿，再以 TXT 或 PDF 檔案當作來源上傳。如果檔案裡包含時間碼與說話者名稱，這些資訊會成為可以搜尋的文字內容；不過匯入後的來源是純文字，對話中提到的時間點仍建議回到影片核對。

把別人的 YouTube 影片轉成逐字稿，會有著作權問題嗎？

公開可觀看不代表可以任意重製或散布。請優先處理自己擁有或已取得授權的影片；其他使用是否符合合理使用，仍須依用途、使用範圍及適用法律判斷，不能只憑「個人研究」或「已標明出處」認定。以上是一般性資訊，不是法律意見。

延伸閱讀

影片有 CC 字幕時，用方法一就能免費拿到文字，再花幾分鐘整理標點即可。沒有字幕的影片，可以用新帳號的 20 分鐘免費額度，拿自己的影片試一次語音辨識與匯出流程。