Transkribere YouTube-videoer: 3 måter

Den gratis måten finnes allerede inni YouTube

Hvis videoen har teksting, har du allerede transkripsjonen. Du trenger ikke et verktøy, en konto eller et kredittkort. Åpne videoen, se under den etter beskrivelsesområdet, og klikk Vis transkripsjon. Et panel åpnes ved siden av spilleren med hele teksten, og mens videoen spilles ruller panelet til linjen som blir sagt. Klikk på en linje, og videoen hopper til det øyeblikket.

Dette er metoden de fleste artikler gjemmer nederst, sannsynligvis fordi det ikke er noe å selge rundt den. Den fungerer både på datamaskin og mobil. Haken: videoen må ha teksting i utgangspunktet. De fleste populære kanaler har det, enten autogenerert eller lagt til av opplasteren, men en eldre opplasting fra en liten skaper har det kanskje ikke.

Sjekk at det fungerte: transkripsjonspanelet viser tekst som ruller i takt med lyden. Hvis det ikke åpnes i det hele tatt, har videoen ingen teksting, og du går videre til metode to.

Én ting til som folk overser. Transkripsjonspanelet har en liten meny for å slå av tidsstemplene, noe som gjør teksten langt enklere å kopiere som ren prosa. Den bryteren ligger i panelet, ikke i hjelpedokumentasjonen. Den er godt dokumentert, men ikke på YouTubes offisielle hjelpeside. Verdt å vite før du limer en vegg av tall inn i et dokument.

Lim inn en lenke, få renere tekst

Når du vil ha transkripsjonen utenfor YouTube (for å laste den ned, kjøre den gjennom et oppsummeringsverktøy, eller lese en video som kjemper mot deg i det innebygde panelet), er en gratis generator der du limer inn URL-en veien å gå. Formen er alltid den samme. Kopier YouTube-URL-en, lim den inn i en boks, få teksten tilbake.

Tactiqs gratis YouTube-transkripsjonsgenerator tar en innlimt URL, krever ingen installasjon, ingen innlogging og ingen e-post, og lar deg laste ned resultatet som en .txt-fil. Den er ærlig på at den automatiske talegjenkjenningen ikke alltid er 100 % nøyaktig, noe som er det redelige å si. NoteGPTs generator gjør det samme lim-inn-lenken-trikset, gir tilbake en transkripsjon med tidsstempler, støtter flere språk, lar deg kopiere med eller uten tidsstemplene, og kaster inn AI-oppsummering på toppen. Resultatet på førsteplass, youtubetotranscript.com, reklamerer for oversettelse, lengdegrenser og et API i sin FAQ. Behandle de tingene som annonsert, ikke testet.

Sjekk at det fungerte: du kan markere, kopiere eller laste ned transkripsjonsteksten. Hvis verktøyet stopper opp eller ikke gir noe tilbake, har videoen som regel ingen teksting å hente fra. Disse generatorene leser YouTubes eksisterende tekstingsspor, de lytter ikke på lyden.

Den siste setningen er hele begrensningen. Og det er der den tredje metoden kommer inn.

Det lenkeverktøyene ikke kan gjøre

Alle metodene over avhenger av at YouTube har et tekstingsspor å gi fra seg. Ingen teksting, ingen transkripsjon. Det dekker de fleste offentlige videoer, men det etterlater et hull: lyd som ikke er en offentlig YouTube-video i det hele tatt. En privat lenke noen delte med deg. En direktesending uten teksting ennå. Et klipp i en kursavspiller. Ditt eget opptak før du laster det opp.

Det etterlater også et annet, stillere hull. Noen ganger vil du ikke ha videoens ord. Du vil ha dine egne ord om videoen. Notatet du ville skrevet mens du så. Oppsummeringen i din egen formulering. De tre setningene du ville diktert til en kollega for å forklare hvorfor dette foredraget betyr noe.

Det er her et skrivebordsbasert stemmeverktøy gjør seg fortjent til plassen sin, og det er verdt å være presis på hva det gjør og ikke gjør. Whisper by Remskill er en dikteringsapp som styres med en hurtigtast. Trykk på hurtigtasten, snakk inn i mikrofonen, og ordene dine lander som tekst der markøren står, i hvilken app du enn er i. Den tar ikke en YouTube-lenke og transkriberer videoen for deg. Det er jobben til lim-inn-lenken-generatorene, ikke vår. Det den gjør, er å la deg se en video og fange dine egne notater ved å snakke i stedet for å skrive, noe som for mange er den egentlige oppgaven som gjemmer seg bak transkribér denne videoen.

Snakk notatene dine mens videoen spilles

Her er arbeidsflyten jeg bruker. Spill av videoen. Når noe er verdt å beholde, hold inne hurtigtasten, si notatet høyt, slipp. Teksten dukker opp i dokumentet ditt. Ingen fanebytte, ingen pause for å skrive, ingen tapt tråd.

På Windows er standardhurtigtasten Ctrl+Space. På macOS er det en push-to-talk-akkord med kun modifikatortaster: hold Command+Option samtidig, slipp én av tastene for å stoppe. Du kan endre den i Innstillinger hvis den kolliderer med noe. Opptaksoverlegget viser deg at det lytter, så du gjetter aldri på om det fikk med seg det du sa.

Transkripsjonen kjører på to måter, og du velger. Lokal modus kjører på din egen maskin gjennom to motorer skrevet i ren Rust: OpenAI Whisper, med modellstørrelser fra rundt 140 MB opp til omtrent 3 GB og 99 språk på de flerspråklige variantene, og NVIDIA Parakeet TDT, en enkelt modell på ~600 MB som dekker 25 språk (engelsk pluss 24 europeiske), den raskeste av de to. Ingenting forlater den bærbare PC-en din i lokal modus. Skymodus er bring-din-egen OpenAI-nøkkel, og bruker gpt-4o-mini-transcribe eller gpt-4o-transcribe til tale-til-tekst, for når du vil ha de nyeste modellene og nettilgang.

Den lokale pipelinen er gratis for alle innloggede brukere; sky er Whisper Pro-laget.

Dette er delen der jeg innrømmer min egen slagside. De fleste produktivitetsverktøy er skriveproblemer i forkledning. En notatapp, en utklippstavlehåndterer, en andre-hjerne med elleve nøstede databaser: under alt sammen ligger den samme handlingen — å flytte fingrene over tastene for å fange noe du allerede vet hvordan du skal si. Diktering hopper over tastaturet. Å snakke ligger på rundt 145 ord i minuttet mot omtrent 40 for skriving, så et videonotat som tok et minutt å skrive tar omtrent femten sekunder å si. Løsningen på et skriveproblem er som regel ikke en mer elegant app. Den er å ikke skrive.

Sjekk at det fungerte: du kan se hele videoen og ende opp med en side full av notater uten å røre tastaturet annet enn for å scrolle.

Tidsstempler, SRT-filer og andre språk

Tre ting folk spør om som ikke alle kommer fra samme sted, så la meg sortere dem.

Når du skal hoppe over Whisper helt

Hvis den eneste jobben din er å lese en offentlig YouTube-video som tekst, hopp over Whisper og ikke tenk to ganger. YouTubes innebygde transkripsjon er gratis, umiddelbar og allerede installert i nettleseren din.

Hvis du trenger en nedlastbar fil eller en renere kopi, gjør en gratis generator som Tactiq det uten konto og uten e-post, og eksporterer en .txt.

Hvis du klipper undertekster inn i en video du redigerer, er en tung redigerer som Descript (som reklamerer for 30 pluss språk og opptil 95 % nøyaktighet på opplastede medier) den rette kategorien, ikke oss. Vi er til for delen de verktøyene ikke rører: å fange dine egne ord, med stemmen, mens du ser.

Den ettermiddagen jeg tapte tjue minutter til tre setninger, gikk den eldste datteren min forbi, så på meg mens jeg spolte de samme ti sekundene for fjerde gang, og spurte hvorfor jeg ikke bare leste det. Jeg sa at videoen ikke kom med en transkripsjon. Hun sa at alt har en transkripsjon nå, pappa, og gikk for å gjøre lekser hun en time senere ville forhandle seg ut av. Hun hadde stort sett rett. Transkripsjonen er som regel allerede der: under videoen, bak en lenke, eller én hurtigtast unna i dine egne ord.