YouTube Transkript herunterladen: TXT, SRT oder VTT

Ein YouTube-Transkript-Download ist eine Datei mit den Worten, die in einem YouTube-Video gesprochen werden, gespeichert, damit Sie sie öffnen können, nachdem die Wiedergabeseite nicht mehr da ist. YouTubes eigene Transkriptansicht, dokumentiert in der Hilfeseite zum Anzeigen von Transkripten, ist eine scrollende Liste von Untertitelzeilen. Sie lesen mit und klicken auf eine Zeile, um im Player zu springen. Dieser Hilfeartikel beschreibt kein Dokument zum Behalten. Auf dieser Seite geht es um die Datei.

Die Datei ist außerdem nicht das Video. Eine MP4-Datei enthält das Bild. Eine MP3-Datei enthält den Ton. Keine von beiden enthält den Wortlaut. Und die Datei ist nicht dieselbe Aufgabe wie das Speichern der Untertitelspur, die ein Player über dem Bild anzeigt. Für diese Untertiteldatei-Aufgabe ist ein YouTube Untertitel Downloader gedacht. Hier geht es um das Transkript: die gesprochenen Zeilen, ausgeschrieben, in einem Format, das Sie danach auswählen, was Sie als Nächstes tun wollen.

Was „ein Transkript herunterladen" bedeutet

„Herunterladen" bedeutet in diesem Artikel eine benannte Datei der Sprache. Die Zeilen stammen aus der Untertitelspur des Erstellers, wenn das Video eine hat. Wenn nicht, stammen sie aus einer Transkription des gesprochenen Audios. So oder so ist das Ergebnis die Abfolge des Gesagten, keine Kopie der Wiedergabeseite.

Mehrere Dinge auf dieser Seite wirken verwandt und sind nicht die Datei. Die Beschreibung ist der Werbetext des Erstellers. Kapitel, wenn das Video welche hat, sind Navigationsmarken. Titel-Einblendungen und fest eingebrannte Untertitel sind Pixel im Bild und werden nicht als Text gelesen. Kommentare sind das Geschriebene anderer Leute. Die Datei überspringt diese und behält die Sprache.

Der Hilfeartikel behandelt das Lesen und Springen, und zwar nur bei einem Video, das bereits Untertitel hat. Diese Seite wiederholt nicht die Klicks, die diese Ansicht öffnen. Wenn das Video nie untertitelt wurde, hat das Feld keine Zeilen, und eine Datei kann trotzdem erstellt werden, indem die Sprache transkribiert wird. Das Lesen neben dem Player endet, wenn der Tab geschlossen wird. Ein YouTube-Transkript-Download ist die Kopie, die am nächsten Tag noch da ist.

Die Datei ist nur so klar wie die Sprache, aus der sie stammt. Eine ruhige Talking-Head-Aufnahme ist leichter zu lesen als ein Straßeninterview mit Verkehrslärm unter der Stimme. Sich überschneidende Sprecher verschmelzen zu einer Zeile. Ein Name, den die Untertitelspur nie buchstabiert hat, wird nicht dadurch richtig geschrieben, dass Sie ihn exportieren. Prüfen Sie die Stelle, die Sie zitieren wollen.

Die eingefügte URL muss öffentlich zugänglich sein. Ein privater Upload, ein entferntes Video oder ein nur für Mitglieder zugänglicher Upload erzeugt aus dieser Eingabe keine Datei. Ein Video, das YouTube zurückhält, bis es das Alter des Zuschauers kennt, oder eines, das es in einer bestimmten Region nicht abspielt, endet an derselben Stelle. Ihre eigenen Uploads in YouTube Studio zu verwalten ist eine andere Aufgabe und betrifft nur Videos auf einem Kanal, den Sie kontrollieren. Dieser Artikel bleibt bei einem öffentlichen Video, das jemand anderes bereits ansehen kann.

Der Download ist abgeschlossen, wenn die Worte den Browser-Tab verlassen haben. Bis dahin lesen Sie noch bei YouTube. Danach haben Sie eine Datei, die Sie verschieben, umbenennen und in etwas anderem öffnen können.

Kopieren vs. Exportieren

Kopieren ist das, was Sie tun, wenn ein Satz, noch auf dem Bildschirm, ausreicht. Das Markieren des Feldes am Computer nimmt, was der Browser zulässt. Bei einer Vorlesung ist diese Auswahl unzuverlässig: Sie hören auf halbem Weg auf, eine Zeile wird übersprungen, und alle Zeiten, die mitkommen, treffen in der Reihenfolge ein, die die Seite zufällig verwendet hat. Das gesamte Feld auf einem Smartphone auszuwählen ist unhandlicher. Kopieren Sie einen zweiten Satz, und der erste ist weg. Nichts wurde unter einem Namen gespeichert.

Exportieren beginnt, nachdem die Zeilen bereits als Transkript vorliegen. Ein YouTube Transkript Downloader schreibt eine Datei aus diesen Zeilen. Sie wählen das Format für das Programm, das sie öffnen wird, nicht für die Auswahl des Browsers. Die Kopieraktion im fertigen Transkript und der TXT-Export nehmen beide die Worte und lassen die Zeiten zurück. Die Zeiten bleiben auf dem Bildschirm, während Sie lesen, und sie bleiben in SRT und VTT, wenn Sie eine Stelle mit einem Anfang und einem Ende brauchen.

Wie Sie ein Transkript von YouTube herunterladen, wenn die Worte das sind, was Sie behalten wollen:

1. Kopieren Sie von der öffentlichen Wiedergabeseite die URL des Videos.
2. Fügen Sie sie auf transcript.im ein. Eine URL, ein Transkript.
3. Eine bereits im Video vorhandene Untertitelspur wird als Quelle gelesen. Ohne Untertitelspur wird stattdessen das gesprochene Audio transkribiert. Jeder Sprachabschnitt wird zu einer Zeile.
4. Speichern Sie die Datei. TXT ist der Wortlaut. SRT oder VTT ist das Speichern, wenn das nächste Programm einen Anfang und ein Ende braucht. Markdown und JSON sind die anderen beiden Speicherformate, für eine Notiz-App oder ein Skript. Die Formen von TXT, SRT und VTT finden Sie unten.

Diese Reihenfolge ist wichtig. Die Zeilen müssen existieren, bevor eine Datei entstehen kann. Der Hilfeartikel endet beim Lesen und Springen, also findet der Export statt, nachdem Sie diese Ansicht verlassen.

Ein kurzes Video und eine zweistündige Vorlesung folgen demselben Weg. Bei der Vorlesung bricht das Kopieren von Hand zusammen, weil die Auswahl lang ist und der Fehler unsichtbar bleibt, bis Sie die übersprungene Zeile brauchen. Der Download ist die ganze Abfolge, nicht der Teil, den Sie markieren konnten.

Betrachten Sie das manuelle Kopieren als Möglichkeit, einen einzelnen Satz mitzunehmen, solange Sie noch auf der Wiedergabeseite sind. Betrachten Sie den Export als den Weg, den Wortlaut des Videos zu behalten. Wenn der nächste Schritt ein Zitat in einem Dokument ist, ein Untertitel für Ihren eigenen Schnitt oder ein Text, den Sie nächste Woche suchen werden, dann brauchen Sie die Datei.

TXT, SRT oder VTT exportieren

Wählen Sie das Format nach der Aufgabe, nicht nach Gewohnheit. Die drei, die Lesen und zeitgesteuerte Cues abdecken, sind TXT, SRT und VTT. Die Beispiele unten verwenden eine erfundene Zeile, damit die Form sichtbar wird. Eine echte Datei nutzt die Zeiten aus dem Video und hat einen Cue für jede Zeile, nicht nur einen.

TXT ist der reine Wortlaut. Eine Zeile, die etwa nach einer Minute gesprochen wurde, ist einfach dieser Satz, gefolgt von einem Zeilenumbruch. Die Startzeit, die Sie daneben im Reader gesehen haben, wird nicht in die TXT geschrieben. Genau das wollen Sie für Notizen, für ein Zitat und zum Einfügen in ein Dokument oder einen Chat. Die falsche Datei ist es, wenn ein Player oder ein Editor die Zeile zu einem bestimmten Moment anzeigen muss.

SRT ist die zeitgesteuerte Form, die die meisten Editoren ohnehin importieren. Dieselbe erfundene Zeile sieht so aus:

1
00:01:02,000 --> 00:01:05,200
Die Beispielzeile bei einer Minute.

Die Zahl ist der Cue-Index. Der Pfeil trennt einen Start von einem Ende. Das Komma gehört zum SubRip-Zeitstempel, es ist keine Pause im Satz. Jeder folgende Cue wird durch eine Leerzeile getrennt.

VTT trägt dieselben Cues für einen Webplayer. Die Kopfzeile ist erforderlich, und die Millisekunden verwenden einen Punkt:

WEBVTT

00:01:02.000 --> 00:01:05.200
Die Beispielzeile bei einer Minute.

Tauschen Sie Komma und Punkt, weisen manche Player die Datei zurück. Die Wörter haben sich nicht geändert, der Container schon. Wenn ein Editor sagt, dass er SRT will, geben Sie ihm nicht VTT und hoffen darauf, dass der Import nachsichtig ist.

Die Endzeit ist das eigene Ende der Zeile, so gekürzt, dass sie nicht in die nächste Zeile hineinläuft. Untertitelspuren, besonders automatische, geben einer Zeile manchmal eine Dauer, die die folgende Zeile überlappt. Ein Player, der beide Bereiche berücksichtigt, zeigt zwei Cues gleichzeitig an. Der Export kürzt den früheren Cue, sodass er endet, wenn der nächste beginnt, und er endet nie vor seinem eigenen Start. Sie bekommen trotzdem jede Zeile. Sie bekommen nicht zwei Zeilen, die sich um denselben Moment streiten.

Markdown und JSON sind optionale Formen derselben Zeilen. Markdown setzt eine Minuten-und-Sekunden-Marke vor jeden Satz, was in einer Notizen-App praktisch ist. JSON behält die Rohsegmente, was in einem Skript praktisch ist. Keine der beiden ersetzt SRT oder VTT, wenn das Ziel ein Player oder ein Editor ist.

Um das YouTube Transkript als TXT, SRT oder VTT zu exportieren, erzeugen Sie zuerst die Zeilen aus dem öffentlichen Link und wählen dann das Format. Das anschließende Bearbeiten der Datei schreibt nichts zurück in das YouTube-Video. Eine Korrektur bleibt in Ihrer Kopie. Wenn Sie eigentlich die Untertitelspur als Untertiteldatei für einen Player brauchten und nicht den Wortlaut als Dokument, dann ist das die Aufgabe des Untertitel-Downloaders, nicht eine zweite Kopie hiervon.

Ein heruntergeladenes Transkript weiterverwenden

Eine Datei, die Sie nie öffnen, war das Speichern nicht wert. Die Weiterverwendung ist alltäglich, und das Format sollte bereits dazu passen.

Eine Vorlesungsnotiz, die auf eine Minute zurückverweisen muss, sollte nicht allein aus TXT gebaut werden. TXT ist der Satz. Die Cue-Zeit steckt in der SRT oder VTT und steht auf dem Bildschirm, bis Sie den Reader schließen. Schreiben Sie diese Zeit neben den Satz in die Notizen. Eine Aussage, die Sie wiederfinden müssen, ist eine Suche durch den Text, und die ist besser, als den Abspielkopf über ein langes Video zu ziehen. Das Video selbst ist kein Dokument, das Sie durchsuchen können.

Wer seinen eigenen Schnitt untertitelt, will SRT oder VTT und importiert diese Datei dann in den Editor. Die Cues sind eine Ausgangsspur, kein fertiges Ergebnis. Namen, Akzente und sich überlappende Sprache brauchen trotzdem ein Gegenlesen. Ein falsches Wort im Transkript wird zum falschen Untertitel auf dem Bildschirm, wenn Sie dieses Gegenlesen überspringen. Der Exportschritt prüft den Wortlaut nicht für Sie.

NotebookLM, ChatGPT, Claude, Gemini, Kimi und Manus nehmen Text entgegen, keine Wiedergabeseite. Fügen Sie die TXT in das ein, das Sie ohnehin schon nutzen. Auf transcript.im können dieselben Zeilen auch durch Clean laufen, bevor einem verrauschten Cue vertraut wird, durch Translate, wenn die Notizen eine andere Sprache brauchen, oder durch Zusammenfassung, Kernpunkte, Kapitelzusammenfassung, Study Notes und MindMap, wenn ein langer Vortrag eine kürzere Ansicht braucht. Diese Ergebnisse stehen neben der Datei. Sie sind keine weitere TXT und ersetzen SRT oder VTT nicht, wenn ein Editor das Ziel ist.

Behalten Sie die Zeit bei jedem Satz, den Sie zitieren, sonst können Sie den richtigen Moment nicht wieder aufrufen. Lesen Sie eine verrauschte Aufnahme gegen, bevor SRT oder VTT in einen Editor geht. Die Datei markiert kein falsches Wort. Sie zeigt es an.

Bleiben Sie auf der Wiedergabeseite, wenn das Mitlesen alles ist, worum es geht. Wenn der Text den Tab überdauern soll, laden Sie ein YouTube Transkript herunter und speichern Sie das Format, das das nächste Programm öffnet.