# 怎么拿到带时间戳的 YouTube 字幕，导出成 JSON 或 SRT？

> 获取 YouTube 视频带时间戳的字幕分段 JSON，转成 SRT 文件，或者生成直接跳到某一秒的链接。单个视频的价格和代码。

网页版：https://okdata.online/zh/answers/youtube-transcript-timestamps-srt/

**简短回答：**YouTube 视频字幕接口会把每一行字幕作为一个分段返回，带 start 和 end（单位秒），另附全文，每个视频 $0.004。JSON 可以直接存，也可以用十几行 Python 写成 SRT；时间戳不另外收费。

做播客切片的剪辑想找出嘉宾提到某个产品的所有地方，每处配一个能直接跳到那一秒的链接。光有文字稿不够，还得知道每句话是什么时候说的。[YouTube 视频字幕](/zh/apis/youtube/videos/transcript/get/)在同一次调用里就把时间一起返回了。

## JSON 长这样

字幕在响应的 `data.item` 里：

```json
{
  "video_id": "dQw4w9WgXcQ",
  "lang": "en",
  "text": "We're no strangers to love ...",
  "segments": [
    { "start": 18.64, "end": 21.88, "text": "We're no strangers to love" },
    { "start": 22.64, "end": 26.92, "text": "You know the rules and so do I" }
  ]
}
```

时间是从视频开头算起的秒数。有些库给的是 `duration`，换算一下就是 `end - start`。

## 分段转成 SRT

```python
import os, requests

body = requests.get(
    "https://api.okdata.online/v1/youtube/videos/transcript/get",
    headers={"Authorization": f"Bearer {os.environ['OKDATA_API_KEY']}"},
    params={"id": "dQw4w9WgXcQ", "lang": "en"}, timeout=60,
).json()
segments = body["data"]["item"]["segments"]

def srt_time(sec):
    ms = int(round(sec * 1000))
    return f"{ms // 3_600_000:02}:{ms // 60_000 % 60:02}:{ms // 1000 % 60:02},{ms % 1000:03}"

with open("dQw4w9WgXcQ.srt", "w", encoding="utf-8") as f:
    for n, s in enumerate(segments, 1):
        f.write(f"{n}\n{srt_time(s['start'])} --> {srt_time(s['end'])}\n{s['text']}\n\n")
```

要 WebVTT 的话，文件开头写 `WEBVTT`，毫秒前面的逗号换成点。

## 生成跳到某一秒的链接

`https://www.youtube.com/watch?v=dQw4w9WgXcQ&t=18s` 会从第 18 秒开始播放。把 `start` 向下取整，AI 从字幕里摘出的每一句引用后面都能挂一个可点的出处，摘要对不对，点一下就知道。

## 价格

| 任务 | 费用 |
|---|---|
| 一个视频，文字加时间 | $0.004 |
| 100 期节目的存档 | $0.40 |
| 1,000 个视频 | $4.00 |

每份字幕都自带时间。没有字幕的视频返回 `not_found`，不扣费。

## 交付文件前要知道的事

- 自动字幕的分段经常重叠，上一行还没结束下一行就开始了。播放器报错的话，把每段的 `end` 截到下一段的 `start`。
- 分段是按 YouTube 切字幕的方式来的，都很短，和句子边界对不上。引用整句话之前，先把相邻分段拼起来。
- 接口收的是 11 位视频 ID，不收链接。
- 不返回样式、位置和说话人，只有文字和时间。

## 其他拿带时间字幕的办法

- 在你的网络上 yt-dlp 没被拦的话，`--write-subs --convert-subs srt` 能直接写出文件。
- 自己频道的视频，官方 Data API 可以通过 `tfmt` 下载 SRT 格式的字幕。
- 视频没有字幕时，对你有权使用的音频跑 Whisper，也能得到带时间戳的文字。

整个频道批量处理的做法和费用见[视频转文字方案](/zh/solutions/transcripts/)。

## 用到的接口

- [YouTube 视频字幕](https://okdata.online/zh/apis/youtube/videos/transcript/get/) `youtube.videos.transcript.get`：$0.004/次

更新于 2026-11-12