如何将完整的 YouTube 转录稿排成适合电子阅读器的文档

1. 选择来源，确定文档范围

选择一个视频和一种可用的字幕语言。字幕条目是带有开始时间和结束时间的一小段文字。字幕轨道是一种语言的全部字幕条目。阅读版是根据该轨道另行制作的文档。

记录来源网址、视频标题、所选语言和字幕采集日期。确认你可以将这些内容用于计划制作的个人文档。未经许可，不要发布其他创作者的转录稿。

确定阅读版将保留已核对字幕轨道中可获得的全部口述内容。段落和标题可以改变文字的呈现方式，但不能删去解释、示例、警告或适用条件。适用条件是指会改变某项陈述适用范围的限制。

分别保存以下三项记录：

1. 原始的带时间信息的字幕文件。
2. 供你编辑的阅读版。
3. 记录改动和未解决问题的编辑日志。

编辑日志用于记录你改了什么，以及为什么改。以后你可以用它将改动与原文核对。

如果你已有带时间信息的字幕，可以直接使用。如果还需要采集字幕，请按字幕提取指南完成这一步。本指南介绍阅读文档的制作和页面检查。

2. 采集带时间信息的字幕，检查结果

YouTube Transcript Scraper，公开输入输出规范已于 2026 年 10 月 25 日核对；未做运行测试可读取现有的公开字幕轨道。Actor 是在托管环境中运行的数据采集程序。这个 Actor 接受直接指向 YouTube 视频的网址或视频 ID。ID 是用于识别视频的简短代码。

它不接受频道、播放列表或搜索页面作为来源列表。它不会将音频转写成新文字，也不会下载音频或视频。它接受 1–1,000 个输入，重复的视频 ID 只处理一次。使用本方法时，先从一个视频开始。

使用以下简短的输入配置：

{
  "includeFailedInputDetails": true,
  "outputFormats": ["json"],
  "preferredLanguages": [],
  "startUrls": ["https://www.youtube.com/watch?v=dQw4w9WgXcQ"]
}

将 `startUrls` 中的示例网址替换为你要使用的公开视频网址。这里提供的网址只是输入示例，不能证明其转录稿可用，也不能证明本指南已完成一次运行。

JSON 是一种结构化文本格式。请求 `json` 输出可保留带时间信息的片段。一个片段就是返回的一个字幕条目。每个片段包含 `text`、`startSeconds`、`endSeconds` 和 `durationSeconds`。仅凭纯文本无法确定字幕条目的结束时间。

空的 `preferredLanguages` 列表会请求当前可用的最佳字幕轨道，但不保证是英语。采集后，请检查 `transcriptLanguageCode`。如果设置了语言偏好，Actor 会按顺序尝试。如果这些语言都不可用，它会报告语言不可用的失败结果，不会在未告知的情况下改用其他语言。

将 `includeFailedInputDetails` 保持为 `true`。每个处理成功且不重复的视频会生成一行数据集记录。一行数据集记录代表一个视频的结果，不是一条字幕，也不是阅读版中的一节。失败的输入会出现在名为 OUTPUT 的运行记录中。不要把空的导出文件当作已完成的转录稿。

核对视频身份、语言、`status` 和 `statusReason`。确认结果中包含可用的 `segments`。编辑前，先保存原始结果。

字段是结果中带名称的值。某些字段可能为 `null`，表示值缺失或未知。要保留这种区别。例如，`videoDurationSeconds` 未知，不代表视频时长为零秒。`durationSeconds` 未知，也不代表字幕条目的持续时间为零秒。

公开输入输出规范说明了这种采集方式。本文没有进行付费 Actor 运行。下文的采集、导出和设备检查都需要你自行完成。

3. 合并片段，保留完整课程内容

在字幕文字的副本上编辑。原始片段及其时间信息保持不变。

将相邻的字幕条目连起来阅读。一个句子可能分布在多个条目中。先合并这些片段，再决定在哪里结束段落。当说话者开始表达新的意思、举例、给出指令或补充限定说明时，另起一段。

保留原文顺序。若将警告移到远离其所限制的指令的位置，可能会改变含义。定义应靠近使用该定义的段落。如果说话者通过重复解释来补充背景或澄清要点，就保留这段重复解释。

按以下顺序编辑：

1. 将构成同一句话的片段合并。
2. 只在含义明确时添加标点。
3. 将相关句子组成一个段落。
4. 将段落与来源音频核对。
5. 在编辑日志中记录所有文字改动。

只有确认重复是字幕处理造成的机械性重复时，才可删除。措辞相似并不能证明是重复条目。说话者可能有意重复某个短语。如果无法确认原因，就保留该段，并标记为待复核。

不要在未作说明的情况下，用猜测的词替换无法确定的词。在能够核对前，要明确标出不确定之处。数字、姓名和技术术语也应遵守同样的规则。

完整阅读版应保留解释内容。如果决定缩短课程，应另做一份文档。经核对的摘要制作指南介绍了这项不同的任务。删去有实质内容的段落后，不要再将文档标为全文。

4. 添加标题和来源时间映射表

在话题确实发生变化的位置添加标题。标题要简短，便于读者选择要读的章节。逐一对照音频和画面核对标题。字幕中的短语可以提供标题思路，但前后内容必须支持这个标题。

在文档开头附近说明，标题由编辑者添加。这样可以区分编辑者的标题与说话者的原话。不要给新增标题加上引号，使其看起来像说话者的原话。

添加列出阅读版各节的目录。如果所选文档格式支持链接，就给目录项添加链接。导出后检查这些目录项。目录与正文中的标题名称应保持一致。

来源时间映射表用于将阅读版的每一节与原始字幕条目对应起来。即使阅读版中只显示简短的来源时间标记，也要保留这份映射表。它保存了编辑排版所依据的来源证据。

保存以下字段：

字幕条目标识是稳定识别原始片段的方式，例如片段在已保存文件中的位置。段落标识用于识别阅读版中的某一段。两者都要保留，以免后续页面改动使对应关系丢失。

在便于使用的章节交界处添加来源时间链接。不必在每句话前都加时间戳。详细的字幕条目对应关系保存在映射表中即可。

逐一打开链接，核对跳转位置。只有能带你回到正确上下文的来源链接才有用。如果阅读器无法打开链接，页面上显示的视频标题和文字时间仍可供你在其他设备上查找。

不要猜测缺失的起止位置。有返回的字幕时间时，就使用这些时间。保留时间上的间隙和重叠，不要强行将字幕条目整理成整齐、连续的时间块。最后一条字幕的结束时间不一定是视频的结束时间。

5. 在文字需要时补充已核对的背景信息

有些段落需要结合说话者的切换、有意义的声音或画面中的操作才能理解。独立阅读文档可能也需要这些信息。

W3C 区分基本转录稿与描述性转录稿。基本转录稿包括语音和必要的非语音音频信息；描述性转录稿还加入必要的视觉信息。因此，字幕导出文件可能需要补充经过核对的内容，才能用作阅读文档。W3C WAI：转录稿，已于 2026 年 10 月 25 日核对；转录稿指导

复核那些提到读者看不到的内容的段落。“这里”或“这个”等词可能指向重要的屏幕操作。添加注释前，先观看来源视频中的相应片段。

按以下步骤操作：

1. 确定读者需要哪些信息才能理解内容。
2. 在视频或音频中核对这些信息。
3. 添加简短注释，明确标为编辑者注。
4. 在映射表中，将注释与对应的来源时间范围关联。
5. 将所有无法确认的内容标为未解决。

将新增注释与口述文字分开。不要仅凭字幕文字编造图示、说话者身份、声音或操作。如果关键的画面细节仍然未知，要说明这一限制。清晰的页面排版无法弥补来源信息的缺失。

本方法不包括自动图像提取，也不能据此认定该 Actor 会检查视觉内容。

6. 制作并检查阅读器文档

使用阅读器支持的简单文档格式或 PDF。PDF 是一种保留页面版式的文档格式。根据阅读器的说明文档选择格式。按说明文档中适用于该设备或账户的方式导入。

首次导出时，保持排版简单。使用清晰的标题层级和易读的段落，并在各节开头放少量来源信息。在看到实际阅读效果前，不要强制让每个短小章节都另起一页。

在目标阅读器上打开导出的文件。仅在电脑上预览并不能完成这项检查。检查以下项目：

1. 字号：正文和编辑者注是否读起来舒适？
2. 页边距：文字是否都在页面可见区域内？
3. 段落：分段是否有助于理解完整的意思？
4. 分页：标题是否与其引出的正文保持在一起？
5. 导航：能否通过目录跳转到预期章节？
6. 来源引用：时间是否清晰可见，设备支持的链接能否正确打开？
7. 文字显示：标点和特殊字符是否仍然正确？

检查开头、中间一节和结尾。还要检查有长段落、表格或新增注释的页面。如果标题单独留在页底，就调整排版并重新导出。如果表格过宽，就简化呈现方式，但不要删除其中的信息。

本文没有测试电子阅读器的导入方式、设备同步连接或设备上的排版。这些是建议你对自己的文件和阅读器进行的检查。

7. 原创虚构示例：一份 12 分钟课程的阅读版

这个演示示例属于原创虚构内容。课程、章节划分和时间均为编造。它只用于说明排版，不是真实的提取结果或设备测试。这里没有提供完整的虚构转录稿，因此表格不能证明每一个字都已保留。

假设一节虚构课程有三组字幕条目，时间范围分别为 00:00–03:20、03:20–08:10 和 08:10–12:00。编辑者将其制作成三个阅读章节。第二节的标题为“选择一个 ID”。这是编辑者添加的标题。完整解释仍保留在正文中。

将分钟数乘以 60，再加上剩余秒数，即可换算为秒：

• 03:20 = 3 × 60 + 20 = 200 秒。
• 08:10 = 8 × 60 + 10 = 490 秒。
• 12:00 = 12 × 60 = 720 秒。

用各节的结束时间减去开始时间：

• 第 1 节：200 − 0 = 200 秒，即 3 分 20 秒。
• 第 2 节：490 − 200 = 290 秒，即 4 分 50 秒。
• 第 3 节：720 − 490 = 230 秒，即 3 分 50 秒。

总计为 200 + 290 + 230 = 720 秒，也就是 12 分钟。这说明这些编造的章节时间范围连续覆盖了整节虚构课程，没有间隙。但它不能证明每一个字都已保留。时间范围长度也不能衡量阅读所需时间。

目录中的“选择一个 ID”指向阅读版第 2 节。该节的来源时间引用指向 03:20。这个虚构示例没有真实的视频网址，因此也没有经过测试的播放链接。

在真实阅读版中，还应列出第 2 节使用的原始字幕条目。如果某条字幕跨过了拟定的章节分界，就应保留完整的意思，并重新检查分界位置。不要仅为对齐 03:20 而删去其中的文字。

虚构课程的 720 秒时长只是示例值，不是返回的 `videoDurationSeconds` 值。由于没有进行采集，`scrapedAt` 仍然未知。

8. 检查完整性，处理失败情况

复核完整的来源与阅读版章节对应表。每个原始字幕条目都必须有记录可查。一个条目可以对应阅读版中的某个段落，可以仍处于未解决状态，也可以有已记入日志的改动，例如删除了已确认的机械性重复。

然后，将开头、中间一段和结尾与音频及画面核对。这些抽查可以发现错误，但不能证明全文完全准确。还要复核每一处不确定或改动过的内容。语言元数据和字幕覆盖范围不能证明文字正确。

检查未通过时，按以下方式处理：

将公开来源证据与仅在你账户中可见的记录分开。Actor 的公开输入输出规范说明了支持的输入和输出。你那次运行的 OUTPUT 和保存的文件，则记录了你实际采集时发生的情况。不要假定这些记录是公开证据。

所提及的公开预设在 2026 年 10 月 25 日核对时确实存在。这只能证明公开页面存在。其账户中保存的输入和执行情况均未核对。它是文档说明的采集起点，不能证明已完成一份阅读版。