Informe um id ou uma URL de vídeo do YouTube e receba a transcrição como linhas - uma linha por segmento de legenda, cada uma com o texto, o momento em que começa e quanto dura, mais a transcrição inteira num único campo. Oito colunas. Sem conta no YouTube, sem proxy residencial, sem parser para manter vivo.
A entrada é o vídeo. Cole o que você já tem - o id puro, um link watch ou um link curto youtu.be - e o job busca a faixa de legendas por trás dele.
Cada linha vem marcada com a consulta de que veio e com o id do vídeo a que pertence - assim, uma execução sobre o equivalente a uma playlist ainda bate com a sua lista de entrada.
Os três vão no mesmo campo, um por linha. Uma URL watch com parâmetros extras - uma playlist, uma marca de rádio - ainda resolve para o vídeo certo, e o id resolvido volta em coluna própria para você cruzar por ele.
Cada segmento traz o momento em que começa e quanto dura, ambos em segundos decimais. É isso que transforma uma parede de fala em algo para onde dá para pular - montar um link direto, cortar um trecho, ou alinhar uma citação com o quadro de onde ela veio.
Você recebe as duas formas num arquivo: uma linha por segmento para tudo que é cronometrado, e a transcrição completa como um único campo para o que só precisa do texto. O dicionário de dados explica exatamente onde fica esse campo de texto completo, porque ele não está em todas as linhas.
Cada linha é um segmento de legenda: o que foi dito, quando começa e quanto dura, marcado com o vídeo a que pertence e a consulta que você enviou.
A lista de colunas abaixo é a linha de cabeçalho de exportações reais, corroborada pelo array de colunas que a interface de execução renderiza; as duas batem exatamente. Duas das oito se comportam de forma diferente das demais - aparecem uma vez por vídeo, e não uma vez por linha - e é isso que mais tende a surpreender, então está detalhado na tabela e de novo na nota abaixo dela.
Extraído da linha de cabeçalho de execuções reais. As notas descrevem o que cada coluna contém e como ela se repete - não quantas linhas você vai receber, porque isso é uma propriedade da faixa de legendas do vídeo, e não do scraper.
en é o único valor que vimos - a página não chuta o que mais a coluna pode conter.Três coisas para saber antes de escrever código contra isto. Uma linha é um segmento, não um vídeo - um vídeo ocupa tantas linhas quantos segmentos a faixa de legendas tiver, e query, video_id e language se repetem por todas elas. segments e transcript quebram esse padrão: são escritas só na primeira linha de cada vídeo e ficam vazias no resto, então agrupe por video_id e pegue a primeira linha em vez de esperá-las em todo lugar. E start e duration voltam como números de verdade enquanto todo o resto é texto - inclusive segments, que é um inteiro onde está preenchida e uma string vazia onde não está, então um parser estrito precisa tolerar as duas coisas.
Este scraper não tem limite nem ordenação - a transcrição é o que é. A única coisa que você decide é como entrega os vídeos.
Alguns exemplos do que as equipes fazem com as palavras ditas depois que elas estão numa planilha.
Puxe as transcrições dos vídeos de um canal e filtre a coluna de texto. Achar cada menção a um produto, a um concorrente ou a uma afirmação custa um filtro em vez de uma tarde adiantando a reprodução.
Uma transcrição é o primeiro rascunho de um artigo, de uma página de notas do episódio ou de um conjunto de legendas. O campo de texto completo entrega tudo numa célula, e as linhas cronometradas dão as marcações para linkar de volta.
Segmentos cronometrados se dividem bem para recuperação, e cada trecho já sabe de que vídeo veio e de que ponto. Essa é a diferença entre uma resposta e uma resposta com link para o segundo em que foi dito.
Sem assinatura, sem mínimo, sem fatura recorrente. Suas primeiras 500 linhas são por nossa conta - depois, pague conforme o uso, na mesma tarifa fixa de qualquer outro scraper daqui.
Em toda conta nova, uma única vez. Sem cartão de crédito. Upload de arquivo e todos os formatos de exportação incluídos. Suficiente para ver o formato de uma transcrição antes de construir em cima dela.
A mesma tarifa fixa de qualquer outro scraper da plataforma. O estimador prévio mostra a quantidade de linhas e o custo em créditos antes de a execução começar - sem contas surpresa, sem unidades de computação para traduzir.
Preço por volume, workers dedicados e um SLA para monitoramento contínuo ou extrações históricas muito grandes. Diga-nos seus números e faremos uma proposta.
LIVESCRAPER10 no checkout.O passo anterior. Encontre os vídeos que valem a transcrição pela busca que as pessoas realmente fazem, e jogue os ids direto aqui.
Onde o mesmo tema é tratado por escrito. Ler a SERP ao lado das transcrições mostra como um assunto soa falado versus como ele é escrito.
Resposta curta: as legendas são entregues junto com o vídeo - e o que você pode fazer com as palavras depois é uma questão de direitos autorais, não de scraping.
Uma faixa de legendas é entregue a qualquer pessoa que abra o vídeo, logada ou não; é assim que o botão de legendas funciona. Ler essa mesma faixa pública para pesquisa é prática consolidada há muito tempo, e nada aqui toca em login ou paywall. Um vídeo sem legendas não tem transcrição para ler, e é por isso que o scraper precisa de uma e diz isso com clareza.
O que há para planejar não é o acesso, e sim a reutilização. Uma transcrição são as palavras de quem criou, e o vídeo é a obra protegida dessa pessoa - então citar, indexar, buscar e analisar ficam num terreno bem diferente de republicar uma palestra como artigo seu. Se você vai treinar em cima disso ou reproduzir em extensão, isso é uma questão de licenciamento, e cabe a você responder antes de escalar.
Os termos do YouTube restringem o acesso automatizado, então esta é tanto uma questão contratual quanto jurídica - se você tem relação contratual com a plataforma, confira. Não rodamos rastreadores de terceiros na camada de dados, e suas exportações se apagam sozinhas após 30 dias.
As perguntas que mais ouvimos. Mais alguma coisa? Fale conosco - quem escreve as respostas são pessoas, não bots.
500 linhas grátis, uma única vez, em toda conta nova - sem prazo de validade. Depois são US$ 0,002 por linha, conforme o uso - sem cartão cadastrado até você decidir.
O Scraper de Transcrições do YouTube da Livescraper transforma uma lista de vídeos em texto. Você envia ids ou URLs de vídeos do YouTube - digitados um por linha, ou enviados como arquivo CSV, XLSX, TXT ou Parquet - e baixa a faixa de legendas num arquivo CSV, Excel ou JSON limpo. Ids puros, links watch e links curtos youtu.be funcionam todos, e uma URL watch com parâmetros de playlist ainda resolve para o vídeo certo.
Uma linha é um segmento de legenda. Cada uma traz o que foi dito, o segundo em que começa e quanto dura, junto com a consulta que você enviou, o id do vídeo para o qual resolveu e o idioma da faixa. Outras duas colunas funcionam por vídeo, e não por linha: segments, que é quantas linhas aquele vídeo ocupa, e transcript, que guarda o todo como um bloco de texto. As duas ficam na primeira linha de cada vídeo, e esse é o detalhe que vale saber antes de escrever um parser.
Pesquisadores puxam o acervo de um canal e buscam uma frase no texto em vez de adiantar a reprodução. Equipes de conteúdo transformam palestras em artigos, notas de episódio e legendas. Equipes que constroem sistemas de recuperação usam os segmentos cronometrados como trechos que já sabem de que vídeo vieram e de que ponto - a diferença entre uma resposta e uma resposta que você pode linkar ao segundo em que foi dita.
Duas coisas valem saber antes de começar. Um vídeo com as legendas desativadas não tem transcrição para devolver, então legendas são requisito e não um extra. E porque uma linha é um segmento, um vídeo longo custa mais que um curto na mesma tarifa fixa de US$ 0,002 por linha. Comece grátis: suas primeiras 500 linhas não custam nada e não exigem cartão.