Расшифровка видео с YouTube в текст бесплатно: по ссылке или из файла, без платных сервисов

Расшифровка видео нужна не ради текста, а ради того, что с ним делается дальше: из часового эфира получается конспект на страницу, из лекции — список вопросов к себе, из ролика конкурента — сравнение с твоей позицией. Текст читается быстрее, чем смотрится видео, и в нём работает поиск.

Есть два честных бесплатных пути, и они решают разные задачи. Первый: у ролика на YouTube уже есть субтитры, забираем их по ссылке. Это секунды и ноль установки мощных программ. Второй: у тебя есть файл, например запись твоего вебинара, и его расшифровывает программа Whisper на твоём компьютере. Это минуты, зато качественнее, с пунктуацией и без отправки записи в чужое облако.

Что понадобится заранее

• Терминал. Mac: «Терминал» (Cmd+Пробел, набрать «Терминал»). Windows: «Терминал» или PowerShell из меню «Пуск». Папку, где лежит запись, открой в нём командой cd и путь к папке; если в пути есть пробелы, бери его в кавычки: cd "/Users/ты/Мои записи". Имя файла в командах ниже тоже подставляй в кавычках.
• ffmpeg — программа для работы со звуком и видео, нужна обоим путям (yt-dlp конвертирует с её помощью субтитры). Mac: brew install ffmpeg; Windows: winget install Gyan.FFmpeg. Если brew на Mac не установлен, начни с brew.sh.
• Python нужен для маленьких скриптов ниже. Mac: проверь python3 --version; если команда не найдена, поставь brew install python@3.13. Windows: winget install Python.Python.3.12. Установленную программу терминал видит после перезапуска окна.

Не хочется возиться с терминалом — читай «Расшифровка видео» на странице YouTube (путь А, способ 1) или программу Buzz (путь Б, в конце).

Какой путь тебе нужен

Если ролик чужой и без субтитров, выход один: попросить у автора файл. Скачивать чужой звук с YouTube условия сервиса не разрешают, границу разбираем ниже.

Что можно, а что нет: условия YouTube

От этого зависит, какой путь подходит для какого ролика.

В условиях использования YouTube (раздел «Разрешения и ограничения», редакция от 15.12.2023) сказано: нельзя получать доступ к контенту, копировать, скачивать и распространять его, кроме случаев, когда это прямо разрешено сервисом или есть предварительное письменное разрешение от YouTube и, где применимо, правообладателей. Про субтитры в условиях отдельных правил нет.

Что из этого следует на практике:

• Свои ролики. Субтитры скачиваются в YouTube Studio (Субтитры → Изменить → Параметры → «Скачать субтитры»), оригинал видео можно скачать из своего аккаунта. Здесь вопросов нет.
• Ролики под лицензией Creative Commons (CC BY). Справка YouTube разрешает использовать их, указав автора, название, ссылку и лицензию. Это про использование содержания, а способ получения лучше выбирать самый скромный: читать расшифровку на странице.
• Чужие ролики. Кнопка «Расшифровка видео» (Show transcript) в описании ролика — функция самого YouTube: текст можно прочитать и пролистать на странице. Скачивание файла субтитров или звука программой вроде yt-dlp формально не относится к функциям сервиса. В самой справке yt-dlp сказано только про лицензии программы, а не про право на контент. Если ты это делаешь, то делаешь на свой риск и для личного разбора, а не для того, чтобы перепечатать чужое содержание.
• Разрешение автора и условия площадки — разные вещи. Если автор сам прислал тебе файл, это его решение, и вопросов нет. А вот скачивать ролик с YouTube программой, опираясь только на согласие автора, условия площадки не покрывают. И в любом случае чужую расшифровку нельзя выдавать за свою.

Путь А. Текст ролика по ссылке

Способ 1. Без установки: кнопка «Расшифровка видео»

Открой ролик, под ним нажми «Ещё» в описании и выбери «Расшифровка видео» (Show transcript). Справа откроется текст с таймкодами. Его можно выделить, скопировать и вставить в чат с нейросетью. Подходит для одного-двух роликов. Кнопки нет, если у ролика нет субтитров или автор их отключил.

Способ 2. Командой: yt-dlp достаёт субтитры за секунды

Для десятков роликов и для чистого текста без таймкодов удобнее программа yt-dlp. Она открытая и бесплатная, видео при этом можно вообще не скачивать — только субтитры.

Установка. На Mac (через Homebrew):

brew install yt-dlp

На Windows, в PowerShell или в «Терминале»:

winget install --source winget --id yt-dlp.yt-dlp

Для работы с YouTube yt-dlp нужен JavaScript-движок; по умолчанию он использует Deno. Если после установки команда ругается на него, поставь Deno (на Mac brew install deno) или следуй подсказке в сообщении об ошибке. Обновляется программа командой brew upgrade yt-dlp (на Windows winget upgrade --id yt-dlp.yt-dlp).

Команда. Автоматические русские субтитры в файл .srt, без скачивания видео:

yt-dlp --skip-download --write-auto-subs --sub-langs "ru" --convert-subs srt -o "%(id)s" "https://www.youtube.com/watch?v=ИДЕНТИФИКАТОР"

В папке появится файл вида ИДЕНТИФИКАТОР.ru.srt. Если автор добавил свои субтитры, вместо --write-auto-subs бери --write-subs: они точнее. Какие вообще есть у ролика, показывает yt-dlp --list-subs "ссылка"; если там пусто, пишет «has no subtitles», и этот путь для него закрыт.

Замер. Десятиминутный русский ролик: 4 секунды на всю команду, файл .srt на 72 КБ.

Очистка. Автосубтитры YouTube приходят «скользящим окном»: каждая строка повторяется в соседнем блоке, плюс таймкоды. В нейросеть такое отправлять незачем, оно съедает лимит. Скрипт ниже (нужен только Python из раздела «Что понадобится») оставляет только текст:

import re, sys
out, prev = [], ""
for line in open(sys.argv[1], encoding="utf-8"):
    line = line.strip()
    if not line or line.isdigit() or "-->" in line:
        continue
    line = re.sub(r"<[^>]+>", "", line)
    if line != prev:
        out.append(line)
    prev = line
print(" ".join(out))

Сохрани как srt2txt.py и запусти: python3 srt2txt.py ИДЕНТИФИКАТОР.ru.srt > ролик.txt. Из нашего десятиминутного ролика получился чистый текст на 1486 слов, то есть примерно 150 слов в минуту, как и должно быть при обычной речи.

Что в этом тексте не так. YouTube сам предупреждает, что автосубтитры могут исказить сказанное: акценты и шум снижают точность. Официальной цифры точности для русского нет, поэтому мы её не называем. На практике получается ровный текст без заглавных букв и точек, бренды звучат по-русски («чат gpt»), имена иногда искажены. Для пересказа и конспекта хватает: нейросеть ставит знаки сама. Для цитаты и публикации — нет, сверяй с видео.

Если команда вдруг пишет об ошибках доступа или о том, что контент недоступен, сделай паузу и повтори позже (сервис ограничивает частые запросы), обнови yt-dlp и не лезь в файлы cookie своего аккаунта: по руководству программы аккаунт, который используется так, может получить блокировку.

Путь Б. Свой файл: Whisper на твоём компьютере

Whisper — открытая модель распознавания речи от OpenAI. Работает офлайн: запись никуда не уходит, платить за минуты не нужно. Запускать её можно разными оболочками, мы разберём две основные и один вариант без командной строки.

Какую модель брать

У Whisper несколько размеров. Чем больше модель, тем лучше русский и тем выше требования. По таблице в репозитории Whisper и статье OpenAI («Robust Speech Recognition…», таблица по языкам, русский, набор FLEURS):

WER — доля ошибочных слов: 5,6 % значит примерно 6 ошибок на 100 слов в чистой речи. Модель turbo разработчики описывают как ускоренную версию large-v3 с качеством уровня large-v2 и скоростью примерно в 8 раз выше large. В нашем прогоне на Mac это был лучший баланс качества и времени.

На диске модели формата whisper.cpp занимают: small — 466 МБ, medium — 1,5 ГБ, large-v3-turbo — 1,5 ГБ, а её сжатая версия large-v3-turbo-q5_0 — 547 МБ (каталог моделей). Сжатая версия на нашем ролике работала не хуже большой.

Наши замеры: Mac с чипом M4, ролик 92 секунды

Мы взяли собственный видеоурок «Как пользоваться Нейрохакером» (1 минута 32 секунды, чистая речь одним голосом) и прогнали его двумя программами и несколькими моделями. Время считали на готовой модели, без скачивания.

Выводы, которые мы из этого сделали:

• На нашем Mac самым быстрым оказался whisper.cpp. Она использует графический ускоритель чипа (Metal): минута речи занимает около пяти секунд даже с большой моделью. Та же модель turbo в Python-версии faster-whisper на процессоре в 3–4 раза медленнее.
• Не экономь на модели. Разница между small и turbo — в именах, брендах и числах, то есть ровно в том, что потом приходится править руками. Три лишних секунды на минуту речи окупаются.
• Проверяй хвост расшифровки. Whisper известен тем, что на тишине в конце записи может «досочинить» текст. У нас whisper.cpp с моделью small дописала после последней фразы строку про редактора субтитров и корректора, которых в записи нет. Сжатая turbo в whisper.cpp дописала безобидное «Продолжение следует». А faster-whisper с включённым фильтром тишины (параметр vad_filter) в наших прогонах ничего не дописал. Просмотри последние строки, особенно если запись кончается паузой.
• Всё это — один ролик на чистой речи одним голосом, поэтому выводы только про него. Запись созвона с шумом и перебиванием даст больше ошибок: в таком случае бери самую большую модель, которая у тебя работает.

Windows и Linux мы в замерах не проверяли, скорость там не обещаем. Ориентир только от разработчиков: faster-whisper на процессоре с моделью small расшифровал 13 минут записи за 1 минуту 42 секунды в режиме int8 против почти 7 минут у оригинального Whisper (их стенд — процессор i7-12700K).

Mac: whisper.cpp за пять команд

Установка программы и ffmpeg (если его ещё нет):

brew install whisper-cpp ffmpeg

Скачай модель (547 МБ) в удобную папку:

curl -L -o ggml-large-v3-turbo-q5_0.bin https://huggingface.co/ggerganov/whisper.cpp/resolve/main/ggml-large-v3-turbo-q5_0.bin

whisper.cpp принимает звук в формате WAV 16 кГц, поэтому сначала конвертируем (из любого видео или аудио):

ffmpeg -i запись.mp4 -ar 16000 -ac 1 запись.wav

И расшифровываем:

whisper-cli -m ggml-large-v3-turbo-q5_0.bin -l ru -f запись.wav -nt -otxt -of запись

Получится файл запись.txt: -l ru задаёт язык, -nt убирает таймкоды, -otxt пишет простой текст, -of задаёт имя. Если нужны субтитры с таймкодами, замени -nt -otxt на -osrt. Ссылки на скачивание модели и список остальных вариантов — в репозитории whisper.cpp.

Windows и любой компьютер: faster-whisper на Python

Готовых программ-установщиков у whisper.cpp для Windows в релизах нет (ее нужно собирать из исходников), поэтому для командной строки проще Python-вариант faster-whisper: он ставится одной командой pip, ffmpeg отдельно не нужен.

pip install faster-whisper

Скрипт rasshifrovka.py:

import sys
from faster_whisper import WhisperModel

model = WhisperModel("turbo", device="cpu", compute_type="int8")
segments, info = model.transcribe(sys.argv[1], language="ru", vad_filter=True)
text = " ".join(s.text.strip() for s in segments)
open(sys.argv[1] + ".txt", "w", encoding="utf-8").write(text)
print("Готово:", sys.argv[1] + ".txt")

Запуск: python rasshifrovka.py запись.mp4. Файл может быть видео или аудио, конвертация не нужна. Первый запуск скачает модель; в нашем замере основное время ушло на скачивание, а сам ролик в 92 секунды расшифровывался около полминуты на процессоре.

Две ошибки, на которые мы налетели при установке, и как их лечить:

• pip падает при сборке пакета av. Это бывает на самых новых версиях Python (у нас так было на 3.15): для них у зависимости ещё нет готовой сборки. Поставь Python 3.12–3.14 и повтори.
• TypeError: open() got an unexpected keyword argument 'metadata_errors'. Установилась слишком свежая версия зависимости av, которая не дружит с faster-whisper 1.2.1. Помогает pip install "av<17".

Без командной строки: Buzz

Если терминал не твоё, есть программа Buzz с лицензией MIT: под Windows и Mac с чипом Apple, работает офлайн на базе Whisper, принимает файлы. Последний релиз на момент проверки — 1.4.5 от 23.08.2026. Мы её не прогоняли, поэтому скорость и качество не заявляем. Русский язык в описании не упомянут напрямую, но Whisper его поддерживает: в настройках выбери язык вручную.

Что делать с готовым текстом

Расшифровка без обработки — сплошная простыня. Нейросеть превращает её в то, ради чего всё затевалось. Если текст длинный (часовой эфир — это 8–10 тысяч слов), режь его на части по 3–4 тысячи слов и собирай ответы вместе; у ChatGPT и Claude в чате есть ограничения на объём одного сообщения.

Ниже расшифровка видео. Это сырой текст: возможны ошибки распознавания в именах и названиях, нет заглавных букв и точек.

Сделай по порядку:
1. Исправь явные ошибки распознавания по смыслу и перечисли, что ты исправил и где не уверен: имена, названия, числа.
2. Сделай конспект: тема в одну фразу, затем до 20 пунктов в порядке выступления — по пункту одна мысль и, если есть, пример или цифра из текста.
3. Выпиши все названия программ, сервисов, ссылки и цифры, которые прозвучали, списком. Если чего-то не расслышано, пиши «(проверить)». Если в тексте есть таймкоды, сохраняй их рядом с цитатами и цифрами.
4. Придумай 5 вопросов, на которые этот текст отвечает, и 3 вопроса, на которые он НЕ отвечает, но которые остаются у слушателя.

Правила: ничего не придумывай сверх текста, не добавляй факты из головы. Если в расшифровке чего-то нет, так и напиши.

Как это выглядит на деле (фрагмент выдуман для примера):

Было (сырая расшифровка): сегодня покажу как поставить чат gpt клод и алису в один рабочий стол за пять минут
Стало (конспект): 1. Три ассистента — ChatGPT, Claude и Алиса — собираются в одном окне за пять минут. Сомнительно: название «Алиса» (проверить)

Когда конспект получен, с ним можно говорить: «А что автор сказал про цены?», «Найди противоречия в аргументах». Вопросы к тексту задавать выгоднее, чем смотреть видео заново, потому что ответ приходит с цитатой, а проверить цитату можно по таймкоду. Для этого расшифровку лучше сохранять в формате .srt (путь Б с ключом -osrt) или оставлять скопированный текст кнопки «Расшифровка видео»: оба варианта несут время.

Расшифровки удобно хранить в одной папке и показывать нейросети как часть контекста — как в гайде про файл о себе и CLAUDE.md. А если записи приходят регулярно, разбор можно поставить на расписание по схеме из гайда про почту на автопилоте.

Что может сломаться

• Ролик без субтитров. Путь А недоступен. Свой ролик — скачай его и иди путём Б. Чужой — проси у автора файл или материалы.
• Субтитры на другом языке. --list-subs покажет доступные языки; автоперевод субтитров YouTube качает тем же ключом --sub-langs, но качество перевода ниже, чем у оригинала. Для русского разговора бери ru.
• Команда yt-dlp перестала работать. Это обычная жизнь: YouTube меняет защиту, программа догоняет. Обнови её и повтори позже. Не ищи «рабочие» сборки на случайных сайтах: поддельные установщики бывают с вирусами. Бери только с официальной страницы проекта или из Homebrew и winget.
• Расшифровка обрывается или дописывает лишнее в конце. Проверь последние строки; в faster-whisper включи vad_filter=True, а при записи разговора на несколько человек запасись самой большой моделью. Расшифровка не отличает, кто говорит: роли спикеров расставляются отдельно.
• Слишком длинный текст для чата. Режь по абзацам на части и делай конспект каждой части, затем попроси собрать итоговый из конспектов.
• Личные данные. Если в записи слышны персональные данные клиентов, путь Б хорош тем, что запись не уходит в облако. Но готовую расшифровку ты потом отправляешь в нейросеть, а это уже передача данных за пределы компьютера; подумай, что там можно оставить.

С чего начать сегодня

Что дальше

Расшифровка — первый шаг в конвейере: звук превращается в текст, текст — в конспект, конспект — в статью, пост или урок. Какие ещё бесплатные кирпичики можно собрать на своём компьютере и как не платить сервисам за обёртку над ними, разобрано в материале про бесплатную транскрибацию и субтитры методом localhost: там же — как накладывать субтитры на готовый ролик. Общую логику «что отдать нейросети, а что оставить себе» разбирает гайд про автоматизацию рутины.

Вопросы и ответы