如何將完整的 YouTube 逐字稿排版成電子閱讀器閱讀版

1. 選擇來源並確定文件範圍

選擇一部影片，以及一種可用的字幕語言。字幕片段是附有開始與結束時間的一小段文字。字幕軌則是同一語言的整組字幕片段。閱讀版是用該字幕軌另行製作的文件。

記錄來源網址、影片標題、所選語言，以及擷取字幕的日期。確認你可以將內容用於預定的個人文件。未經許可，不要公開發布其他創作者的逐字稿。

先確定閱讀版會保留已核對字幕軌中的全部口述內容。段落和標題可以改變文字的呈現方式，但不得刪除解釋、範例、警告或適用條件。適用條件是會影響某項說法在何種情況下成立的限制。

將以下三份資料分開保存：

1. 原始的帶時間字幕檔。
2. 供你編輯的閱讀版。
3. 記下變更與未解決問題的編輯紀錄。

編輯紀錄用來記下你改了什麼，以及修改原因。之後你可以據此將修改內容與原文核對。

如果你已有帶時間資訊的字幕，可以直接使用。如果還需要擷取字幕，請依照字幕擷取指南完成這個步驟。本指南著重於閱讀文件及其頁面。

2. 擷取帶時間資訊的字幕並檢查結果

YouTube Transcript Scraper，公開規格於 2026 年 10 月 25 日核對；未進行執行測試可讀取現有的公開字幕軌。Actor 是在託管環境中執行、用來擷取資料的程式。這個 Actor 接受直接指向 YouTube 影片的網址或影片 ID。ID 是用來識別影片的短代碼。

它不接受頻道、播放清單或搜尋頁面作為來源清單。它不會將音訊轉成新的文字，也不會下載音訊或影片。它接受 1–1,000 筆輸入；同一影片 ID 即使重複出現，也只會處理一次。使用本方法時，先從一部影片開始。

使用以下這份簡短的輸入設定：

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

將 `startUrls` 中的範例網址換成你要使用的公開影片網址。這裡提供的網址只是輸入範例，不能證明該影片有可用的逐字稿，也不代表本指南已完成一次執行。

JSON 是一種結構化文字格式。要求輸出 `json` 可以保留帶時間資訊的片段。每個回傳片段對應一個字幕片段，包含 `text`、`startSeconds`、`endSeconds` 和 `durationSeconds`。單靠純文字無法確定字幕片段的結束時間。

空白的 `preferredLanguages` 清單表示要求選用最佳可用字幕軌，並不保證是英文。擷取後，請檢查 `transcriptLanguageCode`。如果你設定了偏好語言，Actor 會依序嘗試。如果全部都無法取得，就會回報語言不可用的失敗結果，不會逕自改用其他語言。

將 `includeFailedInputDetails` 保持設為 `true`。每部處理成功且不重複的影片會產生一列資料集資料。資料集的一列代表一部影片的結果，不是一個字幕片段，也不是一個閱讀章節。失敗的輸入會列在名為 OUTPUT 的執行紀錄中。不要將空白的匯出檔視為已完成的逐字稿。

核對影片身分、語言、`status` 和 `statusReason`。確認結果包含可用的 `segments`。開始編輯前，先儲存原始結果。

欄位是結果中有名稱的數值或內容。部分欄位可能包含 `null`，表示資料缺漏或未知。請保留這個差別。例如，未知的 `videoDurationSeconds` 不代表影片長度為零秒。未知的 `durationSeconds` 也不代表字幕片段的長度為零秒。

這項擷取方法有公開規格作為依據。本文沒有付費執行 Actor。下文的擷取、匯出與裝置檢查，都是需要由你實際完成的操作。

3. 接合片段，保留完整課程內容

使用字幕文字的副本進行編輯。保留原始片段及其時間，不作更動。

將相鄰的字幕片段連在一起閱讀。一個句子可能跨越數個片段。先將這些片段接起來，再決定段落在哪裡結束。講者開始新的想法、範例、指示或限制說明時，另起一段。

保留來源的順序。警告若與其所限制的指示分開，意思可能改變。將定義放在使用該定義的段落附近。如果講者透過重複解釋來補充背景或釐清重點，請保留這些內容。

依照以下順序編輯：

1. 將構成同一句話的片段接起來。
2. 只有在意思明確時才加入標點。
3. 將相關句子組成一個段落。
4. 將段落與來源音訊核對。
5. 在編輯紀錄中記下所有文字變更。

只有確認內容是字幕處理造成的重複時，才刪除重複部分。措辭相似不能證明是這類重複。講者可能刻意重複某個說法。如果無法確認原因，請保留該段，並標記為待核對。

不要擅自將不確定的字詞換成你認為可能正確的字詞。在能夠核對之前，請清楚標示不確定之處。數字、名稱和技術用語也適用同一原則。

完整閱讀版必須保留解釋。如果決定縮短課程內容，請另製一份文件。經核對的摘要製作指南說明的是這項不同的工作。刪除實質內容後，不要再將該版本標為全文。

4. 加入標題與來源時間對照表

在主題確實改變之處加入標題。標題要簡短，幫助讀者選擇章節。將每個標題與音訊和畫面核對。字幕中的詞句可以提供標題靈感，但前後內容必須支持這個標題。

在文件開頭附近說明標題由你加入，讓讀者能區分編輯所下的標題與講者原話。不要將新增標題放在引號內，讓人誤以為是講者說過的話。

加入列出閱讀章節的目錄。如果所選文件格式支援連結，請為目錄項目加上連結。匯出後檢查各項目。目錄與正文中的標題名稱必須一致。

來源時間對照表用來將每個閱讀章節對應到原始字幕片段。即使閱讀版只顯示簡短的來源時間標示，也要保留這份對照表。它能保存編輯後版面所依據的來源資料。

儲存以下欄位：

字幕片段識別資料是能穩定指認原始片段的資料，例如該片段在已存檔案中的位置。段落識別資料則用來指認閱讀版中的段落。兩者都要保留，避免之後的頁面變更使對照關係遺失。

在便於回查的章節交界處加入來源時間連結。不必在每個句子前都放時間戳記。詳細的字幕片段對照資料，保留在已儲存的對照表中即可。

開啟每個連結，檢查它指向的位置。來源連結必須能帶你回到正確的前後文，才有用處。如果電子閱讀器無法開啟連結，頁面上可見的影片標題與時間仍可供你在其他裝置上回查。

不要猜測缺漏的起訖時間。有回傳字幕片段時間時，請使用那些時間。保留原有的間隔與重疊，不要強行將片段排成整齊、連續的區塊。最後一個字幕片段的結束時間，不一定是影片的結束時間。

5. 在文字需要之處補入已核對的背景資訊

有些段落需要知道講者何時更換、某個聲音的意義，或畫面上發生的動作，才能理解。可獨立閱讀的文件可能需要包含這些資訊。

W3C 將逐字稿分為基本逐字稿與描述性逐字稿。基本逐字稿包含口語內容及必要的非語音聲音；描述性逐字稿還會加入必要的視覺資訊。因此，匯出的字幕可能需要補入經過核對的資訊，才能作為閱讀文件。W3C WAI：逐字稿，於 2026 年 10 月 25 日核對；逐字稿指引

檢查提到讀者看不到之事物的段落。「這裡」或「這個」等詞可能指向畫面上的重要動作。加入註解前，先觀看該段來源影片。

依照以下流程處理：

1. 找出讀者理解內容所需的資訊。
2. 在影片或音訊中核對該資訊。
3. 加入簡短註解，並清楚標明這是編輯註。
4. 在對照表中，將註解對應到來源的時間範圍。
5. 將所有無法確認的內容標為未釐清。

將新增註解與口述文字分開。不要只憑字幕文字就編造圖表、講者身分、聲音或動作。如果必要的視覺細節仍不明，請說明這項限制。清楚的版面無法補足缺漏的來源資訊。

本方法不包含自動擷取圖片，也不能據此認定 Actor 會檢查視覺內容。

6. 製作並檢查電子閱讀器文件

使用電子閱讀器支援的簡單文件格式或 PDF。PDF 是一種會保留頁面版面的文件格式。請依照電子閱讀器的說明文件選擇格式，並使用該裝置或帳戶文件所列的匯入方式。

首次匯出時，保持版面簡單。使用清楚的標題層級、易讀的段落，並在章節開頭放少量來源資訊。尚未檢視閱讀效果前，不要強制讓每個短章節都另起一頁。

在預定使用的電子閱讀器上開啟匯出檔。只在電腦上預覽，不能算完成這項檢查。請檢查：

1. 字體大小：正文和編輯註是否能輕鬆閱讀？
2. 頁面邊界：文字是否都位於可見的頁面範圍內？
3. 段落：分段是否有助於理解完整的意思？
4. 分頁：標題是否與其引介的文字留在同一頁？
5. 導覽：是否能透過目錄前往預定章節？
6. 來源參照：時間是否可見？裝置支援的連結是否能正確開啟？
7. 文字顯示：標點與特殊字元是否仍然正確？

檢查開頭、中間的一個章節，以及結尾。也要檢查含有長段落、表格或新增註解的頁面。如果標題單獨出現在頁底，請調整版面後重新匯出。如果表格太寬，請簡化呈現方式，但不要刪除其中的資訊。

本文未測試任何電子閱讀器的匯入方式、裝置同步連線或裝置上的版面。這些是建議你針對自己的檔案與電子閱讀器進行的檢查。

7. 原創虛構範例：12 分鐘課程的閱讀版

這個操作範例是原創虛構內容。課程、章節劃分與時間均為虛構。它只用來示範版面，並非實際擷取或裝置測試。本文未提供完整的虛構逐字稿，因此表格不能證明每個字都完整保留。

假設一堂虛構課程有三組字幕片段：00:00–03:20、03:20–08:10，以及 08:10–12:00。編輯將它製作成三個閱讀章節。第二個標題是「選擇 ID」。這是編輯所加的標題。完整解釋仍保留在正文中。

將分鐘換算為秒時，先將分鐘數乘以 60，再加上剩餘秒數：

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

將各章節的結束時間減去開始時間：

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

總計為 200 + 290 + 230 = 720 秒，等於 12 分鐘。這表示虛構的章節時間範圍涵蓋了整堂虛構課程，中間沒有間隔。但這不能證明每個字都已保留。時間範圍長度也不代表閱讀所需時間。

目錄中的「選擇 ID」會連到第 2 個閱讀章節。該章節的來源時間參照指向 03:20。這個虛構範例沒有真實影片網址，因此也沒有經過測試的播放連結。

製作實際閱讀版時，你還需要列出第 2 章使用的原始字幕片段。如果某個片段跨越預定的章節分界，應保留完整意思，並重新檢查分界。不要只為了配合 03:20 就刪減其中的文字。

虛構課程的 720 秒長度只是範例數值，並非回傳的 `videoDurationSeconds` 值。由於沒有實際擷取，`scrapedAt` 仍然未知。

8. 檢查完整性並處理失敗情況

檢查完整的來源與章節對照表。每個原始字幕片段都必須有紀錄可查。片段可以對應到閱讀版中的段落、保留為尚未釐清的內容，或有已記錄的變更，例如刪除已確認由字幕處理造成的重複內容。

接著將開頭、中間的一段內容，以及結尾，與音訊和畫面核對。這些抽查可以找出錯誤，但不能證明全文完全正確。也要核對每一處不確定或經過修改的內容。語言中繼資料與字幕涵蓋範圍，都不能證明文字正確。

檢查未通過時，依照下列方式處理：

將公開來源證據與只有你的帳戶能存取的紀錄分開保存。Actor 的公開規格說明支援的輸入與輸出。你執行時的 OUTPUT 和已儲存檔案，則記錄你自己的擷取過程實際發生了什麼。不要假定這些紀錄是公開證據。

本文提到的公開預設設定，在 2026 年 10 月 25 日核對時確實存在。這只能證明當時有該公開頁面，未核對帳戶中儲存的輸入設定，也未檢查其執行情況。它是有文件依據的擷取起點，不能證明已完成電子閱讀器閱讀版。