无CC时如何生成YouTube视频字幕（Python实现）

首先明确：无CC的YouTube视频本身没有官方提供的字幕文件，无法像带CC的视频那样直接调用API获取现成字幕。你需要通过**语音转文字（ASR）**生成字幕，以下是无需下载完整视频的实现思路和可用库：

1. 核心思路 #

无需下载完整MP4，只需提取视频的音频流，再通过ASR工具将音频转成文本。

2. 可用库组合示例 #

步骤1：提取音频流 #

使用pytube直接获取视频的音频流，不用下载整个视频：

from pytube import YouTube

# 替换为目标视频URL
yt = YouTube("https://www.youtube.com/watch?v=example_id")
audio_stream = yt.streams.filter(only_audio=True).first()
# 临时保存音频（也可直接处理流，无需存本地）
audio_file = audio_stream.download(filename="temp_audio.mp4")

步骤2：音频转文字 #

推荐两个实用的ASR库：

• Whisper（OpenAI出品，准确率高）：
  先安装依赖：pip install openai-whisper
  代码示例：

  import whisper
  
  # 可选模型：tiny/base/small/medium/large，越大准确率越高但速度越慢
  model = whisper.load_model("base")
  result = model.transcribe(audio_file)
  
  # 输出完整转录文本
  print(result["text"])
  
  # 输出带时间戳的字幕格式
  for segment in result["segments"]:
      print(f"[{segment['start']:.2f}s - {segment['end']:.2f}s] {segment['text']}")
  

• SpeechRecognition（支持多引擎，如Google Web Speech API）：
  安装依赖：pip install SpeechRecognition pydub（需提前安装ffmpeg处理音频格式）
  代码示例：

  import speech_recognition as sr
  from pydub import AudioSegment
  
  # 将MP4音频转为WAV格式（SpeechRecognition支持的格式）
  audio = AudioSegment.from_file(audio_file, format="mp4")
  audio.export("temp_audio.wav", format="wav")
  
  r = sr.Recognizer()
  with sr.AudioFile("temp_audio.wav") as source:
      audio_data = r.record(source)
      try:
          text = r.recognize_google(audio_data)
          print(text)
      except sr.UnknownValueError:
          print("无法识别音频内容")
      except sr.RequestError as e:
          print(f"调用Google API失败: {e}")
  

3. 注意事项 #

• Whisper支持直接处理MP4音频，无需格式转换，使用更便捷；
• 长视频建议选用medium或large模型提升准确率，但会占用更多系统资源；
• Google Web Speech API免费但有调用限制，Whisper本地运行无需API密钥，更适合批量处理场景。

内容的提问来源于stack exchange，提问作者darkracer