yt-dlp Undertexter vs ett transkriptions-API: Vilket ska du använda

Delad vy av ett yt-dlp undertextkommando bredvid ett rent JSON transkriptions-API-svar

yt-dlp kan ladda ner bildtexter för basically någon YouTube-video, och om du har använt det för mediahämtningar har du förmodligen redan upptäckt flaggorna. Det är ett verkligt bra verktyg — jag behåller det installerat överallt. Men "kan ladda ner bildtexter" och "är rätt väg att få transkriptioner i en tjänst" är olika anspråk, och jag har brunnit av att blanda dem. Här är vad varje tillvägagångssätt faktiskt ser ut som, inklusive rengöringsteget ingen varnar dig om.

yt-dlp-vägen, ända igenom

Att fånga automatiskt genererad engelska undertexter utan att ladda ner videon:

yt-dlp --write-auto-sub --sub-lang en --skip-download \
  -o "%(id)s" "https://www.youtube.com/watch?v=VIDEO_ID"

(Använd --write-sub i stället för människouppladdade spår, eller båda flaggor tillsammans.) Detta släpper en VIDEO_ID.en.vtt fil. Öppna det och du kommer att se varför du inte är klar:

WEBVTT
Kind: captions
Language: en

00:00:00.320 --> 00:00:02.879
so today we're going to look at
00:00:01.760 --> 00:00:04.560
so today we're going to look at
how youtube handles

Auto-subs är "rullande" bildtexter — varje cue upprepar den tidigare raden, så naiv borttagning ger dig varje mening två gånger. Alla som går denna väg slutar upp med att skriva någon version av denna rengöring:

import re, pathlib

lines = []
for line in pathlib.Path("VIDEO_ID.en.vtt").read_text().splitlines():
    if "-->" in line or line.startswith(("WEBVTT", "Kind:", "Language:")) or not line.strip():
        continue
    line = re.sub(r"<[^>]+>", "", line).strip()   # strip inline timing tags
    if not lines or line != lines[-1]:            # collapse rolling duplicates
        lines.append(line)
text = " ".join(lines)

Kommando, undeerprocesshantering, fil-I/O, dedupe — kalla det 40 rader lim innan du har vanlig text.

Där yt-dlp är rätt svar

Massbulk offline-arkivering. Peka på en kanal-URL och den går genom varje video, bildtexter inkluderad, resumbar och gratis. För att bygga ett personligt arkiv på din hemförbindelse slår ingenting det.
Du vill själva undertextfilerna. Om srt/vtt med tidning är leveransen — mata en videoredaktör, bevara exakt cue-tidning — ger yt-dlp dig råartefakten.
Du laddar redan ner mediet. Redan dra ljud för Whisper transkription? Lägg till --write-auto-sub är en flagga.
Noll budget, personskala. På en bostad IP vid människohastigheter fungerar det bara.

Där det gör ont på en server

Tre separata underhållsbördor dyker upp det ögonblick yt-dlp flyttar till en backend:

Binärbandet treadmill. YouTube ändrar sina interna konstant, och yt-dlp skips fixes ständigt — det är en egenskap, men det betyder din produktionsberoende behöver ofta uppdateringar eller extraktion börjar misslyckas.
IP-blockering. Från AWS/GCP/Heroku-adresser, förvänta dig "Logga in för att bekräfta du inte är en bot"-fel. Det här är samma vägg som blockerar youtube-transcript-api i molnet — att växla verktyg växlar inte din IP-rykte.
Lim koden. Undeerprocesshantering, temp-filer, vtt-rengöring ovan, icke-engelska spår, saknat-bildtext-detektering via utgångskoder och stderr-parsning.

API-vägen

Den hosted-endpoint-versionen av hela pipelinen ovan:

curl -s "https://youtube2text.org/api/transcribe?url=VIDEO_ID" \
  -H "x-api-key: yt_YOUR_KEY"

Returnerar JSON — {"result": {"videoId", "title", "pubDate", "content", ...}} — redan deduplicerad vanlig text, med strukturerade fel (TRANSCRIPT_UNAVAILABLE när inga bildtexter existerar, i stället för stderr-arkeologi). En delad demo-nyckel är ett anrop bort (curl -s https://youtube2text.org/api/demo-key, 5 videor/månad per IP); den fullständiga snabbstarten ligger i extrahera transkriptioner med curl.

Den ärliga fotnotsionen

Båda tillvägagångssätten hämtar samma bildtexter från samma plats, och båda måste hantera YouTube som inte vill ha automatiserad trafik. yt-dlp gör det ditt problem — bra på en bärbara dator, ett proxy-projekt på en server. Ett hosted API gör det leverantörens problem: youtube2text.org dirigerar hämtningar genom roterande residentiell proxies på serversidan, vilket är precis den bit du inte lätt kan replikera från en datacenter-IP. Du betalar inte för transkriptionen; du betalar för att inte driva det.

Min delning: yt-dlp för arkiv och one-offs på min egen maskin, API:t för allt som kör obevakad. Om det matchar din situation, nycklar ligger på youtube2text.org/app/keys — Google-inloggning, gratis 5/månad-nivå, betald från $5,99.