--- title: "Unduh Transkrip YouTube: TXT, SRT, atau VTT" description: "Unduh transkrip YouTube sebagai TXT, SRT, atau VTT. Cara mengunduh transkrip dari YouTube tanpa perlu menyimpan videonya." canonical: "https://transcript.im/id/blog/download-youtube-transcript" markdown: "https://transcript.im/id/blog/download-youtube-transcript.md" author: "Leo" category: "YouTube" datePublished: "2026-10-03T03:14:51.000Z" dateModified: "2026-10-03T06:00:36.089Z" --- Unduhan transkrip YouTube adalah berkas berisi kata-kata yang diucapkan dalam sebuah video YouTube, disimpan agar bisa Anda buka setelah halaman tontonan tidak lagi tersedia. Tampilan transkrip milik YouTube sendiri, yang didokumentasikan di [halaman bantuan untuk melihat transkrip](https://support.google.com/youtube/answer/15930243), adalah daftar baris subtitle yang bisa digulir. Anda membaca sambil mengikuti, lalu mengeklik satu baris untuk melompat di pemutar. Artikel bantuan itu tidak menjelaskan dokumen yang bisa Anda simpan. Halaman ini membahas berkasnya. Berkas ini juga bukan videonya. MP4 menyimpan gambar. MP3 menyimpan suara. Keduanya bukan kata-katanya. Dan berkas ini bukan tugas yang sama dengan menyimpan track subtitle yang ditampilkan pemutar di atas gambar. Tugas menyimpan berkas subtitle itulah yang menjadi urusan [pengunduh subtitle YouTube](/id/youtube-subtitle-downloader). Di sini, yang menjadi fokus adalah transkrip: baris-baris yang diucapkan, dituliskan, dengan format yang Anda pilih sesuai apa yang akan Anda lakukan selanjutnya. ## Apa arti "mengunduh transkrip" "Mengunduh" dalam artikel ini berarti sebuah berkas bernama berisi ucapan. Baris-barisnya berasal dari track subtitle milik kreator jika video memilikinya. Jika tidak ada, baris-baris itu berasal dari transkripsi audio yang diucapkan. Apa pun caranya, hasilnya adalah urutan kata yang diucapkan, bukan salinan halaman tontonan. ![Transkrip yang diunduh adalah file teks berisi kata-kata yang diucapkan beserta stempel waktu, bukan file video](/images/blog/download-youtube-transcript/id/252eaca9.jpg) Beberapa hal di halaman itu terlihat berkaitan, padahal bukan berkasnya. Deskripsi adalah keterangan singkat dari kreator. Bab, jika video memilikinya, adalah penanda navigasi. Kartu judul di layar dan subtitle yang menyatu dengan gambar adalah piksel dalam gambar, dan tidak dibaca sebagai teks. Komentar adalah tulisan orang lain. Berkas ini melewati semua itu dan menyimpan ucapannya. Artikel bantuan itu membahas cara membaca dan melompat, dan hanya pada video yang sudah memiliki subtitle. Halaman ini tidak mengulang cara membuka tampilan tersebut. Jika video tidak pernah diberi subtitle, panelnya tidak memiliki baris, dan berkas tetap bisa dibuat dengan mentranskripsi ucapannya. Membaca di samping pemutar berakhir saat tab ditutup. Unduhan transkrip YouTube adalah salinan yang masih ada keesokan harinya. Berkas ini hanya sejelas ucapan asalnya. Rekaman talking-head yang tenang lebih mudah dibaca daripada wawancara jalanan dengan suara lalu lintas di bawah suara pembicara. Pembicara yang tumpang tindih menyatu menjadi satu baris. Nama yang tidak pernah dieja di track subtitle tidak menjadi benar hanya karena Anda mengekspornya. Periksa cue yang akan Anda kutip. URL yang ditempel harus bisa dibuka oleh publik. Unggahan privat, video yang dihapus, atau unggahan khusus anggota tidak akan menghasilkan berkas dari tempelan itu. Video yang ditahan YouTube sampai mengetahui usia penonton, atau video yang tidak diputar di wilayah tertentu, berhenti di titik yang sama. Mengelola unggahan Anda sendiri di YouTube Studio adalah tugas yang berbeda, dan itu hanya mencakup video di saluran yang Anda kelola. Artikel ini hanya membahas video publik yang sudah dapat ditonton orang lain. Unduhan selesai ketika kata-kata sudah keluar dari tab browser. Sampai saat itu, Anda masih membaca di YouTube. Setelahnya, Anda memiliki berkas yang bisa dipindahkan, diganti nama, dan dibuka di aplikasi lain. ## Menyalin vs mengekspor Menyalin adalah yang Anda lakukan ketika satu kalimat, yang masih ada di layar, sudah cukup. Menyorot panel di komputer mengambil apa saja yang diizinkan browser. Pada sebuah kuliah, pilihan itu tidak dapat diandalkan: Anda berhenti di tengah jalan, satu baris terlewat, dan waktu yang ikut terbawa muncul dalam urutan yang kebetulan dipakai halaman itu. Memilih seluruh panel di ponsel lebih merepotkan. Salin kalimat kedua, kalimat pertama pun hilang. Tidak ada yang tersimpan dengan sebuah nama. Mengekspor dimulai setelah baris-baris itu sudah ada sebagai transkrip. [Pengunduh transkrip YouTube](/id/youtube-transcript) menulis berkas dari baris-baris tersebut. Anda memilih format untuk program yang akan membukanya, bukan untuk pilihan browser. Tindakan salin pada transkrip yang sudah jadi, dan ekspor TXT, keduanya mengambil kata-katanya dan meninggalkan waktunya. Waktu tetap tampil di layar selama Anda membaca, dan tetap ada di SRT dan VTT saat Anda memerlukan cue dengan awal dan akhir. Cara mengunduh transkrip dari YouTube, setelah kata-kata itulah yang ingin Anda simpan: 1. Dari halaman tontonan publik, salin URL video tersebut. 2. Tempel di transcript.im. Satu URL, satu transkrip. 3. Track subtitle yang sudah ada di video dibaca sebagai sumbernya. Jika tidak ada track subtitle, audio yang diucapkan akan ditranskripsi. Setiap bagian ucapan menjadi satu baris. 4. Simpan berkasnya. TXT berisi kata-katanya. SRT atau VTT adalah pilihan penyimpanan ketika program berikutnya memerlukan awal dan akhir. Markdown dan JSON adalah dua pilihan penyimpanan lainnya, untuk aplikasi catatan atau skrip. Bentuk TXT, SRT, dan VTT ada di bawah. Urutan itu penting. Baris-barisnya harus ada sebelum sebuah berkas bisa dibuat. Artikel bantuan berhenti pada membaca dan melompat, jadi ekspor terjadi setelah Anda meninggalkan tampilan tersebut. Video pendek dan kuliah berdurasi dua jam menempuh jalur yang sama. Kuliah adalah tempat menyalin dengan tangan menjadi kacau, karena pilihan itu panjang dan yang terlewat tidak terlihat sampai Anda membutuhkan baris yang Anda lewati. Unduhan adalah keseluruhan urutannya, bukan bagian yang berhasil Anda sorot. Anggap salinan manual sebagai cara mengambil satu kalimat selagi Anda masih berada di halaman tonton. Anggap ekspor sebagai cara menyimpan susunan kata video. Jika langkah berikutnya adalah kutipan di dokumen, takarir pada hasil edit Anda sendiri, atau teks yang akan Anda cari minggu depan, Anda membutuhkan file. ## Mengekspor TXT, SRT, atau VTT Pilih format berdasarkan kebutuhan, bukan kebiasaan. Tiga format yang mencakup kebutuhan membaca dan penanda waktu adalah TXT, SRT, dan VTT. Contoh di bawah memakai satu baris rekaan agar bentuknya terlihat. File sungguhan memakai waktu dari video, dan punya penanda untuk setiap baris, bukan hanya satu. ![Memilih format transkrip: TXT untuk kata-katanya saja, SRT untuk penyuntingan video, VTT untuk pemutar web](/images/blog/download-youtube-transcript/id/9549ac34.jpg) | File | Isinya | Buka saat | | --- | --- | --- | | TXT | Hanya kata-katanya, satu penanda per baris, tanpa waktu | Anda akan membaca, mengutip, atau menempelkan susunan katanya | | SRT | Penanda bernomor, dengan koma sebelum milidetik | Editor mengharapkan file SubRip | | VTT | Header `WEBVTT`, dengan titik sebelum milidetik | Pemutar web mengharapkan WebVTT | TXT adalah susunan kata polos. Baris yang diucapkan sekitar satu menit sejak awal hanyalah kalimat itu, dengan pemisah baris setelahnya. Waktu mulai yang Anda lihat di sampingnya pada pembaca tidak dituliskan ke dalam TXT. Itulah yang Anda inginkan untuk catatan, untuk kutipan, dan untuk menempelkan ke dokumen atau obrolan. Ini file yang salah jika pemutar atau editor harus menampilkan baris itu pada momen tertentu. SRT adalah bentuk berwaktu yang sudah bisa diimpor oleh sebagian besar editor. Baris rekaan yang sama tampak seperti ini: ``` 1 00:01:02,000 --> 00:01:05,200 Baris contoh pada menit pertama. ``` Angka itu adalah indeks penanda. Tanda panah memisahkan awal dari akhir. Koma adalah bagian dari stempel waktu SubRip, bukan jeda dalam kalimat. Setiap penanda berikutnya dipisahkan oleh baris kosong. VTT membawa penanda yang sama untuk pemutar web. Header-nya wajib ada, dan milidetiknya memakai titik: ``` WEBVTT 00:01:02.000 --> 00:01:05.200 Baris contoh pada menit pertama. ``` Tukar koma dan titiknya, dan sebagian pemutar akan menolak file itu. Kata-katanya tidak berubah. Wadahnya yang berubah. Jika editor mengatakan ingin SRT, jangan berikan VTT dan berharap impornya memaafkan. Waktu akhir adalah akhir baris itu sendiri, dipangkas agar tidak menyerobot baris berikutnya. Jalur takarir, terutama yang otomatis, kadang memberi durasi pada suatu baris yang tumpang tindih dengan baris berikutnya. Pemutar yang menuruti kedua rentang itu akan menampilkan dua penanda sekaligus. Ekspor memotong penanda yang lebih awal agar berakhir saat penanda berikutnya mulai, dan penanda itu tidak pernah berakhir sebelum awalnya sendiri. Anda tetap mendapatkan setiap baris. Anda tidak mendapatkan dua baris yang berebut momen yang sama. Markdown dan JSON adalah bentuk opsional dari baris-baris yang sama. Markdown menaruh tanda menit-dan-detik di depan setiap kalimat, yang berguna di aplikasi catatan. JSON menyimpan segmen mentahnya, yang berguna dalam skrip. Keduanya tidak menggantikan SRT atau VTT ketika tujuannya adalah pemutar atau editor. Untuk [ekspor transkrip YouTube sebagai TXT, SRT, atau VTT](/id/youtube-transcript), hasilkan dulu baris-barisnya dari tautan publik, lalu pilih formatnya. Mengedit file setelahnya tidak menuliskan apa pun kembali ke video YouTube. Koreksi tetap ada di salinan Anda. Jika yang sebenarnya Anda butuhkan adalah jalur takarir sebagai file subtitle untuk pemutar, dan bukan susunan katanya sebagai dokumen, itu tugas pengunduh subtitle, bukan salinan kedua dari yang ini. ## Menggunakan kembali transkrip yang diunduh File yang tidak pernah Anda buka tidak layak disimpan. Penggunaannya biasa saja, dan formatnya seharusnya sudah cocok dengan itu. ![Seseorang yang meninjau transkrip YouTube yang diunduh dengan stempel waktu di laptop di samping buku catatan](/images/blog/download-youtube-transcript/id/87267215.jpg) Catatan kuliah yang harus menunjuk kembali ke suatu menit tidak boleh dibangun hanya dari TXT. TXT adalah kalimatnya. Waktu penandanya ada di SRT atau VTT, dan di layar sampai Anda menutup pembaca. Tuliskan waktu itu di samping kalimatnya dalam catatan. Pernyataan yang harus Anda temukan lagi adalah pencarian melalui teks, yang lebih baik daripada menyeret kepala pemutar melintasi unggahan yang panjang. Videonya sendiri bukan dokumen yang bisa Anda cari. Editor yang membuat takarir untuk hasil editnya sendiri ingin SRT atau VTT, lalu mengimpor file itu ke editor. Penandanya adalah jalur awal, bukan hasil akhir yang sudah dipoles. Nama, aksen, dan ucapan yang tumpang tindih masih perlu dibaca ulang. Kata yang salah di dalam transkrip menjadi takarir yang salah di layar jika Anda melewatkan pembacaan itu. Tidak ada apa pun di langkah ekspor yang memeriksa susunan katanya untuk Anda. NotebookLM, ChatGPT, Claude, Gemini, Kimi, dan Manus menerima teks, bukan halaman tonton. Tempelkan TXT ke yang sudah Anda pakai. Di transcript.im, baris-baris yang sama juga bisa melewati Clean sebelum penanda yang berisik dipercaya, melewati Translate saat catatan membutuhkan bahasa lain, atau melewati Ringkasan, Poin Inti, Ringkasan Bab, Study Notes, dan Peta Pikiran saat pembicaraan panjang butuh tampilan yang lebih singkat. Hasilnya berada di samping file. Hasil itu bukan TXT lain, dan tidak menggantikan SRT atau VTT ketika tujuannya adalah editor. Pertahankan waktu yang melekat pada setiap kalimat yang Anda kutip, atau Anda tidak akan bisa membuka kembali momen yang tepat. Bacalah rekaman yang berisik sebelum SRT atau VTT masuk ke editor. File itu tidak akan menandai kata yang salah. Ia akan menampilkannya. Tetap di halaman tonton bila membaca sambil mengikuti video adalah keseluruhan tugasnya. Ketika kata-katanya harus bertahan lebih lama daripada tab, [unduh transkrip YouTube](/id/youtube-transcript) dan simpan dalam format yang bisa dibuka program berikutnya.