（5447期）YouTube Transcript (yt-dlp captions) – YouTube字幕一键提取，本地缓存更安全

YouTube字幕一键提取，本地缓存更安全 基于yt-dlp的YouTube转录提取工具，支持手动/自动生成字幕、时间戳与纯文本输出，含本地SQLite缓存机制。 使用说明 核心用法 yt_transcript 是一个专门用于提取YouTube视频字幕/转录文本的命令行工具。它通过封装 yt-dlp 实现核心功能，支持直接解析视频URL或11位视频ID。运行时优先获取创作者上传的手动字幕，若不存在则自动降级至YouTube自动生成的字幕。 输出格式灵活：默认返回带时间戳的JSON分段结构（start、duration、text），也可通过 --text 切换为纯文本模式，--no-ts 可移除时间戳。语言筛选通过 --lang 参数实现。所有结果默认缓存至本地SQLite数据库，避免重复请求。 显著优点 权威数据源：直接对接YouTube官方字幕流，不依赖第三方转录服务商，数据可信度与隐私可控性更强 双重降级机制：手动字幕 → 自动生成字幕 → YouTube网页版转录面板（youtubei get_transcript），提升覆盖率 隐私优先设计：明确不调用外部API，视频ID/URL仅与YouTube官方交互 本地缓存加速：SQLite持久化存储，重复查询毫秒级响应 安全路径约束：cookies与缓存路径被严格限制在批准目录（~/.config/yt-transcript/ 及 {baseDir}/cache/），降低凭证泄露风险 潜在缺点与局限性 依赖外部工具：必须预先安装 python3 与 yt-dlp，对非技术用户门槛较高 网络访问受限：VPS或数据中心IP频繁触发YouTube反爬机制，需额外配置cookies文件 字幕覆盖盲区：若视频创作者关闭字幕且自动识别不可用（如音乐视频、低质量音频），则完全无法提取 无实时转录能力：仅处理已有字幕，不支持音频直接转文本（需依赖YouTube的语音识别结果） Cookie管理负担：虽然设计为"可选"，但实际生产环境（服务器部署）几乎必需，且需手动维护Netscape格式cookies.txt 适合人群 研究人员、内容分析师：批量提取视频文本用于NLP分析、关键词索引 开发者构建AI摘要工作流：将YouTube内容转为LLM可处理的文本输入 隐私敏感用户：拒绝第三方转录服务，坚持本地/官方直连方案 多语言学习者：通过 --lang 提取特定语言字幕辅助学习 常规风险 | 风险类型 | 说明 ||---------|------|| 账号封禁 | 高频请求+数据中心IP易触发YouTube风控，cookies对应的Google账号可能被限制 || 凭证泄露 | cookies.txt含敏感登录态，若误提交至版本控制或共享目录将导致账号接管 || 版权合规 | 提取的转录文本仍受原视频版权约束，大规模分发需评估合理使用边界 || 依赖失效 | yt-dlp 需随YouTube前端更新频繁迭代，长期未更新可能导致功能断裂 || 缓存膨胀 | SQLite数据库无自动清理机制，高频使用需手动维护存储空间 | 原始说明 Extract YouTube video transcripts from existing captions (manual or auto-generated) using yt-dlp, with optional timestamps and local SQLite caching. Use when...