YouTubeから文字起こしファイルをダウンロードする　～yt-dlp～

この記事の目的
手順

この記事の目的

YouTubeには動画内の音声をテキスト化したデータがあります。この文字起こしデータをダウンロードする方法として、yt-dlpをご紹介します。

違法アップロード動画のダウンロードなど、法律違反をしないようにご注意ください。

手順

Windows環境でyt-dlpを使う環境を構築するのは大変との情報を見かけたので、環境構築の手間を省くためにDocker上でyt-dlpを使用します。

本記事で使用したyt-dlpのバージョンは2022.03.08.2、Dockerのバージョンは20.10.17です。

作業用フォルダの作成

好きな場所に1つフォルダを作成してください。文字起こしファイルの出力フォルダにします。

本記事では下記の場所にフォルダをつくります。以下、「作業用フォルダ」と呼びます。

C:\Users\[ユーザ名]\Desktop\yt-dlp

文字起こしファイルのダウンロード

docker run --rm -i -v C:\Users\[ユーザ名]\Desktop\yt-dlp:/workdir:rw ^
mikenye/youtube-dl yt-dlp --write-auto-sub --skip-download ^
--sub-lang ja [YouTubeの動画URL]

「docker run ～ mikenye/youtube-dl」はDockerイメージを起動するコマンドです。それに続く「 yt-dlp –write-auto-sub ～ [YouTubeの動画URL]」は、自動生成された日本語の文字起こしファイルをダウンロードするコマンドです。

Docker

yt-dlp - ArchWiki

上記コマンドを実行すると、下記ファイルが作業用フォルダにダウンロードされます。

[動画タイトル].ja.vttファイル

文字起こしファイルの利用

vttファイルの中身

vttファイルの中身の一例を下記に示します。文字起こししたテキストがそのまま書かれているわけではありません。

captions:  WEBVTT
Kind: captions
Language: en

00:00:00.160 --> 00:00:03.270 align:start position:0%
all<00:00:00.240><c> right</c><00:00:00.640><c> last</c><00:00:01.599><c> apple</c><00:00:02.159><c> story</c><00:00:02.560><c> of</c><00:00:02.639><c> the</c><00:00:02.800><c> day</c>