Vid2Text Pro
上線中透過 yt-dlp 下載 YouTube 音訊，切分為 10 分鐘區塊，以 OpenAI Whisper 轉錄，輸出 txt / srt / vtt / json 格式。
24
已處理影片
94.9%
平均準確率
18h 30m
總時長
24
生成文件數
| 影片標題 | 時長 | 準確率 | 格式 | 狀態 |
|---|---|---|---|---|
| Food Safety Induction Training – Module 1 | 1h 14m | 96.2% | .srt | 已完成 |
| Monthly Operations Review – March 2026 | 58m | 94.8% | .txt | 已完成 |
| HACCP Awareness Session for New Staff | 2h 02m | 95.5% | .json | 已完成 |
| Supplier Onboarding Presentation – Q1 | 45m | 93.1% | .vtt | 已完成 |
| Kitchen SOPs Walkthrough – Prep Area B | 32m | — | .srt | 處理中 |
| Annual Food Safety Audit Recording | 1h 38m | — | .json | 排隊中 |
Sample Output
.srt1 00:00:00,000 --> 00:00:05,420 Welcome to today's food safety induction training. 2 00:00:05,420 --> 00:00:10,840 We will cover HACCP principles, temperature control, and critical control points. 3 00:00:10,840 --> 00:00:16,310 All employees are required to complete this module before working in food preparation areas.
原始碼倉庫
ian60012/Vid2Text-Pro
High-precision YouTube video-to-text transcription powered by OpenAI Whisper and yt-dlp. Splits audio into 10-min chunks, merges with correct timestamps, outputs txt / srt / vtt / json.
技術棧
問題
培訓影片和會議錄音要變成文件，得有人把它們打出來。在食品生意裡，那可能是入職課程、一通客訴電話，或一段本該變成筆記的供應商對話。錄音在，文件不在，因為沒有人被排班去做轉錄。
丟一個檔、拿回一大段文字的線上工具，在你需要時間戳、一種以上的格式，或影片長到單次請求不願意收的時候會很彆扭。切壞的長入職課程會漂移，字幕檔上的分鐘對不上新人正在看的畫面。
Vid2Text Pro 是一條管線：取音訊、切成約十分鐘、用 Whisper 轉錄，再寫出時間戳已經接回去的 txt、srt、vtt 和 json。公開倉庫是 ian60012/Vid2Text-Pro。本頁表格用樣本標題，讓畫面有列。那些列不是準確率研究。
流程怎麼走
有價值的是一份可以重複拿到的檔，不是一個無法交給下一個人的聊天視窗。
- 1
從網址或檔案開始
YouTube 連結用 yt-dlp 下載。你已經有的檔案跳過這步。留下的是音訊和輸出，不是別人產品裡的一次工作階段。
- 2
先切再開轉錄
長音訊切成約十分鐘。一段失敗不必重跑整支影片，記憶體也比較可預期。
- 3
逐段轉錄
Whisper 回傳該段的文字和時間。模型仍會聽錯產品名或吵雜的冷藏庫。輸出是人可以改的草稿，不是宣誓過的紀錄。
- 4
把時間戳縫回去
片段的時間要加回原本的時鐘，srt 或 vtt 的一行才會指向完整影片的正確時刻。沒有這道縫，第一刀之後字幕就會漂。
- 5
寫出你真正會歸檔的格式
純文字給筆記，字幕給播放器，json 給下一個工具。一次執行，多個檔，同一套字。
- 6
改正重要的詞
過敏原名稱、客戶名稱和溫度值得人看過。流暢的段落仍可能是錯的。在場的人，或 SOP 的負責人讀過之前，逐字稿還不是受控文件。
之前與之後
之前
- 錄音躺在資料夾裡，因為打字是空檔才做的事。
- 長影片被貼進一個會丟掉下半段或失去時間的工具。
- 字的唯一副本在一段之後找不到的聊天紀錄裡。
之後
- 一次執行從同一段音訊產出文字和帶時間的字幕。
- 片段可以失敗並重試，不必丟掉其餘部分。
- 檔案可以放在它們所屬的 SOP 或會議筆記旁邊。
示範上的準確率不是基準。吵雜的房間、口音和專業詞彙都會改變草稿。任何你要依靠的內容，都要預留一次通讀。
問題
逐字稿是法律紀錄嗎？
不是。它是草稿。若錄音本身是證據，請留著錄音。逐字稿用來導航它，而且是在人檢查過要緊的行之後。
為什麼是十分鐘？
對這條管線是務實的一刀：夠長以保留上下文，夠短以便重跑。它是實作選擇，不是語音的性質。
可以做英文以外的語言嗎？
可以要求 Whisper 使用其他語言。你仍需要懂該語言的人改正名稱和術語。不要把沒審過的檔當成完成。
程式是公開的嗎？
是。本頁連到 ian60012/Vid2Text-Pro，包含 yt-dlp 和 Whisper 的步驟。