yt-dlp 字幕对转录文本 API：哪个使用

分割视图，yt-dlp 字幕下载命令在干净 JSON 转录文本 API 响应旁边

yt-dlp 可以下载基本上任何 YouTube 视频的字幕，如果你用它做媒体下载，你可能已经发现了标志。它是一个真正伟大的工具——我在任何地方都安装它。但"可以下载字幕"和"是在服务中获取转录文本的正确方式"是不同的声明，我被混淆它们烧伤了。这是每个方法实际上是什么样的，包括没人警告你的清理步骤。

yt-dlp 方式，逐端

抓自动生成的英文字幕，没有下载视频：

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

（对人类上传的轨道使用 --write-sub 代替，或两个标志一起。）这掉下一个 VIDEO_ID.en.vtt 文件。打开它，你会看到为什么你还没完成：

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

自动字幕是"滚动"字幕——每个提示重复前一行，所以天真的剥离给你每句两次。每个人下这条路最后写这个清理的某个版本：

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)

命令、子进程处理、文件 I/O、去重——在你有纯文本之前称之为 40 行胶水。

yt-dlp 是正确答案的地方

大容量离线存档。 指向它在频道 URL，它会走每个视频、字幕包括、可恢复和免费。对于在你的家庭连接上构建个人存档，没什么能击败它。
你想要字幕文件本身。 如果 srt/vtt 带时间是可交付的——馈送视频编辑、保留确切提示时间——yt-dlp 给你原始工件。
你下载媒体无论如何。 已经拉音频用于Whisper 转录文本？添加 --write-auto-sub 是一个标志。
零预算、个人规模。 在人类速度的住宅 IP 上，它只是工作。

它在服务器上伤害的地方

三个单独的维护负担在 yt-dlp 移入后端时出现：

二进制跑步机。 YouTube 不断改变它的内部，yt-dlp 不断发送修复——这是一个功能，但它意味着你的生产依赖需要频繁更新或提取开始失败。
IP 限制。 从 AWS/GCP/Heroku 地址，期望"登录以确认你不是机器人"错误。这是相同的墙阻止云中的 youtube-transcript-api——切换工具不切换你的 IP 声誉。
胶水代码。 子进程管理、临时文件、上面的 vtt 清理、非英文轨道、通过退出代码和 stderr 解析的缺失字幕检测。

API 方式

托管端点版本的上面整个管道：

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

返回 JSON——{"result": {"videoId", "title", "pubDate", "content", ...}}——已经去重纯文本、带结构化错误（TRANSCRIPT_UNAVAILABLE 当没有字幕存在时、代替 stderr 考古）。一个共享演示密钥是一个调用离开（curl -s https://youtube2text.org/api/demo-key、每个 IP 每月 5 个视频）；完整快速启动在用 curl 提取转录文本。

诚实的脚注

两个方法从相同地方获取相同字幕，两个都必须处理 YouTube 不想要自动化流量。yt-dlp 制作那是你的问题——在笔记本上很好、在服务器上代理项目。托管 API 制作它是提供者的问题：youtube2text.org 路由获取通过旋转住宅代理服务器端、这恰好是你不能容易从数据中心 IP 复制的片段。你不为转录文本付费；你付费不操作那个。

我的分割：yt-dlp 用于存档和我自己机器上的一次性、API 用于任何无人值守运行。如果那匹配你的情况，密钥在 youtube2text.org/app/keys——Google 登录、免费 5/月层、从 5.99 美元付费。