基于yt-dlp的YouTube转录提取工具，支持手动/自动生成字幕、时间戳与纯文本输出，含本地SQLite缓存机制。
说明：
## 核心用法
yt_transcript 是一个专门用于提取YouTube视频字幕/转录文本的命令行工具。它通过封装 `yt-dlp` 实现核心功能，支持直接解析视频URL或11位视频ID。运行时优先获取创作者上传的**手动字幕**，若不存在则自动降级至**YouTube自动生成的字幕**。
输出格式灵活：默认返回带时间戳的JSON分段结构（`start`、`duration`、`text`），也可通过 `–text` 切换为纯文本模式，`–no-ts` 可移除时间戳。语言筛选通过 `–lang` 参数实现。所有结果默认缓存至本地SQLite数据库，避免重复请求。
### 显著优点
– **权威数据源**：直接对接YouTube官方字幕流，不依赖第三方转录服务商，数据可信度与隐私可控性更强
– **双重降级机制**：手动字幕 → 自动生成字幕 → YouTube网页版转录面板（youtubei `get_transcript`），提升覆盖率
– **隐私优先设计**：明确不调用外部API，视频ID/URL仅与YouTube官方交互
– **本地缓存加速**：SQLite持久化存储，重复查询毫秒级响应
– **安全路径约束**：cookies与缓存路径被严格限制在批准目录（`~/.config/yt-transcript/` 及 `{baseDir}/cache/`），降低凭证泄露风险
### 潜在缺点与局限性
– **依赖外部工具**：必须预先安装 `python3` 与 `yt-dlp`，对非技术用户门槛较高
– **网络访问受限**：VPS或数据中心IP频繁触发YouTube反爬机制，需额外配置cookies文件
– **字幕覆盖盲区**：若视频创作者关闭字幕且自动识别不可用（如音乐视频、低质量音频），则完全无法提取
– **无实时转录能力**：仅处理**已有**字幕，不支持音频直接转文本（需依赖YouTube的语音识别结果）
– **Cookie管理负担**：虽然设计为”可选”，但实际生产环境（服务器部署）几乎必需，且需手动维护Netscape格式cookies.txt
### 适合人群
– 研究人员、内容分析师：批量提取视频文本用于NLP分析、关键词索引
– 开发者构建AI摘要工作流：将YouTube内容转为LLM可处理的文本输入
– 隐私敏感用户：拒绝第三方转录服务，坚持本地/官方直连方案
– 多语言学习者：通过 `–lang` 提取特定语言字幕辅助学习
### 常规风险
| 风险类型 | 说明 |
|———|——|
| **账号封禁** | 高频请求+数据中心IP易触发YouTube风控，cookies对应的Google账号可能被限制 |
| **凭证泄露** | cookies.txt含敏感登录态，若误提交至版本控制或共享目录将导致账号接管 |
| **版权合规** | 提取的转录文本仍受原视频版权约束，大规模分发需评估合理使用边界 |
| **依赖失效** | `yt-dlp` 需随YouTube前端更新频繁迭代，长期未更新可能导致功能断裂 |
| **缓存膨胀** | SQLite数据库无自动清理机制，高频使用需手动维护存储空间 |
会员专属
