Транскрибация видео с YouTube
Автосубтитры YouTube для русского — это поток слов без знаков препинания, без заглавных букв и без разделения говорящих. Для чтения, цитирования и монтажа они непригодны. Мы даём текст, который можно вставить в статью.
Спрос по Яндекс.Вордстат
| Запрос | Показов в месяц | Снято |
|---|---|---|
| транскрибация ютуб | 969 | 2026-08 |
| транскрибация видео ютуб | 666 | 2026-08 |
| видео с ютуба в текст | 525 | 2026-08 |
| транскрибация ютуб в текст | 242 | 2026-08 |
Как достать файл: YouTube
- Проверьте, есть ли уже расшифровка
Под роликом «…» → «Показать расшифровку видео». Если она вас устраивает — не платите никому, скопируйте её. Обычно не устраивает: нет пунктуации и спикеров.
- Скачайте звуковую дорожку, а не видео
Нужен только звук. Дорожка itag 251 (Opus ~130 кбит/с) для часового ролика весит около 55 МБ против 700 МБ у видео 1080p.
- Загрузите файл сюда
Формат WebM с Opus обрабатывается напрямую — конвертировать в MP3 не нужно и вредно.
- Включите разделение на спикеров, если это интервью
Для монолога диаризация не нужна и только добавит ошибок на границах реплик.
Какой файл вы получите
| Категория | видеохостинг |
|---|---|
| Расширение | webm или mp4 |
| Кодек | Opus 48 кГц (itag 251) или AAC 44,1 кГц (itag 140) |
| Частота дискретизации | 48 000 Гц, стерео |
| Пресет обработки | YouTube: субтитры + пунктуация |
Акустика этого источника
Разброс огромный: студийный подкаст с петличками и запись с телефона в зале обрабатываются по-разному. Мы определяем тип по уровню реверберации в первых 30 секундах и переключаем акустический профиль.
Встроенная альтернатива: Автосубтитры YouTube бесплатны, но без пунктуации, без заглавных, без спикеров и с заметно большей ошибкой на спонтанной русской речи.
| Модель | Средний WER, % | Далёкий микрофон | Кол-центр |
|---|---|---|---|
| GigaAM v3 RNNT (Сбер, MIT)используем мы | 8,3 | 3,9 | 9,5 |
| GigaAM v2 RNNT | 10,6 | — | — |
| T-one + LM (Т-Банк, Apache-2.0) | 16,3 | — | — |
| Whisper large-v3 | 21 | 16,4 | 23,1 |
Грабли, о которых стоит знать заранее
- Скачивание чужих роликов ограничено правилами YouTube
Для своих видео используйте YouTube Studio → «Скачать». Для чужих убедитесь, что у вас есть право на использование материала.
- Ролики с музыкальной подложкой
Фоновая музыка под речь повышает ошибку. Мы применяем разделение источников перед распознаванием, если уровень музыки выше −18 дБ относительно речи.
- Двухчасовые подкасты
Укладываются в лимит 10 часов, но при разовой оплате это 120 минут минус 15 бесплатных = 315 ₽. Пакет «3 000 минут» делает те же 2 часа дешевле в 1,6 раза — 220 ₽.
Проверка файла и расчёт стоимости
Файл не загружается и никуда не отправляется: длительность читает ваш браузер локально.
Отменять ничего не нужно: у нас нет автопродления и мы не храним данные платёжных карт.
Частые вопросы
- Чем ваша расшифровка лучше автосубтитров YouTube?
- Пунктуация, заглавные буквы, абзацы, разделение на спикеров и модель GigaAM v3 со средним WER 8,3% на русском против 21% у Whisper large-v3 по бенчмарку Сбера.
- Можно ли получить SRT, чтобы залить обратно на канал?
- Да. YouTube Studio принимает SRT в разделе «Субтитры» — загрузите и опубликуйте, ролик получит нормальные субтитры вместо автоматических.
- Сколько занимает расшифровка часового ролика?
- Около полутора минут: на A100 мы обрабатываем примерно 40 минут аудио за минуту GPU-времени плюс холодный старт контейнера.