--- title: "Chép lời video YouTube: tải TXT, SRT hoặc VTT" description: "Chép lời video YouTube lưu nội dung thành TXT, SRT hoặc VTT. Cách tải transcript từ video YouTube mà không cần lưu video." canonical: "https://transcript.im/vi/blog/download-youtube-transcript" markdown: "https://transcript.im/vi/blog/download-youtube-transcript.md" author: "Leo" category: "YouTube" datePublished: "2026-10-03T03:14:51.000Z" dateModified: "2026-10-03T06:00:36.711Z" --- Tải bản chép lời video YouTube là lưu những lời được nói trong video YouTube thành một tệp, để bạn mở lại được sau khi trang xem không còn nữa. Chế độ xem bản chép lời của chính YouTube, được giới thiệu trong [trang trợ giúp về cách xem bản chép lời](https://support.google.com/youtube/answer/15930243), chỉ là một danh sách các dòng phụ đề chạy dọc. Bạn đọc theo và bấm vào một dòng để tua trình phát. Bài trợ giúp đó không mô tả một tài liệu bạn có thể giữ lại. Trang này nói về tệp đó. Tệp này cũng không phải là video. MP4 giữ phần hình. MP3 giữ phần tiếng. Cả hai đều không giữ nguyên lời nói. Và tệp chép lời cũng không cùng công dụng với việc lưu tệp phụ đề mà trình phát hiển thị đè lên hình. Việc lưu tệp phụ đề là công dụng của [tải phụ đề YouTube](/vi/youtube-subtitle-downloader). Ở đây đối tượng là bản chép lời: những lời đã nói, được viết ra, với định dạng bạn chọn dựa trên việc bạn sẽ làm tiếp theo. ## "Tải bản chép lời" nghĩa là gì Trong bài này, "tải" có nghĩa là một tệp có tên chứa nội dung lời nói. Các dòng được lấy từ tệp phụ đề của người tạo khi video có sẵn tệp đó. Khi không có, chúng được tạo bằng cách chép lời từ âm thanh. Dù theo cách nào, kết quả vẫn là chuỗi những gì đã được nói, chứ không phải bản sao của trang xem. ![Bản chép lời đã tải xuống là tệp văn bản chứa lời nói kèm dấu thời gian, không phải tệp video](/images/blog/download-youtube-transcript/vi/d29017fe.jpg) Vài thứ trên trang đó trông có vẻ liên quan nhưng không phải là tệp. Phần mô tả là lời giới thiệu của người tạo. Các chương, khi video có, là những mốc điều hướng. Thẻ tiêu đề trên màn hình và phụ đề gắn cứng là các điểm ảnh trong hình, không được đọc thành văn bản. Bình luận là phần chữ của người khác. Tệp bỏ qua những thứ đó và giữ lại lời nói. Bài trợ giúp chỉ nói về việc đọc và tua, và chỉ áp dụng cho video đã có phụ đề. Trang này không nhắc lại các thao tác để mở chế độ xem đó. Khi video chưa từng có phụ đề, bảng chép lời không có dòng nào, và vẫn có thể tạo tệp bằng cách chép lời từ âm thanh. Việc đọc bên cạnh trình phát sẽ kết thúc khi đóng thẻ. Còn bản chép lời video YouTube tải về là bản vẫn còn nguyên vào ngày hôm sau. Tệp chỉ rõ ràng đến mức độ của lời nói gốc. Một video chỉ có người nói trước camera trong không gian yên tĩnh dễ đọc hơn một cuộc phỏng vấn ngoài phố với tiếng xe cộ lẫn vào giọng nói. Những người nói chồng tiếng bị gộp chung vào một dòng. Một cái tên mà tệp phụ đề viết sai sẽ không trở nên đúng chính tả chỉ vì bạn xuất tệp ra. Hãy kiểm tra đoạn bạn định trích dẫn. URL dán vào phải mở được công khai. Video ở chế độ riêng tư, video đã bị xóa hoặc video chỉ dành cho thành viên sẽ không tạo ra tệp từ lần dán đó. Video mà YouTube giữ lại cho đến khi biết tuổi người xem, hoặc video không phát được ở một khu vực nhất định, cũng dừng ở đúng bước đó. Quản lý video bạn tự đăng trong YouTube Studio là một việc khác, và chỉ áp dụng cho video trên kênh bạn kiểm soát. Bài này chỉ nói về video công khai mà người khác đã xem được. Quá trình tải hoàn tất khi những lời nói đã rời khỏi thẻ trình duyệt. Trước đó, bạn vẫn đang đọc trên YouTube. Sau đó, bạn có một tệp để di chuyển, đổi tên và mở bằng một ứng dụng khác. ## Sao chép và xuất tệp Sao chép là việc bạn làm khi chỉ cần một câu đang hiện trên màn hình. Trên máy tính, việc bôi đen bảng chép lời phụ thuộc vào những gì trình duyệt cho phép. Với một bài giảng dài, thao tác chọn như vậy không đáng tin: bạn dừng giữa chừng, một dòng bị bỏ sót, và các mốc thời gian đi kèm xuất hiện theo thứ tự tùy theo cách trang đã dùng. Chọn toàn bộ bảng trên điện thoại còn vụng về hơn. Sao chép thêm câu thứ hai thì câu thứ nhất đã mất. Không có gì được lưu dưới một cái tên. Xuất tệp bắt đầu sau khi các dòng đã tồn tại thành một bản chép lời. Công cụ [chép lời video YouTube](/vi/youtube-transcript) ghi những dòng đó thành tệp. Bạn chọn định dạng theo chương trình sẽ mở tệp, chứ không phải theo vùng chọn của trình duyệt. Thao tác sao chép trên bản chép lời hoàn chỉnh và thao tác xuất TXT đều lấy phần chữ và bỏ lại các mốc thời gian. Các mốc thời gian vẫn ở trên màn hình trong lúc bạn đọc, và vẫn nằm trong SRT và VTT khi bạn cần một cue có thời điểm bắt đầu và kết thúc. Cách tải transcript từ video YouTube, khi lời nói chính là thứ bạn muốn giữ lại: 1. Từ trang xem công khai, sao chép URL của video. 2. Dán URL đó lên transcript.im. Một URL, một bản chép lời. 3. Nếu video đã có tệp phụ đề, hệ thống đọc tệp đó làm nguồn. Nếu không có, hệ thống chép lời từ âm thanh thay thế. Mỗi đoạn lời nói trở thành một dòng. 4. Lưu tệp. TXT là phần chữ. SRT hoặc VTT là lựa chọn lưu khi chương trình tiếp theo cần thời điểm bắt đầu và kết thúc. Markdown và JSON là hai cách lưu còn lại, dành cho ứng dụng ghi chú hoặc một script. Hình dạng của TXT, SRT và VTT được trình bày bên dưới. Thứ tự đó rất quan trọng. Các dòng phải tồn tại trước thì mới có tệp. Bài trợ giúp chỉ dừng ở việc đọc và tua, nên thao tác xuất diễn ra sau khi bạn rời chế độ xem đó. Một video ngắn và một bài giảng hai tiếng đi theo cùng một quy trình. Bài giảng chính là lúc sao chép thủ công bộc lộ điểm yếu, vì vùng chọn dài và chỗ sót không thể thấy được cho tới khi bạn cần đúng dòng đã bỏ qua. Tải về là toàn bộ chuỗi, chứ không phải phần bạn kịp bôi đen. Hãy coi việc sao chép thủ công là cách lấy một câu ngay khi bạn còn đang ở trang xem video. Còn xuất file là cách giữ lại nguyên văn lời trong video. Nếu bước tiếp theo là trích dẫn vào một tài liệu, phụ đề cho bản dựng của bạn, hay một đoạn văn bạn sẽ tìm lại vào tuần sau, thì bạn cần đến file. ## Xuất ra TXT, SRT hoặc VTT Chọn định dạng theo công việc, đừng chọn theo thói quen. Ba định dạng đáp ứng việc đọc và phụ đề có mốc thời gian là TXT, SRT và VTT. Các ví dụ dưới đây dùng một câu tự đặt để bạn thấy rõ hình dạng của file. File thật lấy mốc thời gian từ video, và có một cue cho mỗi câu, chứ không phải chỉ một cue. ![Chọn định dạng bản chép lời: TXT cho phần lời, SRT cho dựng video, VTT cho trình phát web](/images/blog/download-youtube-transcript/vi/aa45b94a.jpg) | File | Có gì trong đó | Mở khi nào | | --- | --- | --- | | TXT | Chỉ có chữ, mỗi dòng một cue, không có mốc thời gian | Bạn sẽ đọc, trích dẫn hoặc dán nguyên văn | | SRT | Cue được đánh số, có dấu phẩy trước phần mili giây | Trình dựng phim cần file SubRip | | VTT | Có dòng tiêu đề `WEBVTT`, dấu chấm trước phần mili giây | Trình phát web cần WebVTT | TXT là phần nguyên văn trần trụi. Một câu được nói ở khoảng phút thứ nhất thì trong TXT chỉ là câu đó, kèm một lần xuống dòng phía sau. Mốc thời gian bắt đầu mà bạn thấy bên cạnh câu trong trình đọc không được ghi vào TXT. Đây chính là thứ bạn cần cho ghi chú, cho một câu trích dẫn, và để dán vào tài liệu hay cửa sổ chat. Nhưng đây là sai định dạng nếu trình phát hoặc trình dựng phim phải hiển thị câu đó tại một thời điểm cụ thể. SRT là dạng có mốc thời gian mà hầu hết trình dựng phim đã nhập được sẵn. Câu tự đặt ở trên trông như thế này: ``` 1 00:01:02,000 --> 00:01:05,200 Câu ví dụ ở phút thứ nhất. ``` Con số là chỉ số cue. Mũi tên phân tách thời điểm bắt đầu với thời điểm kết thúc. Dấu phẩy là một phần của mốc thời gian SubRip, không phải chỗ ngắt câu. Mỗi cue tiếp theo được ngăn cách bằng một dòng trống. VTT mang đúng những cue đó cho trình phát web. Dòng tiêu đề là bắt buộc, và phần mili giây dùng dấu chấm: ``` WEBVTT 00:01:02.000 --> 00:01:05.200 Câu ví dụ ở phút thứ nhất. ``` Đổi dấu phẩy thành dấu chấm là có trình phát từ chối file ngay. Phần chữ không đổi. Cái đổi là phần vỏ định dạng. Nếu trình dựng phim nói nó cần SRT, đừng đưa VTT rồi hy vọng nó dễ tính khi nhập. Mốc kết thúc là điểm kết thúc của chính câu đó, được cắt bớt để không chạy sang câu kế tiếp. Các track phụ đề, nhất là phụ đề tự động, đôi khi cho một câu khoảng thời gian chồng lấn lên câu sau. Trình phát tôn trọng cả hai khoảng sẽ hiển thị hai cue cùng lúc. Bước xuất file sẽ cắt cue trước để nó kết thúc đúng lúc cue sau bắt đầu, và không bao giờ kết thúc trước thời điểm bắt đầu của chính nó. Bạn vẫn có đủ mọi câu. Bạn không còn cảnh hai câu tranh nhau cùng một thời điểm. Markdown và JSON là những dạng tùy chọn của đúng các dòng đó. Markdown đặt mốc phút–giây trước mỗi câu, rất tiện trong ứng dụng ghi chú. JSON giữ nguyên các segment thô, tiện cho script. Không dạng nào thay thế được SRT hay VTT khi đích đến là trình phát hoặc trình dựng phim. Để [lấy transcript từ video YouTube dưới dạng TXT, SRT hoặc VTT](/vi/youtube-transcript), trước tiên hãy tạo các dòng từ link công khai, rồi chọn định dạng. Chỉnh sửa file sau đó không ghi ngược lại điều gì vào video YouTube. Mọi chỉnh sửa vẫn nằm trong bản sao của bạn. Nếu thứ bạn thực sự cần là track phụ đề dưới dạng file subtitle cho trình phát, chứ không phải nguyên văn dưới dạng tài liệu, thì đó là việc của công cụ tải phụ đề YouTube, không phải một bản sao thứ hai của công cụ này. ## Tái sử dụng bản chép lời đã tải về Một file bạn không bao giờ mở thì tải về cũng vô ích. Việc tái sử dụng rất đời thường, và định dạng đã phải khớp với nó ngay từ đầu. ![Một người đang xem lại bản chép lời YouTube đã tải xuống có dấu thời gian trên laptop bên cạnh cuốn sổ](/images/blog/download-youtube-transcript/vi/4b5d0ab4.jpg) Một ghi chú bài giảng phải chỉ ngược lại được mốc phút thì không nên chỉ dựng từ TXT. TXT là câu chữ. Mốc thời gian của cue nằm trong SRT hoặc VTT, và hiển thị trên màn hình cho đến khi bạn đóng trình đọc. Hãy ghi mốc đó ngay cạnh câu trong ghi chú. Một luận điểm bạn phải tìm lại thì nên tìm trong văn bản, nhanh hơn nhiều so với kéo thanh tua khắp một video dài. Bản thân video không phải là tài liệu để bạn tra cứu. Người dựng phim đang làm phụ đề cho bản dựng của mình cần SRT hoặc VTT, rồi nhập file đó vào trình dựng. Các cue chỉ là track khởi đầu, không phải bản hoàn chỉnh. Tên riêng, giọng địa phương và những đoạn nói chồng tiếng vẫn cần đọc lại một lượt. Một từ sai trong bản chép lời sẽ thành một phụ đề sai trên màn hình nếu bạn bỏ qua bước đọc đó. Không có gì trong bước xuất file kiểm tra giúp bạn phần chữ. NotebookLM, ChatGPT, Claude, Gemini, Kimi và Manus nhận văn bản chứ không nhận trang xem video. Hãy dán TXT vào công cụ bạn vốn đã dùng. Trên transcript.im, cùng những dòng đó cũng có thể đi qua Clean trước khi tin một cue nhiễu, qua Translate khi ghi chú cần ngôn ngữ khác, hoặc qua Summary, Core Points, Chapter Summary, Study Notes và MindMap khi một bài nói dài cần một góc nhìn ngắn hơn. Những kết quả đó nằm bên cạnh file. Chúng không phải một file TXT khác, và không thay thế SRT hay VTT khi đích đến là trình dựng phim. Hãy giữ mốc thời gian gắn với bất kỳ câu nào bạn trích dẫn, nếu không bạn sẽ không mở lại được đúng khoảnh khắc đó. Hãy đọc lại bản ghi nhiễu trước khi đưa SRT hoặc VTT vào trình dựng. File sẽ không đánh dấu từ sai. Nó chỉ hiển thị từ sai đó ra thôi. Hãy cứ ở lại trang xem nếu việc đọc theo là tất cả những gì bạn cần. Khi nội dung cần tồn tại lâu hơn cả tab, hãy [tải transcript YouTube](/vi/youtube-transcript) và lưu ở định dạng mà chương trình kế tiếp có thể mở.