# Transkrip dan takarir YouTube: dari satu video hingga dataset pelatihan

Pelajari cara mendapatkan transkrip YouTube, membedakan takarir kreator dari subtitel yang dibuat otomatis dan diterjemahkan, serta mencocokkan teks dengan audio untuk dataset pelatihan.

Referensi kanonikal: https://flashdata.dev/id/docs/guides/youtube-transcripts-and-captions
FlashData · Sumber diperiksa: 2026-11-19

Buka deskripsi video dan pilih **Tampilkan transkrip**. Jika takarir tersedia, Anda dapat membaca kata-katanya dan langsung menuju waktu kata tersebut diucapkan. Tidak diperlukan API atau unduhan.

<a id="get-text-from-one-video"></a>

## Cara mendapatkan transkrip YouTube tanpa mengunduh video


- [YouTube: Lihat transkrip video](https://support.google.com/youtube/answer/15930243?hl=en)

1. **Temukan kutipannya.** Di halaman tonton, perluas deskripsi dan pilih **Tampilkan transkrip**. Pilih suatu baris untuk memutar bagian tersebut.
2. **Periksa bahasanya.** Menu **Subtitel/CC** pada pemutar mengatur teks. **Trek audio**, jika tersedia, mengatur apa yang Anda dengar. Mengganti audio tidak menjamin transkrip ikut berubah.
3. **Verifikasi kutipan.** Salin kutipan jika teks dapat dipilih, atau catat kata-kata dan stempel waktunya. Putar ulang baris tersebut untuk memeriksa nama, angka, dan kata seperti “tidak” yang dapat membalikkan makna.

- [Setelan takarir](https://support.google.com/youtube/answer/100078?co=GENIE.Platform%3DAndroid&hl=en)
- [YouTube: Setelan trek audio](https://support.google.com/youtube/answer/13339776?hl=en)

<a id="save-your-captions"></a>

### Simpan takarir untuk video yang Anda kelola


Di **YouTube Studio → Subtitel**, pilih video lalu pilih **Edit** di samping bahasa yang diinginkan. Di bagian **Opsi**, pilih **Unduh subtitel**. Simpan file yang memiliki informasi waktu; Anda dapat mengekspor salinan teks biasa nanti.

Jika belum ada trek dan Anda memiliki naskah dalam bahasa yang diucapkan, Studio dapat menyinkronkan naskah tersebut dengan audio.

- [Unduh atau edit takarir](https://support.google.com/youtube/answer/2734705?hl=en)
- [Tambahkan takarir atau sinkronkan naskah](https://support.google.com/youtube/answer/2734796?hl=en)

<a id="when-there-is-no-track"></a>

### Jika tidak ada trek takarir


Pengambilan takarir membaca teks yang sudah ada. Transkripsi membuat teks baru dari audio. Untuk rekaman milik Anda atau yang boleh Anda proses, gunakan alat pengubah ucapan menjadi teks dalam mode **transkripsi (transcribe)** agar bahasa yang diucapkan tetap dipertahankan. Penerjemahan adalah langkah terpisah. Jika tidak ada takarir atau izin akses ke audio, mintalah transkrip kepada penerbit.

Misalnya, untuk mentranskripsikan wawancara berbahasa Inggris milik Anda secara lokal, pilih aliran audio yang tepat terlebih dahulu. Dengan FFmpeg, `whisper-cli` dari panduan mulai cepat whisper.cpp, dan model bahasa Inggrisnya `base.en` yang sudah terpasang, contoh berikut menghasilkan `interview.txt` dan `interview.srt`:

- [Mulai cepat whisper.cpp](https://github.com/ggml-org/whisper.cpp#quick-start)

**Transkripsikan rekaman lokal dengan whisper.cpp**

```bash
ffmpeg -i interview.mp4 -map 0:a:0 -ac 1 -ar 16000 -c:a pcm_s16le interview.wav
whisper-cli -m models/ggml-base.en.bin -f interview.wav -l en -otxt -osrt -of interview
```

Di sini `0:a:0` memilih **aliran audio pertama**, yang belum tentu menggunakan bahasa asli. Dengarkan terlebih dahulu. Untuk ucapan berbahasa Jepang, misalnya, pilih aliran bahasa Jepang, gunakan model multibahasa `ggml-base.bin`, dan tetapkan `-l ja`. Tinjau hasilnya dengan membandingkannya terhadap rekaman. Teks ini dibuat oleh proses transkripsi **Anda**; ini bukan trek takarir yang disediakan YouTube.

<a id="what-captions-subtitles-and-transcripts-are"></a>

## Apa itu takarir, subtitel, dan transkrip


**Trek takarir** adalah rangkaian segmen: setiap segmen berisi teks dan waktu teks itu harus ditampilkan. Takarir tertutup dapat diaktifkan dan dinonaktifkan. Takarir aksesibilitas menyampaikan bunyi yang bermakna selain ucapan, seperti pergantian pembicara, ketukan pintu, atau alarm yang ditanggapi seseorang. **Subtitel** sering berarti dialog terjemahan, tetapi di banyak negara istilah ini juga berarti takarir dalam bahasa yang sama. Label menu saja tidak memberi tahu siapa yang menulis kata-katanya atau apakah teks itu terjemahan.

- [W3C: Takarir dan subtitel](https://www.w3.org/WAI/media/av/captions/)

**Transkrip** menyajikan kata-kata untuk dibaca, dengan atau tanpa stempel waktu. Panel transkrip YouTube adalah tampilan baca dari takarir, bukan transkripsi kedua yang terpisah. **Ringkasan** berbeda lagi: informasi dapat dihilangkan atau diparafrasakan. Jika pembicara mengatakan “taruh di sini” sambil menunjuk diagram, transkrip dapat memuat kata-kata itu persis tanpa menjelaskan lokasinya. Transkrip deskriptif menambahkan informasi visual yang belum tercakup.

- [W3C: Transkrip](https://www.w3.org/WAI/media/av/transcripts/)

<a id="the-three-types-of-youtube-captions"></a>

## Tiga jenis takarir YouTube


Saat membandingkan transkrip, klasifikasikan **trek takarir yang benar-benar Anda terima**. Tiga sumber yang umum adalah takarir dari kreator, transkripsi otomatis YouTube, dan terjemahan otomatis YouTube. Dua yang terakhir sama-sama menggunakan otomatisasi, tetapi hanya satu yang mendengarkan ucapan.

| Sumber takarir | Cara teks dibuat | Contoh: wawancara berbahasa Jepang |
| --- | --- | --- |
| **Disediakan kreator (pengunggah)** | Saluran menyediakan atau menerbitkan teksnya. Teks dapat diketik, diunggah, atau diedit dari draf otomatis. Teks tersebut belum tentu ditulis dari awal atau sama persis dengan ucapan. | Kreator menerbitkan subtitel bahasa Inggris berbunyi "Please wait a moment." Ini adalah terjemahan, tetapi sumbernya tetap **kreator**, bukan fitur Terjemahkan otomatis YouTube. |
| **Dibuat otomatis oleh YouTube (pengenalan ucapan atau ASR)** | YouTube mengubah **ucapan menjadi teks dalam bahasa yang sama**. Sistem dapat salah mendengar pembicara; tidak ada penerjemahan dalam proses ini. | Tamu mengatakan chotto matte. Trek tersebut menuliskan kata-kata itu dalam bahasa Jepang. |
| **Diterjemahkan otomatis oleh YouTube (terjemahan mesin)** | YouTube mengubah **teks takarir yang sudah ada ke bahasa lain**. Sumbernya dapat disediakan pengunggah atau dibuat otomatis. Sistem tidak mendengarkan sulih suara dalam bahasa tujuan. | YouTube menerjemahkan takarir bahasa Jepang ke bahasa Inggris menjadi "Wait a little." Jika takarir bahasa Jepang salah menangkap suatu nama, kesalahan itu dapat terbawa ke terjemahannya. |

- [YouTube Studio: Edit takarir](https://support.google.com/youtube/answer/2734705?hl=en)
- [YouTube: Takarir otomatis](https://support.google.com/youtube/answer/6373554?hl=en)
- [YouTube: Terjemahan takarir](https://developers.google.com/youtube/data/reference/rest/v3/captions/download)

<a id="why-one-video-can-have-several-english-texts"></a>

### Mengapa satu video dapat memiliki beberapa teks bahasa Inggris


**Sulih suara adalah audio, bukan jenis takarir keempat**. Dalam wawancara fiktif yang sama, pengisi suara bahasa Inggris mungkin mengatakan "Give me a second." Kedua subtitel bahasa Inggris di atas menyampaikan maknanya. Tidak satu pun memuat kata-kata yang diucapkan tersebut. Gunakan salah satunya untuk memahami isi, dengarkan sulih suara untuk kutipan langsung, dan simpan teks sumber serta metode penerjemahan secara terpisah untuk dataset terjemahan.

Audio asli adalah penampilan sumber; pemutaran bawaan adalah yang dipilih pemutar dan dapat berbeda sesuai preferensi penonton. Mengganti bahasa takarir tidak mengganti audio. Jangan berasumsi setiap sulih suara memiliki trek ASR yang cocok: menurut YouTube, takarir otomatis untuk video multiaudio menggunakan bahasa bawaan, bukan satu transkripsi untuk setiap sulih suara.

- [Bahasa audio pilihan](https://support.google.com/youtube/answer/13339776?hl=en)
- [Takarir otomatis YouTube](https://support.google.com/youtube/answer/6373554?hl=en)

<a id="choose-a-format"></a>

## Format transkrip YouTube: TXT, SRT, VTT, dan JSON


| Format | Pilih untuk | Hal yang perlu diperhatikan |
| --- | --- | --- |
| Teks biasa (TXT) | Membaca, mencatat, atau membuat ringkasan | Mudah diedit, tetapi mengubah trek menjadi teks biasa menghilangkan hubungan setiap baris dengan waktunya di video, kecuali hubungan itu disimpan secara terpisah. |
| SubRip (SRT) | Memindahkan subtitel dengan informasi waktu antar-editor dan pemutar | Segmen bernomor dengan waktu mulai dan selesai. Berguna jika pemutaran lebih penting daripada pengaturan tampilan yang kaya. |
| WebVTT (VTT) | Takarir untuk pemutar web | Mempertahankan waktu segmen dan dapat membawa informasi tambahan seperti posisi atau label suara jika penulis menyediakannya. |
| JSON atau JSON Lines (JSONL) | Mencari di berbagai video atau membangun dataset | Anda memilih skemanya. Nyatakan apakah waktu menggunakan detik atau milidetik dan apakah waktunya mengacu pada video lengkap atau klip yang diekspor. |

Berikut subtitel pengunggah dari contoh fiktif tersebut dalam WebVTT. Durasi 1.9 detiknya menjelaskan **kapan segmen ditampilkan**, bukan awal dan akhir setiap kata.

- [Format WebVTT](https://www.w3.org/TR/webvtt1/)
- [Format takarir yang didukung YouTube](https://support.google.com/youtube/answer/2734698?hl=en)

**Segmen WebVTT dengan informasi waktu**

```vtt
WEBVTT

00:01:04.200 --> 00:01:06.100
Please wait a moment.
```

Salinan teks saja dapat sekadar berbunyi "Please wait a moment." Catatan yang dapat dicari lebih berguna dalam bentuk "01:04 · Please wait a moment." Jika Anda memotong klip yang dimulai pada 01:00, subtitel seharusnya berada pada **4.2 hingga 6.1 detik dalam klip itu**, bukan 64.2 hingga 66.1. Simpan rentang waktu asli agar rujukannya dapat disusun kembali.

<a id="build-a-transcript-dataset"></a>

## Cara membangun dataset transkrip YouTube


Tentukan apa yang hendak dibuktikan oleh **satu contoh** sebelum mengumpulkan ribuan trek. Segmen yang sama dapat cocok untuk satu dataset dan tidak cocok untuk dataset lainnya:

| Tujuan dataset | Bukti yang berguna | Yang harus ditolak atau diberi label terpisah |
| --- | --- | --- |
| Pencarian, ringkasan, atau menjawab pertanyaan | Kutipan yang dapat dibaca, bahasanya, ID video, dan rentang waktu untuk dirujuk | Jangan menyajikan kutipan terjemahan sebagai kutipan kata demi kata dari pembicara. Pisahkan ringkasan dari teks sumber. |
| Pengenalan ucapan atau penyelarasan kata | Klip audio tertentu yang dipasangkan dengan kata-kata yang benar-benar terdengar di dalamnya | Tolak sulih suara yang tidak cocok dan parafrasa sebagai label kata demi kata. Pisahkan ASR yang belum ditinjau dari teks rujukan yang telah diperiksa manusia. |
| Penerjemahan ucapan atau teks | Ucapan atau teks sumber yang teridentifikasi beserta terjemahan yang sesuai | Bedakan terjemahan manusia dan mesin jika asalnya diketahui. Segmen antarbahasa dapat terpecah atau tergabung; baris 12 belum tentu menerjemahkan baris 12. |
| Pelatihan video-teks atau multimodal | Teks yang mendeskripsikan apa yang terlihat dalam bingkai terkait | Narasi dapat merujuk pada sesuatu di luar kamera atau langkah berikutnya. Misalnya, HowTo100M menggunakan narasi instruksional sebagai sinyal pelatihan, bukan deskripsi setiap bingkai yang diverifikasi secara manual. |

- [HowTo100M](https://www.di.ens.fr/willow/research/howto100m/)

<a id="record-the-audio-and-caption-pair"></a>

### Catat pasangan audio dan takarir


ID video saja tidak cukup: ID tidak menjelaskan audio mana yang Anda gunakan, versi takarir mana yang Anda ambil, atau mengapa peninjau menerima suatu pasangan. Berikut satu contoh rekaman data dalam dataset, bukan respons API YouTube atau FlashData:

**Manifes dataset: satu takarir dan audionya**

```json
{
  "video_id": "EXAMPLE0001",
  "audio_asset": "interview-en-dub.wav",
  "audio_language": "en",
  "caption_language": "en",
  "caption_origin": "uploader",
  "start_s": 64.2,
  "end_s": 66.1,
  "time_base": "source_video",
  "text": "Please wait a moment.",
  "review": "English dub says 'Give me a second.'",
  "use_for_search": true,
  "use_as_verbatim_speech_label": false
}
```

Keputusan terakhirlah intinya: keduanya berbahasa Inggris dan waktu segmennya tepat, tetapi teks tersebut **bukan** label kata demi kata. Untuk koleksi nyata, catat juga pengenal sumber atau trek jika tersedia, tanggal pengambilan, pengenal file atau versi, serta izin atau lisensi yang mencakup penggunaan yang dimaksud. Biarkan asal-usul yang tidak diketahui tetap tidak diketahui, alih-alih menyimpulkannya dari nama file.

<a id="check-the-collection"></a>

### Periksa koleksi sebelum menggunakannya


1. **Ukur cakupan.** Hitung video yang dicoba, video dengan trek dalam bahasa tujuan, dan video yang memenuhi kebijakan kualitas Anda. Bedakan “tidak ada takarir yang memenuhi syarat” dari “tidak dapat diambil”. Jika tidak, kegagalan sementara akan tampak seperti cakupan bahasa yang rendah.
2. **Dengarkan dan tinjau sampel.** Tinjau klip dari berbagai bahasa, sumber takarir, dan saluran. Periksa apakah angka, nama, negasi, pergantian pembicara, dan batas segmen cocok dengan rekaman sebenarnya. Untuk ucapan kata demi kata, bandingkan sampel dengan teks rujukan yang ditranskripsikan secara independen. Tingkat kesalahan kata menghitung penggantian, penghapusan, dan penyisipan per kata rujukan; ini bukan skor kualitas terjemahan atau ketepatan waktu.
3. **Pertahankan sumber dan acuan waktu.** Simpan trek dengan informasi waktu bersama teks yang telah dibersihkan jika diizinkan. Seragamkan pemisah baris untuk pencarian, tetapi jangan menghapus frasa berulang tanpa meninjaunya: “tidak, tidak” mungkin benar-benar diucapkan. Periksa segmen terhadap durasi klip dan perhitungkan pergeseran waktu akibat pemotongan.
4. **Bagi berdasarkan rekaman, bukan baris takarir.** Tempatkan klip, sulih suara, dan terjemahan dari rekaman yang sama dalam bagian pelatihan atau pengujian yang sama. Jika tidak, model dapat melihat wawancara yang sama saat pelatihan dan evaluasi. Jangan masukkan pasangan yang belum diverifikasi ke set evaluasi yang ditujukan untuk mengukur akurasi kata demi kata.
5. **Periksa hak sebelum mengumpulkan atau merilis.** Dapat ditonton publik tidak berarti boleh didistribusikan ulang atau digunakan untuk pelatihan. Catat dasar izin penggunaan yang dimaksud, periksa informasi pribadi, dan rencanakan koreksi atau penghapusan. Pisahkan keputusan ini dari kualitas teknis.

- [Tingkat kesalahan kata](https://www.nist.gov/system/files/documents/2021/08/03/OpenASR20_EvalPlan_v1_5.pdf)
- [Jenis lisensi YouTube](https://support.google.com/youtube/answer/2797468?hl=en)
- [Persyaratan Layanan YouTube](https://www.youtube.com/static?template=terms)

<a id="retrieve-existing-tracks-with-flashdata"></a>

## Ambil trek yang sudah ada dengan FlashData


Gunakan cara ini jika Anda memiliki ID video dan menginginkan takarir **yang sudah ada** sebagai teks dan segmen dengan informasi waktu. Cara ini tidak menghasilkan transkripsi ucapan untuk video tanpa takarir. YouTube Transcript dan YouTube Captions menggunakan aturan pemilihan trek yang sama. Setelan bawaannya berbeda: `youtube_transcript` mengizinkan sumber otomatis (`auto: true`); `youtube_captions` secara bawaan hanya menggunakan takarir pengunggah (`auto: false`). Keduanya menargetkan **bahasa Inggris** jika `language` tidak disertakan.

- [YouTube Transcript API](https://flashdata.dev/id/docs/sources/youtube_transcript/reference.md)
- [YouTube Captions API](https://flashdata.dev/id/docs/sources/youtube_captions/reference.md)

Berikut contoh Python untuk satu video menggunakan `requests`. Ganti kunci contoh dan gunakan ID video yang boleh Anda proses. Ketersediaan bergantung pada video:

**Ambil transkrip yang sudah ada dengan Python**

```python
import requests

response = requests.post(
    "https://data.flashdata.dev/v1/queries/realtime",
    headers={"X-API-Key": "your-api-key"},
    json={
        "source": "youtube_transcript",
        "video_id": "jNQXAC9IVRw",
        "params": {"language": "en", "auto": True},
    },
    timeout=(5, 90),
)
response.raise_for_status()
track = response.json()["results"][0]
print(track["languageCode"], track["captionSource"])
print(track["fullText"])
for cue in track["segments"]:
    print(f"{cue['start']:.3f} to {cue['end']:.3f} s: {cue['text']}")
```

<a id="caption-language-and-source"></a>

### Pilih bahasa dan sumber takarir


Kode bahasa seperti `"en"` meminta bahasa Inggris, apa pun bahasa audionya. Untuk mengikuti trek audio, gunakan `"original"` untuk bahasa yang ditandai sebagai bahasa asli atau `"default"` untuk bahasa pemutaran yang ditandai bagi worker pemrosesan, bukan setelan browser Anda. FlashData menentukan keduanya dari informasi audio dalam proses ekstraksi yang sama.

Kode trek eksplisit bekerja secara berbeda: `"en-orig"` dengan `auto: true` meminta trek otomatis yang persis sama, tanpa beralih ke trek alternatif. Akhiran `-orig` adalah konvensi penamaan yt-dlp, bukan bukti bahwa bahasa Inggris adalah bahasa audio asli.

- [yt-dlp: Nama trek YouTube](https://github.com/yt-dlp/yt-dlp/blob/master/yt_dlp/extractor/youtube/_video.py)

Untuk kode bahasa biasa, `"default"`, atau `"original"`, `auto: true` mencoba sumber takarir dalam urutan berikut, semuanya dalam bahasa tujuan:

1. **Pengenalan ucapan dalam bahasa yang sama** (`youtube_asr`): YouTube mentranskripsikan ucapan tersebut.
2. **Takarir pengunggah** (`uploader`): saluran menyediakan teksnya.
3. **Takarir otomatis yang belum diklasifikasikan** (`youtube_auto_unknown`): bukti yang ada tidak membedakan ASR dari terjemahan. Ini adalah ketidakpastian tentang sumber, bukan cara keempat untuk membuat takarir.
4. **Terjemahan mesin YouTube** (`youtube_translated`): YouTube menerjemahkan trek takarir lain.

Dengan `auto: false`, hanya takarir pengunggah yang memenuhi syarat. Dalam contoh wawancara, anggap pemutaran ditandai sebagai bahasa Inggris. Ada takarir bahasa Inggris yang diunggah dan terjemahan YouTube, tetapi tidak ada ASR bahasa Inggris. Meminta `"default"` dengan `auto: true` mengembalikan `captionSource: "uploader"` dan `isAutoGenerated: false`.

<a id="request-more-than-one-caption-language"></a>

### Minta lebih dari satu bahasa


Kirim array seperti `["original", "en", "es"]` untuk video yang sama. Ini meminta setiap pemilih dari 1 hingga 10 pemilih yang berbeda dengan satu kebijakan `auto`, bukan bahasa pertama yang tersedia. Bahkan array berisi satu item mengembalikan `results[0].tracks` dan `results[0].errors`, bukan satu trek.

Trek yang berhasil tetap mengikuti urutan permintaan. Cocokkan trek menggunakan `requestedLanguageCode` jika ada, atau `languageCode` jika tidak ada. Informasi kesalahan mengidentifikasi pemilih yang gagal melalui `languageCode`. Simpan hasil yang berhasil jika bahasa lain gagal. Jika tidak ada yang berhasil, tangani kesalahan pada tingkat permintaan.

<a id="missing-or-failed-captions"></a>

### Bedakan trek yang tidak tersedia dari pengambilan yang gagal


Bahasa asli yang belum dikonfirmasi (`youtube_original_language_unknown`) berbeda dari bahasa asli yang diketahui tetapi tidak memiliki takarir yang memenuhi syarat (`youtube_original_subtitles_unavailable`). Untuk pemutaran bawaan, kesalahan yang sesuai adalah `youtube_default_language_unknown` dan `youtube_default_subtitles_unavailable`.

Jika YouTube mengembalikan HTTP 429 saat menyajikan takarir terjemahan dan tidak ada trek yang diminta berhasil diambil, API realtime FlashData dapat melaporkan **HTTP 502** dengan `youtube_subtitle_retrieval_failed`. Jika sebagian berhasil, pemilih yang gagal dapat memiliki `errors[].code: "retrieval_failed"` sebagai gantinya. Kode 502 saja tidak membuktikan adanya 429 di YouTube. Kode 429 dari pembatas laju permintaan FlashData sendiri terpisah dari 429 di YouTube.

- [HTTP 429 saat menyajikan takarir terjemahan](https://flashdata.dev/id/docs/guides/youtube-transcripts-and-captions/reference.md#why-does-yt-dlp-report-http-429-for-youtube-auto-translated-captions)

YouTube Download API memilih audio secara terpisah melalui `audio_language` dan dapat beralih ke trek lain; meminta `"original"` pada kedua API tidak membuktikan keselarasan. Lihat resep takarir berstempel waktu untuk menyimpan hasil dan panduan file Bulk untuk memproses daftar ID video.

- [YouTube Download API](https://flashdata.dev/id/docs/sources/youtube_download/reference.md)
- [resep takarir berstempel waktu](https://flashdata.dev/id/docs/guides/timestamped-captions-recipe/reference.md)
- [Panduan file Bulk](https://flashdata.dev/id/docs/guides/bulk/reference.md)

<a id="youtube-transcript-faq"></a>

## Pertanyaan umum tentang transkrip YouTube


<a id="can-i-get-a-youtube-transcript-for-free-without-downloading-the-video"></a>

### Bisakah saya mendapatkan transkrip YouTube secara gratis tanpa mengunduh video?


Ya, saat takarir tersedia, fitur **Tampilkan transkrip** YouTube memungkinkan Anda membaca teks di halaman tonton tanpa membeli alat atau mengunduh media. Untuk satu kuliah atau wawancara, mulailah dari sana.

- [Lihat transkrip video](https://support.google.com/youtube/answer/15930243?hl=en)

<a id="why-is-there-no-transcript-when-i-can-see-subtitles-in-the-picture"></a>

### Mengapa tidak ada transkrip padahal subtitel terlihat di dalam gambar?


Nonaktifkan takarir tertutup. Jika kata-katanya tetap terlihat, teks itu mungkin menyatu dengan gambar: bagian dari gambar, bukan trek teks yang dapat dipilih. Video juga mungkin tidak memiliki takarir yang dipublikasikan, atau takarir otomatisnya masih diproses. Untuk materi yang diizinkan, transkripsikan audio jika Anda memerlukan apa yang **diucapkan**, atau gunakan pengenalan karakter optik (OCR) disertai peninjauan jika Anda memerlukan kata-kata persis yang **tercetak di layar**. Keduanya dapat berbeda.

<a id="can-i-get-english-text-if-the-audio-is-in-another-language"></a>

### Bisakah saya mendapatkan teks bahasa Inggris jika audionya dalam bahasa lain?


Sering kali bisa, tetapi tidak selalu. Cari subtitel bahasa Inggris terlebih dahulu; jika tidak tercantum, periksa apakah pemutar menyediakan **Terjemahkan otomatis**. Fitur ini menerjemahkan takarir yang tersedia. Fitur ini tidak membuat audio bahasa Inggris atau memastikan bahwa sulih suara bahasa Inggris menggunakan kata-kata yang sama.

- [Bahasa takarir YouTube](https://support.google.com/youtube/answer/100078?co=GENIE.Platform%3DAndroid&hl=en)

<a id="does-auto-generated-mean-machine-translated"></a>

### Apakah “dibuat otomatis” berarti “diterjemahkan mesin”?


Tidak. Pengenalan ucapan mengubah ucapan menjadi tulisan dalam **bahasa yang sama**. Terjemahan mesin mengubah teks dari satu bahasa ke bahasa lain. Kedua proses dapat berjalan otomatis, dan terjemahan dapat berawal dari pengenalan ucapan yang tidak sempurna. Jika asalnya tidak dijelaskan, beri label tidak diketahui.

<a id="why-does-yt-dlp-report-http-429-for-youtube-auto-translated-captions"></a>

### Mengapa yt-dlp melaporkan HTTP 429 untuk takarir YouTube yang diterjemahkan otomatis?


Video dapat mencantumkan terjemahan meskipun YouTube menolak permintaan teksnya dengan **HTTP 429 (Too Many Requests)**. Dalam isu yt-dlp #13831, penjelasan tersemat dari pengelola menyebut **takarir YouTube yang diterjemahkan otomatis** sebagai kasus yang terdampak. Trek dari pengunggah dan ASR bahasa asli tidak terdampak oleh **isu khusus tersebut**. Ini tidak berarti semua terjemahan gagal atau permintaan takarir lain tidak pernah bisa dikenai pembatasan laju.

- [Isu yt-dlp #13831: penjelasan tersemat pengelola](https://github.com/yt-dlp/yt-dlp/issues/13831#issuecomment-3712613129)

Jika Anda hanya memerlukan teks yang dapat dibaca, cari trek yang sudah ada **dalam bahasa tujuan Anda**, baik dari pengunggah maupun hasil ASR atas ucapan dalam bahasa tersebut. Jika Anda secara khusus memerlukan terjemahan YouTube, simpan trek yang berhasil dan tunda hanya terjemahan yang gagal. Patuhi `Retry-After` jika disertakan dalam respons; jika tidak, perpanjang jeda antarpercobaan, batasi percobaan ulang, dan hindari mencoba ulang seluruh koleksi sekaligus. Catat hasilnya sebagai **pengambilan gagal**, bukan **tidak ada takarir**. Keberhasilan mengambil trek bahasa Jepang tidak memenuhi permintaan bahasa Inggris.

- [HTTP 429 dan Retry-After](https://datatracker.ietf.org/doc/html/rfc6585#section-4)

<a id="how-do-i-get-just-the-text-without-timestamps"></a>

### Bagaimana cara mendapatkan teks saja tanpa stempel waktu?


Ekspor versi teks biasa dari file takarir, atau gabungkan teks segmennya secara berurutan. Simpan file asli dengan informasi waktu jika nantinya Anda mungkin perlu mengutip suatu baris, membuat klip, atau memperbaiki kesalahan. Menghapus stempel waktu itu mudah; memulihkan waktu yang akurat dari sebuah paragraf adalah tugas penyelarasan yang terpisah.

<a id="are-transcripts-available-for-youtube-shorts-and-livestreams"></a>

### Apakah transkrip tersedia untuk YouTube Shorts dan live streaming?


YouTube mendukung takarir otomatis untuk Shorts yang memenuhi syarat maupun video berdurasi panjang, tetapi ketersediaannya tidak dijamin. Takarir siaran langsung dan takarir video yang diarsipkan belum tentu sama: YouTube menyatakan bahwa sistem membuat takarir otomatis baru untuk versi sesuai permintaan. Untuk dataset yang dapat direproduksi, catat versi yang Anda gunakan dan waktunya.

- [Takarir otomatis YouTube](https://support.google.com/youtube/answer/6373554?hl=en)

<a id="does-the-official-youtube-data-api-return-transcripts-for-any-public-video"></a>

### Apakah YouTube Data API resmi mengembalikan transkrip untuk semua video publik?


Tidak. `captions.list` Google yang diotorisasi melalui OAuth mengembalikan metadata trek, bukan kata-kata sebenarnya. `captions.download` mengambil trek dan memerlukan izin untuk mengedit video. Dapat membaca transkrip sebagai penonton tidak sama dengan memiliki izin API tersebut.

- [captions.list](https://developers.google.com/youtube/data/reference/rest/v3/captions/list)
- [captions.download](https://developers.google.com/youtube/data/reference/rest/v3/captions/download)

<a id="are-speaker-names-and-word-by-word-timestamps-included"></a>

### Apakah nama pembicara dan stempel waktu per kata disertakan?


Tidak secara konsisten. Satu segmen dapat mencakup seluruh frasa, dan trek dapat memberi label pembicara, menandai bunyi, atau tidak melakukan keduanya. Jika Anda perlu mengetahui siapa yang berbicara dan kapan, buat anotasi atau jalankan diarisasi pembicara lalu verifikasi hasilnya. Jika Anda perlu mengetahui kapan setiap kata diucapkan, gunakan penyelarasan kata terhadap rekaman sebenarnya; jangan membagi durasi segmen secara merata ke setiap kata.

<a id="are-youtube-transcripts-accurate-enough-to-quote"></a>

### Apakah transkrip YouTube cukup akurat untuk dikutip?


Gunakan transkrip untuk menemukan waktunya; gunakan rekaman untuk memeriksa kutipan. Jika pembicara berbahasa Jepang dikutip dalam bahasa Inggris, jelaskan apakah kata-katanya merupakan terjemahan Anda, subtitel pengunggah, atau sulih suara. Kalimat yang lancar bukan bukti bahwa pembicara tertentu menggunakan kata-kata itu persis.

<a id="can-public-youtube-transcripts-be-used-to-train-a-model-or-shared-as-a-dataset"></a>

### Bisakah transkrip YouTube publik digunakan untuk melatih model atau dibagikan sebagai dataset?


Akses publik saja tidak memberikan izin untuk kedua penggunaan tersebut. Pastikan dasar izin untuk pengumpulan, pelatihan, dan setiap pendistribusian ulang teks atau media; semuanya merupakan keputusan terpisah. Lalu tentukan apakah label sesuai dengan tugasnya: terjemahan bahasa Inggris yang diizinkan tetap dapat menjadi rujukan yang salah untuk pengenalan ucapan bahasa Inggris. Panduan lisensi YouTube menjelaskan perbedaan antara lisensi standarnya dan Creative Commons Attribution.

- [Panduan lisensi YouTube](https://support.google.com/youtube/answer/2797468?hl=en)

<a id="why-is-a-transcript-different-when-i-fetch-it-again"></a>

### Mengapa transkrip berbeda saat saya mengambilnya lagi?


Periksa video, bahasa audio, bahasa takarir, dan sumber trek. Anda mungkin sedang membandingkan dua trek. Video yang sama pun dapat berubah: kreator dapat mengedit teks atau waktu dan menerbitkan trek takarir yang direvisi. Simpan tanggal pengambilan dan versi atau hash konten jika diizinkan agar Anda dapat membedakan pengeditan dari perubahan kebijakan pemilihan Anda.

- [YouTube: Edit atau hapus takarir](https://support.google.com/youtube/answer/2734705?hl=en)
