講義や解説を、コードを書かずに文字起こしできます
講義を復習したい、解説をメモにしたい、発言を正確に引用したい。そんなときはダッシュボードから使えます。APIリクエストを書く必要はありません。
動画のリンクをコピーします
watch、youtu.be、Shorts、埋め込みのリンクを使えます。取得できる公開動画か限定公開動画を選びます。チャンネルページや再生リストだけでは、どの動画か指定できません。
リンクを貼り付け、開始します
ログインしてメールを認証し、リンクのフォームにURLを貼り付けます。初期設定なら字幕を優先します。音声から文字起こししたい場合や、話者を分けたい場合は設定を選びます。
テキストを読み、気になる箇所を確認します
完了した文字起こしを開きます。名前や数字などは、時刻を手掛かりに動画で聞き直します。テキストがYouTubeの字幕から来たのか、AI文字起こしなのかも確認できます。
メモにコピーするか、全体を保存します
必要な一節をコピーし、引用には動画URLも添えます。全文が必要ならファイルをダウンロードします。元の動画に戻れる状態で残してください。
字幕を優先し、なければ音声から文字起こしします
autoでは、投稿者がアップロードした字幕を自動生成字幕より優先します。指定した言語に合う字幕を選び、言語がautoなら動画の元の言語を使います。自動翻訳された字幕は使いません。
使える字幕がなければAI文字起こしに進みます。字幕があっても、音声から新しく文字起こしする設定を選べます。コードから使う場合はYouTube APIのガイドで指定方法を確認できます。
| source | こんなときに使います |
|---|---|
| auto | 字幕があれば取得し、なければ音声から文字起こししたい場合。 |
| captions | 公開されている字幕が必要な場合。使える字幕がなければno_captionsになります。 |
| stt | 字幕の有無にかかわらず、音声から文字起こししたい場合。 |
長い講義は、要点ごとに時刻を残します
まずテキストを読み、どこで何を話しているかをつかみます。その後、必要な部分に戻ってメモを作ります。要点ごとにタイムスタンプを残すと、後から根拠を探し直せます。
用語の説明が冒頭にあり、例外や条件が後半に出てくることもあります。短くまとめる前に両方を確認してください。数式、図、実演に言及している場合は、映像を見て補足します。transcript1はスライドを読み取ったり、映像を説明したりはしません。
引用は話者の言葉を残し、動画と照合します。要約は自分の言葉で書き、根拠になる箇所の時刻を付けます。文字が正しくても、映像だけで伝えている情報までは含まれない点に注意してください。
対談では、話者分離を作成時に選びます
誰の発言かを分けたい場合は「Identify speakers」を有効にします。Speaker 1、Speaker 2のようなラベルが付きますが、実名は判定しません。録音を聞いて参加者と対応付け、声が重なる箇所は確認します。
話者分離にはAI文字起こしが必要です。source=autoでも字幕を使わず音声から処理します。captions（字幕のみ）とdiarize=trueは併用できません。作成後にTXTやSRTを選ぶ操作とは違い、話者分離は作成時に指定します。
取得できないときは、まず動画の公開状態を確認します
非公開動画、年齢制限付き動画、進行中のライブ配信は処理できません。/live/のURLでも動画は指定できますが、配信中は取得できません。動画IDだけや再生リストだけではなく、動画を指定するURLを使っているか確認します。
captions（字幕のみ）でno_captionsになったら、音声からの文字起こしでも目的を満たせるか判断します。sttに変えても、見つからなかった字幕を取得するわけではありません。AI文字起こしで扱える長さは5時間までです。
まだ処理中なら、完了を待つか既存のIDで確認します。同じURLを何度も送らないでください。文字起こしが失敗した場合やキャンセルした場合は課金しません。
保存するほか、AIアシスタントに読ませることもできます
完了した文字起こしはコピーするか、TXT・SRT・VTT・JSONで保存できます。読むならTXT、字幕ならSRT・VTT、アプリで処理するならJSONを選びます。別形式のために文字起こしを作り直す必要はありません。
要約が必要なら、MCPで接続したAIアシスタントに文字起こしを取得させ、その内容をまとめるよう頼めます。transcript1が用意するのはテキストで、要約を書くのはアシスタントです。長い動画では必要なページをすべて読み、要点にタイムスタンプを付けるよう指示してください。