YouTubeをテキストに変換

このツールについて

YouTubeのリンクを貼り付けて、ビデオの言葉をテキストで取得します。このYouTubeトランスクリプトジェネレーターはYouTubeがビデオに対して保存している字幕トラック（CCボタンを駆動する同じもの）を読み、実際に読む、編集、または検索できるものに再フォーマットします。ブラウザ拡張機能は不要で、ダウンロードやインストールも必要ありません。

アップロードされるデータはなく、音声は処理されません。ビデオに字幕がある場合（YouTubeが自動的に生成するため圧倒的多数です）、トランスクリプトは1～2秒で返ってきます。YouTubeビデオからテキストを抽出したり、YouTube字幕をSRTでダウンロードしたり、以下のAPIを使って完全なトランスクリプトを独自のコードに取り込んだりするのに使用します。

使用するにはサインインが必要です。これはペイウォールではなく、無料層を含むすべてのアカウントが利用できます。字幕を読むことはサーバーからYouTubeと通信することを意味し、YouTubeは自動化されているように見えるアドレスをスロットルするため、サインインにより1人のスクリプト化されたユーザーが全員のツールを利用不可にするのを防ぎます。

出力形式の選択

• 読みやすい段落 — デフォルト。字幕行は文に縫い合わせられ、段落にグループ化されます。読む、引用する、またはドキュメントに貼り付けるのに必要なものです。
• プレーンテキスト — 改行のない1つの連続したブロック。別のツールまたは単語カウンターに供給する場合に最適です。
• タイムスタンプ付き行 — すべての字幕行に[12:34]というプレフィックスが付いています。何が言われた瞬間を見つけるため、またはジャンプリンク付きのショーノートを構築するために使用します。
• SRTとWebVTT — 適切な開始と終了のタイムコード付きの実際の字幕ファイル。ビデオエディタで使用したり、別のプラットフォームに再アップロードしたり、翻訳者に渡したりするのに適しています。
• JSON — startMs、endMs、durationMs、textを含むオブジェクトとしてのすべてのキュー。別のツール、サマライザー、検索インデックスが出力を読もうとしている場合にこれを選択します。

endMsについて一言。これは単にstartMs + durationMsではありません。YouTubeは一部のキューの期間を省略し、意図的に他のキューをオーバーラップさせるため、算術で計算した答えはしばしば間違っています。JSONはSRTおよびWebVTTエクスポートが使用する同じクランプされたエンドを提供するため、その修正を自分で再現することなくサブタイトルからそれを再構築できます。durationMsはまだそこにあり、元のままの状態で、必要に応じて利用できます。

APIとしてYouTubeトランスクリプトを使用する

上記のすべての形式はHTTP経由でも利用可能です。このページのコードから使用するセクションに、すぐに使えるcurl呼び出しがあります。videoUrlとformatをPOSTして、トランスクリプトをJSONとして取得します。HTTPリクエストができるあらゆる言語がYouTubeトランスクリプトAPIとして使用できます。スクレイピング、ヘッドレスブラウザ、独自の字幕パーサーを維持する必要はありません。AIエージェントはMCP経由で同じツールを呼び出すことができます。

APIとMCP経由では、要求した形式に関係なくtranscriptは文字列フィールドです。したがってJSON形式は配列をネストするのではなく、JSONを含む文字列として到着します。あなた側で解析してください。それに並ぶvideoフィールドは、送信したリンク形状が何であれ、そこから再構築された正規ウォッチURLを運びます。

オーバーラップするタイミングは字幕形式でクリーンアップされています。YouTubeの自動生成字幕はテキストがスクロールするように意図的にオーバーラップしており、ほとんどのプレーヤーで同時に2行が表示されます。各キューのエンドは次のキューの開始にクランプされているため、エクスポートされたファイルが正しく動作します。

言語

両方の言語設定は詳細の下に配置されており、折りたたまれています。どちらも一般的なケースでは必要ないからです。

字幕言語をビデオのデフォルトトラックのままにしておくと、ツールはYouTubeが主要と見なすトラックを取得し、両方が存在する場合、自動生成されたものより人間が作成した字幕を優先します。言語を選択して特定のトラックを強制します。詳細パネルはビデオが実際に提供するすべてのトラックをリストするため、最初の推測がミスしても、そこで何があるかが見えます。

ピッカーはYouTubeが独自にサポートする156言語を保持しており、これはビデオが実行できるトラックのセットと正確には同じではありません。実際のアップロードにはzh-CN、pt-BR、またはfa-IRでタグ付けされたトラックがありますが、これらはリストに名前で表示されません。親言語を選択するととにかくそれらを見つけます。ポルトガル語はpt-BRトラックと一致し、ペルシア語はfa-IRと一致します。コードのベース部分で一致が戻るからです。

翻訳先はYouTubeに選択したトラックを機械翻訳するよう要求します。これはYouTubeの独自の翻訳であり、ウェブサイトの字幕と同じように品質は変わります。

できないこと

• 字幕なしのビデオ。 一部の音楽ビデオ、古いアップロード、ストックフッテージには全くありません。抽出するものがなく、ツールは推測するのではなくそう言います。これはトランスクリプトリーダーであり、音声認識サービスではありません。
• 年齢制限、非公開、メンバーのみのビデオ。 これらはサインインしたYouTubeアカウントが必要ですが、ツールには持っていません。
• ライブストリームがまだライブ配信中の場合。

実行コストの仕組み

成功したトランスクリプトは実行ボタンに表示されるクレジットがかかります。すべてのアカウントは月単位の配分を取得でき、無料層は月に100以上のトランスクリプトをカバーするため、通常の使用ではそれに達しません。

実行がサーバー側の問題（タイムアウト、ネットワーク問題、YouTubeがスロットル）で失敗した場合、全額払い戻されます。当社の過失で料金は請求されません。

1つの意図的な例外があります。答えが障害ではなく、ビデオについての確定的な判定である場合、字幕なし、年齢制限、削除 — 実行は1クレジットを保持し、残りを払い戻します。理由は、その答えを確立することは実際の仕事だからです。当社が支払っているギガバイト単位の住宅用アドレスからYouTubeに問い合わせる必要があります。全額払い戻しにより、ループで無限に実行するのは無料になり、これはツールを全員にとってブロックされる可能性がある唯一のものです。1クレジットは間違ったリンクを貼り付けた場合は無視するのに十分小さく、スクリプト化するのに意味がありません。

同じ答えもキャッシュされるため、字幕なしの動画について再度問い合わせるのは即座であり、当分の間、追加費用はかかりません。

トランスクリプトの良い使い方

会議トークをノートに変換すること。チュートリアルを記憶から言い換えるのではなく正確に引用すること。2時間のポッドキャストで覚えている1つのセクションを検索すること。講義をサマライザーに供給すること。競合他社のビデオを見ずにチェックすること。再アップロード用にサブタイトルを作成すること。

よくある質問

YouTubeの動画のトランスクリプトを取得するには？ このページの上部にリンクを貼り付けてボタンを押してください。ウォッチページ、youtu.be、ショーツ、埋め込み、ライブURL、および裸の動画IDすべて機能します。

YouTubeのトランスクリプトをテキストファイルとしてダウンロードできますか？ はい。任意の形式を選択し、結果のダウンロードボタンを使用します。プレーンテキストと段落は.txtとして保存されます。SRTとWebVTTはプレーヤーまたはエディタに読み込む準備ができています。

無料のYouTubeトランスクリプトAPIはありますか？ 同じツールはHTTPおよびMCP経由で利用可能です。上記のAPIとしてYouTubeトランスクリプトを使用するを参照してください。アカウントの通常のクレジット配分で実行されるため、無料層はカジュアルなAPI使用もカバーしています。

字幕なしの動画でも機能しますか？ いいえ。YouTubeが字幕トラックを持たない場合、読むべきものがなく、トランスクリプトされなかった言葉を抽出できるツールはありません。

タイムスタンプ付きのトランスクリプトを取得できますか？ はい。[12:34]プレフィックスの場合はタイムスタンプ付き行を選択するか、正確な開始時刻と終了時刻にはSRT/WebVTT/JSONを選択します。

英語以外の言語でも機能しますか？ はい。ビデオが搭載する任意の字幕言語を詳細の下から選択でき、YouTubeは156の言語にトラックを機械翻訳できます。

関連ツール

• YouTube Thumbnail Downloader — YouTubeが保存しているすべてのサイズでビデオのサムネイル画像を取得します。
• テキスト要約ツール — トランスクリプトを取得したら、それを凝縮します。
• 単語カウンター — 抽出されたテキスト内の単語、文字、読む時間をカウントします。