# Transcrições e legendas do YouTube: de um vídeo a um conjunto de dados de treinamento

Aprenda a obter uma transcrição do YouTube, distinguir as legendas do criador das geradas e traduzidas automaticamente e associar texto e áudio em conjuntos de dados de treinamento.

Referência canônica: https://flashdata.dev/pt/docs/guides/youtube-transcripts-and-captions
FlashData · Fontes verificadas: 2026-11-19

Abra a descrição do vídeo e escolha **Mostrar transcrição**. Se houver legendas disponíveis, você poderá ler as palavras e ir até o momento em que foram ditas. Não é necessário usar uma API nem baixar nada.

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

## Como obter uma transcrição do YouTube sem baixar o vídeo


- [YouTube: ver transcrições de vídeos](https://support.google.com/youtube/answer/15930243?hl=en)

1. **Encontre o trecho.** Na página de reprodução, expanda a descrição e selecione **Mostrar transcrição**. Selecione uma linha para reproduzir aquele momento.
2. **Confira o idioma.** O menu **Legendas/CC** do player controla o texto. A opção **Faixa de áudio**, quando disponível, controla o que você ouve. Trocar o áudio não garante que a transcrição também mude.
3. **Verifique uma citação.** Copie o trecho quando for possível selecionar o texto ou anote as palavras e o horário. Ouça a frase novamente para conferir nomes, números e palavras como “não”, que podem inverter o sentido.

- [Configurações de legendas](https://support.google.com/youtube/answer/100078?co=GENIE.Platform%3DAndroid&hl=en)
- [YouTube: configurações de faixas de áudio](https://support.google.com/youtube/answer/13339776?hl=en)

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

### Salvar legendas de um vídeo que você gerencia


Em **YouTube Studio → Legendas**, escolha o vídeo e selecione **Editar** ao lado do idioma desejado. Em **Opções**, escolha **Fazer download das legendas**. Guarde o arquivo com marcações de tempo; você poderá exportar uma cópia em texto simples depois.

Se ainda não houver uma faixa e você tiver um roteiro no idioma falado, o Studio poderá sincronizá-lo com o áudio.

- [Baixar ou editar legendas](https://support.google.com/youtube/answer/2734705?hl=en)
- [Adicionar legendas ou sincronizar um roteiro](https://support.google.com/youtube/answer/2734796?hl=en)

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

### Quando não há uma faixa de legendas


Recuperar legendas é ler um texto existente. Transcrever é criar um novo texto a partir do áudio. Para uma gravação que seja sua ou que você tenha permissão para processar, use uma ferramenta de fala para texto no modo de **transcrição** para manter o idioma falado. A tradução é uma etapa separada. Sem legendas nem acesso autorizado ao áudio, peça uma transcrição a quem publicou o vídeo.

Por exemplo, para transcrever localmente uma entrevista sua em inglês, primeiro selecione o fluxo de áudio correto. Com o FFmpeg, o `whisper-cli` do guia de início rápido do whisper.cpp e seu modelo em inglês `base.en` instalados, os comandos a seguir geram tanto `interview.txt` quanto `interview.srt`:

- [Início rápido do whisper.cpp](https://github.com/ggml-org/whisper.cpp#quick-start)

**Transcrever uma gravação local com 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
```

Aqui, `0:a:0` seleciona o **primeiro fluxo de áudio**, que não está necessariamente no idioma original. Ouça-o primeiro. Para fala em japonês, por exemplo, selecione o fluxo em japonês, use o modelo multilíngue `ggml-base.bin` e defina `-l ja`. Compare o resultado com a gravação. Esse texto foi criado pelo **seu** processo de transcrição; não é uma faixa de legendas fornecida pelo YouTube.

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

## O que são legendas de acessibilidade, legendas e transcrições


Uma **faixa de legendas** é uma sequência de segmentos: um trecho de texto e o momento em que deve aparecer. As legendas ocultas podem ser ativadas e desativadas. As legendas de acessibilidade transmitem sons relevantes além da fala: uma mudança de falante, uma batida na porta ou um alarme ao qual alguém reage. **Legendas** costuma se referir a diálogos traduzidos, mas, em muitos países, o termo também inclui legendas no mesmo idioma da fala. Só o nome da opção no menu não informa quem escreveu as palavras nem se elas são uma tradução.

- [W3C: legendas e acessibilidade](https://www.w3.org/WAI/media/av/captions/)

Uma **transcrição** apresenta as palavras para leitura, com ou sem marcações de tempo. O painel de transcrição do YouTube é uma visualização das legendas para leitura, não uma segunda transcrição independente. Um **resumo** é outra coisa: pode omitir partes ou reformular o conteúdo. Se uma pessoa diz “coloque aqui” enquanto aponta para um diagrama, a transcrição pode trazer exatamente isso sem explicar onde. Uma transcrição descritiva acrescenta a informação visual que falta.

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

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

## Os três tipos de legendas do YouTube


Ao comparar transcrições, classifique a **faixa de legendas que você realmente recebeu**. As três fontes comuns são as legendas fornecidas pelo criador, a transcrição automática do YouTube e a tradução automática do YouTube. As duas últimas usam automação, mas só uma delas ouve a fala.

| Fonte das legendas | Como o texto foi produzido | Exemplo: uma entrevista em japonês |
| --- | --- | --- |
| **Fornecidas pelo criador (uploader)** | O canal fornece ou publica o texto. Ele pode ser digitado, enviado em um arquivo ou editado a partir de um rascunho automático. Não é necessariamente escrito do zero nem reproduz a fala palavra por palavra. | O criador publica legendas em inglês com o texto “Please wait a moment.”. Isso é uma tradução, mas sua fonte continua sendo o **criador**, não a tradução automática do YouTube. |
| **Geradas automaticamente pelo YouTube (reconhecimento de fala, ou ASR)** | O YouTube transforma **fala em texto no mesmo idioma**. Ele pode entender errado o que a pessoa diz; não há tradução nesse processo. | A pessoa entrevistada diz chotto matte. A faixa representa essas palavras em japonês. |
| **Traduzidas automaticamente pelo YouTube (tradução automática)** | O YouTube transforma o **texto de legendas existentes em outro idioma**. A fonte pode ser fornecida por quem enviou o vídeo ou ser automática. Ele não ouve uma dublagem no idioma de destino. | O YouTube traduz a legenda em japonês para o inglês como “Wait a little.”. Se a legenda em japonês reconheceu um nome incorretamente, a tradução pode herdar esse erro. |

- [YouTube Studio: editar legendas](https://support.google.com/youtube/answer/2734705?hl=en)
- [YouTube: legendas automáticas](https://support.google.com/youtube/answer/6373554?hl=en)
- [YouTube: tradução de legendas](https://developers.google.com/youtube/data/reference/rest/v3/captions/download)

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

### Por que um vídeo pode ter vários textos em inglês


Uma **dublagem é áudio, não um quarto tipo de legenda**. Na mesma entrevista fictícia, a pessoa que faz a dublagem em inglês poderia dizer “Give me a second.”. As duas legendas em inglês acima transmitem o sentido. Nenhuma contém essas palavras faladas. Use qualquer uma delas para entender, ouça a dublagem para fazer uma citação direta e mantenha o texto de origem e o método de tradução separados em um conjunto de dados de tradução.

O áudio original corresponde à gravação de origem; a reprodução padrão é o que o player seleciona e pode variar conforme as preferências de quem assiste. Alterar o idioma das legendas não troca o áudio. Não presuma que toda dublagem tenha uma faixa ASR correspondente: o YouTube descreve as legendas automáticas de vídeos com vários áudios como estando no idioma padrão, não como uma transcrição para cada dublagem.

- [Idiomas de áudio preferidos](https://support.google.com/youtube/answer/13339776?hl=en)
- [Legendas automáticas do YouTube](https://support.google.com/youtube/answer/6373554?hl=en)

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

## Formatos de transcrição do YouTube: TXT, SRT, VTT e JSON


| Formato | Use para | O que considerar |
| --- | --- | --- |
| Texto simples (TXT) | Leitura, anotações ou resumo | É fácil de editar, mas converter a faixa em texto contínuo descarta o vínculo de cada linha com o vídeo, a menos que você o preserve separadamente. |
| SubRip (SRT) | Transferir legendas com marcações de tempo entre editores e players | Segmentos numerados com tempos de início e fim. Útil quando a reprodução importa mais do que uma formatação visual elaborada. |
| WebVTT (VTT) | Legendas para um player web | Preserva os tempos dos segmentos e pode incluir informações extras, como posicionamento ou identificação de vozes, quando fornecidas pelo autor. |
| JSON ou JSON Lines (JSONL) | Pesquisar em vários vídeos ou criar conjuntos de dados | Você escolhe o esquema. Informe se os tempos estão em segundos ou milissegundos e se se referem ao vídeo completo ou a um clipe exportado. |

Esta é a legenda fictícia fornecida por quem enviou o vídeo no formato WebVTT. Seus 1,9 segundos indicam **quando exibir o segmento**, não o início e o fim de cada palavra.

- [Formato WebVTT](https://www.w3.org/TR/webvtt1/)
- [Formatos de legenda aceitos pelo YouTube](https://support.google.com/youtube/answer/2734698?hl=en)

**Um segmento WebVTT com marcações de tempo**

```vtt
WEBVTT

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

Uma cópia somente de texto pode simplesmente dizer “Please wait a moment.”. Uma anotação pesquisável é mais útil no formato “01:04 · Please wait a moment.”. Se você recortar um clipe que começa em 01:00, a legenda deve ficar **entre 4,2 e 6,1 segundos nesse clipe**, não entre 64,2 e 66,1. Guarde o intervalo original para poder reconstruir a referência.

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

## Como criar um conjunto de dados de transcrições do YouTube


Defina o que **um exemplo** deve demonstrar antes de coletar milhares de faixas. O mesmo segmento pode servir para um conjunto de dados e ser inadequado para outro:

| Objetivo do conjunto de dados | Evidências úteis | O que rejeitar ou rotular separadamente |
| --- | --- | --- |
| Busca, resumos ou respostas a perguntas | Um trecho legível, seu idioma, um ID de vídeo e um intervalo de tempo para citar | Não apresente um trecho traduzido como uma citação literal de quem fala. Mantenha os resumos separados do texto de origem. |
| Reconhecimento de fala ou alinhamento de palavras | Um clipe de áudio específico associado às palavras realmente audíveis nele | Rejeite dublagens que não correspondam ao áudio e paráfrases como rótulos de fala literal. Separe o ASR não revisado das referências verificadas por pessoas. |
| Tradução de fala ou texto | Fala ou texto de origem identificados e a tradução correspondente | Mantenha as traduções humanas e automáticas distinguíveis quando a origem for conhecida. Segmentos podem ser divididos ou unidos entre idiomas; a linha 12 não precisa ser a tradução da linha 12. |
| Treinamento de vídeo e texto ou multimodal | Texto que descreve o que aparece nos quadros relevantes | A narração pode se referir a algo fora da câmera ou à próxima etapa. Por exemplo, o HowTo100M usou narrações instrutivas como sinal de treinamento, não descrições de cada quadro verificadas manualmente. |

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

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

### Registrar o par de áudio e legendas


Um ID de vídeo não basta: ele não informa qual áudio você usou, qual versão das legendas recuperou nem por que um revisor aceitou um par. Este é um registro ilustrativo de um conjunto de dados, não uma resposta das APIs do YouTube ou do FlashData:

**Manifesto do conjunto de dados: uma legenda e seu áudio**

```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
}
```

Essa última decisão é o ponto central: tanto o áudio quanto as legendas estão em inglês e o segmento está no tempo certo, mas o texto **não** é um rótulo literal. Para uma coleção real, registre também o identificador da fonte ou da faixa, quando disponível, a data da recuperação, o identificador do arquivo ou da versão e a permissão ou licença que cobre o uso pretendido. Mantenha a procedência desconhecida como tal em vez de deduzi-la pelo nome do arquivo.

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

### Verificar a coleção antes de usá-la


1. **Meça a cobertura.** Conte os vídeos que você tentou processar, os que têm uma faixa no idioma de destino e os que atendem à sua política de qualidade. Separe “nenhuma legenda elegível” de “não foi possível recuperar”. Caso contrário, uma falha temporária parecerá um idioma com baixa cobertura.
2. **Ouça e avalie amostras.** Revise clipes de diferentes idiomas, fontes de legendas e canais. Verifique se números, nomes, negações, mudanças de falante e limites dos segmentos correspondem à gravação real. Para fala literal, compare uma amostra com um texto de referência transcrito de forma independente. A taxa de erro de palavras conta substituições, exclusões e inserções por palavra de referência; não é uma medida da qualidade da tradução nem da sincronização.
3. **Preserve a fonte e a base de tempo.** Guarde a faixa com marcações de tempo junto ao texto limpo quando isso for permitido. Normalize as quebras de linha para a busca, mas não elimine frases repetidas indiscriminadamente: “não, não” pode ser fala real. Compare os segmentos com a duração do clipe e considere qualquer deslocamento causado pelo recorte.
4. **Divida por gravação, não por linha de legenda.** Mantenha clipes, dublagens e traduções da mesma gravação na mesma partição, seja de treinamento ou de teste. Caso contrário, um modelo pode ver a mesma entrevista durante o treinamento e a avaliação. Deixe os pares não verificados fora de um conjunto de avaliação destinado a medir a precisão literal.
5. **Verifique os direitos antes da coleta ou da publicação.** Estar disponível publicamente não significa ter autorização para redistribuição ou treinamento. Registre o que permite o uso pretendido, verifique a presença de informações pessoais e planeje correções ou remoções. Mantenha essa decisão separada da qualidade técnica.

- [Taxa de erro de palavras](https://www.nist.gov/system/files/documents/2021/08/03/OpenASR20_EvalPlan_v1_5.pdf)
- [Tipos de licença do YouTube](https://support.google.com/youtube/answer/2797468?hl=en)
- [Termos de Serviço do YouTube](https://www.youtube.com/static?template=terms)

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

## Recuperar faixas existentes com o FlashData


Use esta opção quando tiver IDs de vídeos e quiser legendas **existentes** como texto e segmentos com marcações de tempo. Ela não gera transcrição de fala para texto em vídeos sem legendas. YouTube Transcript e YouTube Captions usam as mesmas regras de seleção de faixas. Os padrões são diferentes: `youtube_transcript` permite fontes automáticas (`auto: true`); `youtube_captions` usa por padrão apenas legendas de quem enviou o vídeo (`auto: false`). Ambos buscam **inglês** quando `language` é omitido.

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

Este é um exemplo em Python para um único vídeo usando `requests`. Substitua a chave de exemplo e use um ID de vídeo que você tenha autorização para processar. A disponibilidade depende do vídeo:

**Recuperar uma transcrição existente com 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>

### Escolher um idioma e uma fonte de legendas


Um código de idioma como `"en"` solicita inglês independentemente do áudio. Para seguir uma faixa de áudio, use `"original"` para o idioma identificado como original ou `"default"` para o idioma de reprodução identificado para o worker, não para a configuração do seu navegador. O FlashData resolve os dois a partir das informações de áudio da mesma extração.

Um código explícito de faixa funciona de outro modo: `"en-orig"` com `auto: true` solicita exatamente aquela faixa automática, sem recorrer a alternativas. O sufixo `-orig` é uma convenção de nomes do yt-dlp, não uma prova de que o áudio original era em inglês.

- [yt-dlp: nomes das faixas do YouTube](https://github.com/yt-dlp/yt-dlp/blob/master/yt_dlp/extractor/youtube/_video.py)

Para um código de idioma comum, `"default"` ou `"original"`, `auto: true` tenta as fontes de legendas nesta ordem, todas no idioma de destino:

1. **Reconhecimento de fala no mesmo idioma** (`youtube_asr`): o YouTube transcreveu a fala.
2. **Legendas de quem enviou o vídeo** (`uploader`): o canal forneceu o texto.
3. **Legendas automáticas não classificadas** (`youtube_auto_unknown`): as evidências não distinguem ASR de tradução. Isso é uma incerteza sobre a fonte, não uma quarta forma de produzir legendas.
4. **Tradução automática do YouTube** (`youtube_translated`): o YouTube traduziu outra faixa de legendas.

Com `auto: false`, somente as legendas de quem enviou o vídeo são elegíveis. No exemplo da entrevista, suponha que o idioma de reprodução esteja identificado como inglês. Há uma faixa enviada em inglês e uma tradução do YouTube, mas não há ASR em inglês. Solicitar `"default"` com `auto: true` retorna `captionSource: "uploader"` e `isAutoGenerated: false`.

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

### Solicitar mais de um idioma


Envie um array como `["original", "en", "es"]` para o mesmo vídeo. Isso solicita cada um de 1 a 10 seletores distintos com uma única política `auto`, não o primeiro idioma disponível. Mesmo um array com um só item retorna `results[0].tracks` e `results[0].errors` em vez de uma única faixa.

As faixas recuperadas permanecem na ordem da solicitação. Identifique uma faixa por `requestedLanguageCode` quando estiver presente; caso contrário, use `languageCode`. Os erros identificam o seletor que falhou por `languageCode`. Preserve os resultados bem-sucedidos quando outro idioma falhar. Se nenhum tiver sucesso, trate o erro no nível da solicitação.

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

### Distinguir uma faixa ausente de uma falha na recuperação


Um idioma original não confirmado (`youtube_original_language_unknown`) é diferente de um idioma original conhecido sem legendas elegíveis (`youtube_original_subtitles_unavailable`). Para a reprodução padrão, os erros correspondentes são `youtube_default_language_unknown` e `youtube_default_subtitles_unavailable`.

Se o YouTube retornar HTTP 429 ao fornecer legendas traduzidas e nenhuma faixa solicitada for recuperada, a API em tempo real do FlashData poderá informar **HTTP 502** com `youtube_subtitle_retrieval_failed`. Se houver sucesso parcial, o seletor que falhou poderá ter `errors[].code: "retrieval_failed"` em vez disso. Um 502 isolado não permite diagnosticar um 429 do YouTube. Um 429 do limitador de solicitações do próprio FlashData é separado de um 429 do YouTube.

- [HTTP 429 ao fornecer legendas traduzidas](https://flashdata.dev/pt/docs/guides/youtube-transcripts-and-captions/reference.md#why-does-yt-dlp-report-http-429-for-youtube-auto-translated-captions)

A API YouTube Download seleciona o áudio separadamente por `audio_language` e pode recorrer a outra faixa; solicitar `"original"` às duas APIs não estabelece alinhamento. Consulte a receita de legendas com marcações de tempo para salvar os resultados e o guia de arquivos Bulk para processar uma lista de IDs de vídeos.

- [API YouTube Download](https://flashdata.dev/pt/docs/sources/youtube_download/reference.md)
- [Receita de legendas com marcações de tempo](https://flashdata.dev/pt/docs/guides/timestamped-captions-recipe/reference.md)
- [Guia de arquivos Bulk](https://flashdata.dev/pt/docs/guides/bulk/reference.md)

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

## Perguntas frequentes sobre transcrições do YouTube


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

### Posso obter uma transcrição do YouTube de graça sem baixar o vídeo?


Sim. Quando há legendas disponíveis, o recurso **Mostrar transcrição** do YouTube permite ler o texto na página de reprodução sem comprar uma ferramenta nem baixar mídia. Para uma palestra ou entrevista, comece por ali.

- [Ver transcrições de vídeos](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>

### Por que não há transcrição se consigo ver legendas na imagem?


Desative as legendas ocultas. Se as palavras permanecerem, elas podem estar embutidas: fazem parte da imagem, não de uma faixa de texto selecionável. O vídeo também pode não ter legendas publicadas, ou as legendas automáticas ainda podem estar sendo processadas. Para material que você tenha autorização para processar, transcreva o áudio se quiser o que foi **dito**, ou use reconhecimento óptico de caracteres (OCR) com revisão se precisar das palavras exatas **exibidas na tela**. As duas coisas podem ser diferentes.

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

### Posso obter texto em inglês se o áudio estiver em outro idioma?


Muitas vezes, sim, mas nem sempre. Primeiro, procure legendas em inglês; se não houver nenhuma na lista, confira se o player oferece **Traduzir automaticamente**. Esse recurso traduz as legendas disponíveis. Ele não cria áudio em inglês nem comprova que a dublagem em inglês usou as mesmas palavras.

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

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

### “Gerado automaticamente” significa “traduzido automaticamente”?


Não. O reconhecimento de fala transforma fala em escrita no **mesmo idioma**. A tradução automática muda o texto de um idioma para outro. Os dois processos podem ser automáticos, e uma tradução pode partir de um reconhecimento de fala imperfeito. Quando a origem não for informada, marque-a como desconhecida.

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

### Por que o yt-dlp informa HTTP 429 para legendas traduzidas automaticamente pelo YouTube?


Um vídeo pode listar uma tradução mesmo quando o YouTube recusa a solicitação do texto com **HTTP 429 (Too Many Requests)**. Na issue #13831 do yt-dlp, a explicação fixada pelo mantenedor identifica as **legendas traduzidas automaticamente pelo YouTube** como o caso afetado. As faixas fornecidas por quem enviou o vídeo e o ASR no idioma original não foram afetados por **aquele problema específico**. Isso não significa que todas as traduções falhem nem que outras solicitações de legendas nunca possam sofrer limitação de taxa.

- [yt-dlp #13831: explicação fixada do mantenedor](https://github.com/yt-dlp/yt-dlp/issues/13831#issuecomment-3712613129)

Se você só precisa de texto legível, procure uma faixa existente de quem enviou o vídeo ou de ASR no idioma falado **no seu idioma de destino**. Se precisar especificamente da tradução do YouTube, preserve as faixas recuperadas e adie apenas a tradução que falhou. Respeite `Retry-After` quando a resposta o incluir; caso contrário, aumente o intervalo entre tentativas, limite as repetições e evite tentar novamente uma coleção inteira de uma só vez. Registre o resultado como **falha na recuperação**, não como **ausência de legendas**. Receber uma faixa em japonês com sucesso não atende a uma solicitação de inglês.

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

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

### Como obter apenas o texto, sem marcações de tempo?


Exporte uma versão em texto simples de um arquivo de legendas ou una o texto dos segmentos na ordem. Guarde o original com marcações de tempo se você puder precisar citar uma linha, criar clipes ou corrigir um erro depois. Remover as marcações de tempo é fácil; recuperar tempos precisos a partir de um parágrafo é uma tarefa de alinhamento separada.

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

### Há transcrições disponíveis para YouTube Shorts e transmissões ao vivo?


O YouTube oferece suporte a legendas automáticas tanto para Shorts elegíveis quanto para vídeos longos, mas a disponibilidade não é garantida. As legendas ao vivo e as do vídeo arquivado não são necessariamente iguais: o YouTube informa que gera novas legendas automáticas para a versão sob demanda. Para um conjunto de dados reproduzível, registre qual versão você usou e quando.

- [Legendas automáticas do 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>

### A API oficial YouTube Data retorna transcrições de qualquer vídeo público?


Não. A chamada `captions.list` do Google, autorizada por OAuth, retorna metadados das faixas, não as palavras em si. `captions.download` recupera a faixa e exige permissão para editar o vídeo. Poder ler uma transcrição como espectador não é o mesmo que ter essa permissão na API.

- [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>

### Os nomes dos falantes e as marcações de tempo de cada palavra estão incluídos?


Não de forma confiável. Um segmento pode abranger uma frase inteira, e uma faixa pode identificar um falante, indicar um som ou não fazer nenhuma dessas coisas. Se você precisa saber quem falou e quando, faça anotações ou execute a diarização de falantes e verifique o resultado. Se precisa saber quando cada palavra foi dita, use alinhamento de palavras com a gravação real; não divida a duração de um segmento igualmente entre suas palavras.

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

### As transcrições do YouTube são precisas o suficiente para fazer citações?


Use a transcrição para encontrar o momento; use a gravação para conferir a citação. Se você citar em inglês uma pessoa que fala japonês, informe se as palavras são sua tradução, a legenda de quem enviou o vídeo ou a dublagem. Uma frase fluente não prova que uma pessoa específica tenha usado aquelas palavras exatas.

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

### Transcrições públicas do YouTube podem ser usadas para treinar um modelo ou compartilhadas como conjunto de dados?


O acesso público, por si só, não concede permissão para nenhum desses usos. Determine o que autoriza a coleta, o treinamento e qualquer redistribuição do texto ou da mídia; são decisões separadas. Depois, decida se os rótulos são adequados à tarefa: uma tradução em inglês autorizada ainda pode ser uma referência errada para reconhecimento de fala em inglês. O guia de licenças do YouTube explica a diferença entre a licença padrão e a Creative Commons Atribuição.

- [Guia de licenças do YouTube](https://support.google.com/youtube/answer/2797468?hl=en)

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

### Por que uma transcrição muda quando a recupero novamente?


Confira o vídeo, o idioma do áudio, o idioma das legendas e a fonte da faixa. Você pode estar comparando duas faixas. Até o mesmo vídeo pode mudar: um criador pode editar o texto ou os tempos e publicar uma faixa de legendas revisada. Guarde a data da recuperação e uma versão ou um hash do conteúdo quando isso for permitido, para distinguir uma edição de uma mudança na sua política de seleção.

- [YouTube: editar ou remover legendas](https://support.google.com/youtube/answer/2734705?hl=en)
