# Bản chép lời và phụ đề YouTube: từ một video đến bộ dữ liệu huấn luyện

Tìm hiểu cách lấy bản chép lời YouTube, phân biệt phụ đề do nhà sáng tạo cung cấp với phụ đề được tạo và dịch tự động, đồng thời ghép văn bản với âm thanh cho bộ dữ liệu huấn luyện.

Tài liệu tham khảo chính điển: https://flashdata.dev/vi/docs/guides/youtube-transcripts-and-captions
FlashData · Ngày kiểm tra nguồn: 2026-11-19

Mở phần mô tả video và chọn **Hiện bản chép lời**. Nếu có phụ đề, bạn có thể đọc nội dung và chuyển đến đúng thời điểm lời đó được nói. Không cần API hay tải xuống.

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

## Cách lấy bản chép lời YouTube mà không cần tải video


- [YouTube: Xem bản chép lời video](https://support.google.com/youtube/answer/15930243?hl=en)

1. **Tìm đoạn cần đọc.** Trên trang xem video, mở rộng phần mô tả và chọn **Hiện bản chép lời**. Chọn một dòng để phát video tại thời điểm đó.
2. **Kiểm tra ngôn ngữ.** Menu **Phụ đề/CC** của trình phát điều khiển phần văn bản. Mục **Bản âm thanh**, nếu có, điều khiển âm thanh bạn nghe. Đổi âm thanh không bảo đảm bản chép lời cũng thay đổi theo.
3. **Kiểm chứng câu trích dẫn.** Sao chép đoạn văn nếu có thể chọn văn bản, hoặc ghi lại lời nói và mốc thời gian. Phát lại dòng đó để kiểm tra tên riêng, con số và những từ như "not" có thể đảo ngược ý nghĩa.

- [Cài đặt phụ đề](https://support.google.com/youtube/answer/100078?co=GENIE.Platform%3DAndroid&hl=en)
- [YouTube: Cài đặt bản âm thanh](https://support.google.com/youtube/answer/13339776?hl=en)

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

### Lưu phụ đề cho video bạn quản lý


Trong **YouTube Studio → Phụ đề**, chọn video rồi chọn **Chỉnh sửa** bên cạnh ngôn ngữ bạn muốn. Trong **Tùy chọn**, chọn **Tải phụ đề xuống**. Giữ lại tệp có thông tin thời gian; sau này bạn có thể xuất thêm một bản văn bản thuần.

Nếu chưa có bản phụ đề và bạn có kịch bản bằng ngôn ngữ được nói, Studio có thể đồng bộ kịch bản với âm thanh.

- [Tải xuống hoặc chỉnh sửa phụ đề](https://support.google.com/youtube/answer/2734705?hl=en)
- [Thêm phụ đề hoặc đồng bộ kịch bản](https://support.google.com/youtube/answer/2734796?hl=en)

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

### Khi không có bản phụ đề


Lấy phụ đề là đọc văn bản đã có. Chép lời là tạo văn bản mới từ âm thanh. Với bản ghi bạn sở hữu hoặc được phép xử lý, hãy dùng công cụ chuyển giọng nói thành văn bản ở chế độ **chép lời (transcribe)** để giữ nguyên ngôn ngữ được nói. Dịch là một bước riêng. Nếu không có phụ đề và không được phép truy cập âm thanh, hãy xin bản chép lời từ bên xuất bản.

Ví dụ, để chép lời cuộc phỏng vấn tiếng Anh của chính bạn trên máy cục bộ, trước hết hãy chọn đúng luồng âm thanh. Sau khi cài FFmpeg, `whisper-cli` theo hướng dẫn bắt đầu nhanh của whisper.cpp và mô hình tiếng Anh `base.en`, các lệnh sau sẽ tạo cả `interview.txt` lẫn `interview.srt`:

- [Bắt đầu nhanh với whisper.cpp](https://github.com/ggml-org/whisper.cpp#quick-start)

**Chép lời bản ghi cục bộ bằng 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
```

Ở đây, `0:a:0` chọn **luồng âm thanh đầu tiên**, không nhất thiết là ngôn ngữ gốc. Hãy nghe thử trước. Ví dụ, với lời nói tiếng Nhật, chọn luồng tiếng Nhật, dùng mô hình đa ngôn ngữ `ggml-base.bin` và đặt `-l ja`. Đối chiếu kết quả với bản ghi. Văn bản này do quy trình chép lời của **bạn** tạo ra; đây không phải bản phụ đề do YouTube cung cấp.

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

## Phụ đề hỗ trợ tiếp cận, phụ đề và bản chép lời là gì


Một **bản phụ đề** là chuỗi các đoạn phụ đề: mỗi đoạn gồm văn bản và thời điểm cần hiển thị. Phụ đề chi tiết có thể bật hoặc tắt. Phụ đề hỗ trợ tiếp cận truyền tải cả lời nói lẫn những âm thanh có ý nghĩa: đổi người nói, tiếng gõ cửa hoặc tiếng báo động khiến ai đó phản ứng. **Phụ đề (subtitles)** thường chỉ hội thoại đã dịch, nhưng ở nhiều nước cũng được dùng để chỉ phụ đề cùng ngôn ngữ với lời nói. Chỉ tên mục trong menu không cho biết ai đã viết nội dung hay đó có phải bản dịch hay không.

- [W3C: Phụ đề và phụ đề hỗ trợ tiếp cận](https://www.w3.org/WAI/media/av/captions/)

**Bản chép lời** trình bày lời nói dưới dạng văn bản để đọc, có hoặc không có mốc thời gian. Khung bản chép lời của YouTube là cách xem phụ đề để đọc, không phải một bản chép lời thứ hai được tạo độc lập. **Bản tóm tắt** lại khác: nội dung có thể bị lược bỏ hoặc diễn đạt lại. Nếu người nói vừa chỉ vào sơ đồ vừa nói "đặt nó ở đây", bản chép lời có thể ghi đúng như vậy mà không giải thích là ở đâu. Bản chép lời có mô tả sẽ bổ sung thông tin hình ảnh còn thiếu.

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

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

## Ba loại phụ đề YouTube


Khi so sánh các bản chép lời, hãy phân loại **bản phụ đề bạn thực sự nhận được**. Ba nguồn phổ biến là phụ đề do nhà sáng tạo cung cấp, bản chép lời tự động của YouTube và bản dịch tự động của YouTube. Hai loại sau đều dùng tự động hóa, nhưng chỉ một loại nghe lời nói.

| Nguồn phụ đề | Cách tạo văn bản | Ví dụ: một cuộc phỏng vấn tiếng Nhật |
| --- | --- | --- |
| **Do nhà sáng tạo cung cấp (người tải lên)** | Kênh cung cấp hoặc xuất bản nội dung lời. Nội dung có thể được nhập tay, tải lên hoặc chỉnh sửa từ bản nháp tự động. Không nhất thiết được viết từ đầu hay khớp nguyên văn từng lời nói. | Nhà sáng tạo xuất bản phụ đề tiếng Anh ghi "Please wait a moment." Đây là bản dịch, nhưng nguồn vẫn là **nhà sáng tạo**, không phải tính năng Dịch tự động của YouTube. |
| **YouTube tạo tự động (nhận dạng giọng nói, hay ASR)** | YouTube chuyển **lời nói thành văn bản trong cùng ngôn ngữ**. Hệ thống có thể nghe nhầm; quá trình này không có bước dịch. | Khách mời nói chotto matte. Bản phụ đề thể hiện lời đó bằng tiếng Nhật. |
| **YouTube dịch tự động (dịch máy)** | YouTube chuyển **văn bản phụ đề có sẵn sang ngôn ngữ khác**. Nguồn có thể là phụ đề do người tải lên cung cấp hoặc phụ đề tự động. Hệ thống không nghe bản lồng tiếng bằng ngôn ngữ đích. | YouTube chuyển phụ đề tiếng Nhật sang tiếng Anh thành "Wait a little." Nếu phụ đề tiếng Nhật nghe nhầm một tên riêng, bản dịch có thể kế thừa lỗi đó. |

- [YouTube Studio: Chỉnh sửa phụ đề](https://support.google.com/youtube/answer/2734705?hl=en)
- [YouTube: Phụ đề tự động](https://support.google.com/youtube/answer/6373554?hl=en)
- [YouTube: Dịch phụ đề](https://developers.google.com/youtube/data/reference/rest/v3/captions/download)

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

### Vì sao một video có thể có nhiều văn bản tiếng Anh


**Bản lồng tiếng là âm thanh, không phải loại phụ đề thứ tư**. Trong cùng cuộc phỏng vấn giả định, diễn viên lồng tiếng Anh có thể nói "Give me a second." Cả hai bản phụ đề tiếng Anh ở trên đều truyền tải được ý nghĩa. Nhưng không bản nào chứa đúng những từ được nói đó. Bạn có thể dùng một trong hai để hiểu nội dung, nghe bản lồng tiếng để trích dẫn trực tiếp, và lưu riêng văn bản nguồn cùng phương pháp dịch cho bộ dữ liệu dịch thuật.

Âm thanh gốc là phần trình bày ban đầu; âm thanh phát mặc định là phần trình phát chọn và có thể khác nhau theo tùy chọn của người xem. Đổi ngôn ngữ phụ đề không làm đổi âm thanh. Đừng cho rằng mọi bản lồng tiếng đều có bản ASR tương ứng: YouTube mô tả phụ đề tự động cho video có nhiều bản âm thanh là phụ đề bằng ngôn ngữ mặc định, không phải mỗi bản lồng tiếng đều được chép lời riêng.

- [Ngôn ngữ âm thanh ưu tiên](https://support.google.com/youtube/answer/13339776?hl=en)
- [Phụ đề tự động của YouTube](https://support.google.com/youtube/answer/6373554?hl=en)

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

## Định dạng bản chép lời YouTube: TXT, SRT, VTT và JSON


| Định dạng | Nên dùng cho | Điều cần lưu ý |
| --- | --- | --- |
| Văn bản thuần (TXT) | Đọc, ghi chú hoặc tóm tắt | Dễ chỉnh sửa, nhưng chuyển bản phụ đề thành văn bản thuần sẽ làm mất liên kết từ từng dòng đến video nếu bạn không lưu riêng thông tin đó. |
| SubRip (SRT) | Chuyển phụ đề có thông tin thời gian giữa các trình biên tập và trình phát | Các đoạn phụ đề được đánh số, có thời gian bắt đầu và kết thúc. Hữu ích khi bạn quan tâm đến việc phát hơn là định dạng trình bày phong phú. |
| WebVTT (VTT) | Phụ đề cho trình phát trên web | Giữ thời gian của các đoạn phụ đề và có thể chứa thông tin bổ sung như vị trí hoặc nhãn người nói nếu tác giả đã cung cấp. |
| JSON hoặc JSON Lines (JSONL) | Tìm kiếm trên nhiều video hoặc xây dựng bộ dữ liệu | Bạn tự chọn lược đồ. Hãy nêu rõ thời gian được tính bằng giây hay mili giây và tham chiếu đến toàn bộ video hay một đoạn clip đã xuất. |

Dưới đây là phụ đề giả định do người tải lên cung cấp ở định dạng WebVTT. Khoảng 1,9 giây xác định **khi nào hiển thị đoạn phụ đề**, không phải thời điểm bắt đầu và kết thúc của từng từ.

- [Định dạng WebVTT](https://www.w3.org/TR/webvtt1/)
- [Các định dạng phụ đề YouTube hỗ trợ](https://support.google.com/youtube/answer/2734698?hl=en)

**Một đoạn phụ đề WebVTT có thông tin thời gian**

```vtt
WEBVTT

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

Bản chỉ có văn bản có thể đơn giản ghi "Please wait a moment." Ghi chú để tìm kiếm sẽ hữu ích hơn khi ghi "01:04 · Please wait a moment." Nếu cắt clip bắt đầu tại 01:00, phụ đề phải nằm ở **giây 4,2 đến 6,1 trong clip đó**, không phải 64,2 đến 66,1. Giữ khoảng thời gian gốc để có thể xác định lại vị trí tham chiếu.

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

## Cách xây dựng bộ dữ liệu bản chép lời YouTube


Hãy xác định **một mẫu dữ liệu** cần chứng minh điều gì trước khi thu thập hàng nghìn bản phụ đề. Cùng một đoạn phụ đề có thể phù hợp với bộ dữ liệu này nhưng sai đối với bộ dữ liệu khác:

| Mục tiêu bộ dữ liệu | Bằng chứng hữu ích | Nội dung cần loại bỏ hoặc gắn nhãn riêng |
| --- | --- | --- |
| Tìm kiếm, tóm tắt hoặc trả lời câu hỏi | Một đoạn văn dễ đọc, ngôn ngữ của đoạn đó, mã video và khoảng thời gian để trích dẫn | Không trình bày đoạn đã dịch như lời trích dẫn nguyên văn của người nói. Giữ bản tóm tắt riêng với văn bản nguồn. |
| Nhận dạng giọng nói hoặc căn chỉnh từ với âm thanh | Một clip âm thanh cụ thể được ghép với đúng những từ thực sự nghe thấy trong đó | Không chấp nhận bản lồng tiếng không khớp và câu diễn đạt lại làm nhãn nguyên văn. Tách kết quả ASR chưa kiểm tra khỏi văn bản tham chiếu đã được con người kiểm chứng. |
| Dịch lời nói hoặc văn bản | Lời nói hoặc văn bản nguồn được xác định rõ, kèm bản dịch tương ứng | Khi biết nguồn, hãy giữ khả năng phân biệt bản dịch của con người với bản dịch máy. Các đoạn phụ đề giữa các ngôn ngữ có thể được tách hoặc gộp; dòng 12 không nhất thiết dịch dòng 12. |
| Huấn luyện bằng video và văn bản hoặc dữ liệu đa phương thức | Văn bản mô tả nội dung xuất hiện trong các khung hình liên quan | Lời thuyết minh có thể nói về thứ nằm ngoài khung hình hoặc bước tiếp theo. Ví dụ, HowTo100M dùng lời thuyết minh hướng dẫn làm tín hiệu huấn luyện, không phải mô tả từng khung hình đã được kiểm chứng thủ công. |

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

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

### Ghi lại cặp âm thanh và phụ đề


Chỉ mã video là chưa đủ: nó không cho biết bạn đã dùng âm thanh nào, lấy phiên bản phụ đề nào, hay vì sao người kiểm tra chấp nhận cặp đó. Dưới đây là một bản ghi minh họa trong bộ dữ liệu, không phải phản hồi API của YouTube hay FlashData:

**Bản kê bộ dữ liệu: một đoạn phụ đề và âm thanh đi kèm**

```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
}
```

Quyết định cuối cùng đó mới là điểm chính: cả hai đều là tiếng Anh và đoạn phụ đề đúng thời gian, nhưng văn bản **không phải** nhãn nguyên văn. Với bộ dữ liệu thực tế, hãy ghi thêm nguồn hoặc mã bản phụ đề nếu có, ngày lấy dữ liệu, mã tệp hoặc phiên bản, và quyền cho phép hoặc giấy phép bao trùm mục đích sử dụng. Nếu không rõ xuất xứ, hãy để là không rõ thay vì suy đoán từ tên tệp.

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

### Kiểm tra dữ liệu thu thập được trước khi sử dụng


1. **Đo độ bao phủ.** Đếm số video đã thử lấy dữ liệu, số video có bản phụ đề bằng ngôn ngữ đích và số video đạt chính sách chất lượng của bạn. Phân biệt "không có phụ đề đủ điều kiện" với "không thể lấy dữ liệu". Nếu không, lỗi tạm thời có thể khiến bạn tưởng ngôn ngữ đó có độ bao phủ thấp.
2. **Nghe và kiểm tra mẫu.** Kiểm tra clip thuộc nhiều ngôn ngữ, nguồn phụ đề và kênh. Xác nhận con số, tên riêng, từ phủ định, chuyển người nói và ranh giới đoạn phụ đề khớp với bản ghi thực tế. Với lời nói nguyên văn, so sánh mẫu với văn bản tham chiếu được chép lời độc lập. Tỷ lệ lỗi từ đếm số lần thay thế, xóa và chèn trên mỗi từ tham chiếu; đó không phải điểm chất lượng dịch hay độ chính xác thời gian.
3. **Giữ lại nguồn và mốc thời gian tham chiếu.** Khi được phép, lưu bản phụ đề có thông tin thời gian cùng văn bản đã làm sạch. Chuẩn hóa dấu xuống dòng để tìm kiếm, nhưng đừng tùy tiện bỏ các cụm lặp: "không, không" có thể là lời nói thật. Đối chiếu các đoạn phụ đề với thời lượng clip và tính đến phần thời gian bị lệch do cắt clip.
4. **Chia theo bản ghi, không theo dòng phụ đề.** Giữ các clip, bản lồng tiếng và bản dịch của cùng một bản ghi trong cùng phần dữ liệu huấn luyện hoặc kiểm thử. Nếu không, mô hình có thể gặp cùng cuộc phỏng vấn cả khi huấn luyện lẫn đánh giá. Không đưa các cặp chưa kiểm chứng vào tập đánh giá dùng để đo độ chính xác nguyên văn.
5. **Kiểm tra quyền trước khi thu thập hoặc công bố.** Có thể xem công khai không có nghĩa là được phép phân phối lại hay dùng để huấn luyện. Ghi lại căn cứ cho phép mục đích sử dụng của bạn, kiểm tra thông tin cá nhân và lên kế hoạch sửa hoặc gỡ bỏ. Tách quyết định này khỏi chất lượng kỹ thuật.

- [Tỷ lệ lỗi từ](https://www.nist.gov/system/files/documents/2021/08/03/OpenASR20_EvalPlan_v1_5.pdf)
- [Các loại giấy phép YouTube](https://support.google.com/youtube/answer/2797468?hl=en)
- [Điều khoản dịch vụ của YouTube](https://www.youtube.com/static?template=terms)

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

## Lấy các bản phụ đề có sẵn bằng FlashData


Dùng cách này khi bạn có mã video và muốn lấy phụ đề **có sẵn** dưới dạng văn bản cùng các đoạn có thông tin thời gian. Cách này không tạo văn bản từ giọng nói cho video chưa có phụ đề. YouTube Transcript và YouTube Captions dùng cùng quy tắc chọn bản phụ đề. Giá trị mặc định khác nhau: `youtube_transcript` cho phép nguồn tự động (`auto: true`); `youtube_captions` mặc định chỉ dùng phụ đề của người tải lên (`auto: false`). Cả hai đều nhắm đến **tiếng Anh** khi bỏ qua `language`.

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

Dưới đây là ví dụ Python cho một video, sử dụng `requests`. Thay khóa mẫu và dùng mã video bạn được phép xử lý. Việc có phụ đề để lấy hay không tùy thuộc vào video:

**Lấy bản chép lời có sẵn bằng 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>

### Chọn ngôn ngữ và nguồn phụ đề


Mã ngôn ngữ như `"en"` yêu cầu tiếng Anh bất kể âm thanh là gì. Nếu muốn chọn theo bản âm thanh, dùng `"original"` cho ngôn ngữ được đánh dấu là ngôn ngữ gốc hoặc `"default"` cho ngôn ngữ phát được đánh dấu đối với tiến trình xử lý, không phải cài đặt trình duyệt của bạn. FlashData xác định cả hai từ thông tin âm thanh trong cùng lần trích xuất.

Mã bản phụ đề cụ thể hoạt động khác: `"en-orig"` với `auto: true` yêu cầu đúng bản phụ đề tự động đó, không chọn bản thay thế. Hậu tố `-orig` là quy ước đặt tên của yt-dlp, không phải bằng chứng tiếng Anh là âm thanh gốc.

- [yt-dlp: Tên các bản phụ đề YouTube](https://github.com/yt-dlp/yt-dlp/blob/master/yt_dlp/extractor/youtube/_video.py)

Với mã ngôn ngữ thông thường, `"default"` hoặc `"original"`, `auto: true` thử các nguồn phụ đề theo thứ tự sau, tất cả đều bằng ngôn ngữ đích:

1. **Nhận dạng giọng nói trong cùng ngôn ngữ với âm thanh** (`youtube_asr`): YouTube chép lời nói thành văn bản.
2. **Phụ đề của người tải lên** (`uploader`): kênh cung cấp văn bản.
3. **Phụ đề tự động chưa phân loại** (`youtube_auto_unknown`): bằng chứng không phân biệt được ASR với bản dịch. Đây là sự không chắc chắn về nguồn, không phải cách tạo phụ đề thứ tư.
4. **Bản dịch máy của YouTube** (`youtube_translated`): YouTube dịch một bản phụ đề khác.

Với `auto: false`, chỉ phụ đề của người tải lên mới đủ điều kiện. Trong ví dụ phỏng vấn, giả sử ngôn ngữ phát được đánh dấu là tiếng Anh. Có phụ đề tiếng Anh được tải lên và bản dịch của YouTube, nhưng không có ASR tiếng Anh. Yêu cầu `"default"` với `auto: true` trả về `captionSource: "uploader"` và `isAutoGenerated: false`.

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

### Yêu cầu nhiều ngôn ngữ


Gửi một mảng như `["original", "en", "es"]` cho cùng một video. Cách này yêu cầu từng giá trị chọn ngôn ngữ trong số 1 đến 10 giá trị không trùng nhau, dùng chung một chính sách `auto`, chứ không lấy ngôn ngữ đầu tiên có sẵn. Ngay cả mảng có một phần tử cũng trả về `results[0].tracks` và `results[0].errors` thay vì một bản phụ đề duy nhất.

Các bản phụ đề lấy thành công giữ nguyên thứ tự yêu cầu. Đối chiếu bản phụ đề bằng `requestedLanguageCode` nếu có, nếu không thì bằng `languageCode`. Lỗi xác định giá trị chọn ngôn ngữ thất bại qua `languageCode`. Giữ lại kết quả thành công khi ngôn ngữ khác thất bại. Nếu không ngôn ngữ nào thành công, hãy xử lý lỗi ở cấp yêu cầu.

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

### Phân biệt không có phụ đề với lỗi lấy dữ liệu


Chưa xác nhận được ngôn ngữ gốc (`youtube_original_language_unknown`) khác với đã biết ngôn ngữ gốc nhưng không có phụ đề đủ điều kiện (`youtube_original_subtitles_unavailable`). Với ngôn ngữ phát mặc định, các lỗi tương ứng là `youtube_default_language_unknown` và `youtube_default_subtitles_unavailable`.

Nếu YouTube trả về HTTP 429 khi cung cấp phụ đề đã dịch và không bản phụ đề được yêu cầu nào thành công, API thời gian thực của FlashData có thể báo **HTTP 502** kèm `youtube_subtitle_retrieval_failed`. Khi thành công một phần, giá trị chọn ngôn ngữ thất bại có thể có `errors[].code: "retrieval_failed"` thay thế. Chỉ mã 502 không đủ để xác định YouTube đã trả về 429. Mã 429 từ bộ giới hạn yêu cầu của chính FlashData là trường hợp riêng, khác với 429 tại YouTube.

- [HTTP 429 khi cung cấp phụ đề đã dịch](https://flashdata.dev/vi/docs/guides/youtube-transcripts-and-captions/reference.md#why-does-yt-dlp-report-http-429-for-youtube-auto-translated-captions)

YouTube Download API chọn âm thanh riêng qua `audio_language` và có thể dùng một bản âm thanh khác thay thế; yêu cầu `"original"` ở cả hai API không chứng minh chúng khớp nhau. Xem hướng dẫn tạo phụ đề có mốc thời gian để lưu kết quả và hướng dẫn tệp Bulk để xử lý danh sách mã video.

- [YouTube Download API](https://flashdata.dev/vi/docs/sources/youtube_download/reference.md)
- [hướng dẫn tạo phụ đề có mốc thời gian](https://flashdata.dev/vi/docs/guides/timestamped-captions-recipe/reference.md)
- [hướng dẫn tệp Bulk](https://flashdata.dev/vi/docs/guides/bulk/reference.md)

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

## Câu hỏi thường gặp về bản chép lời YouTube


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

### Có thể lấy bản chép lời YouTube miễn phí mà không tải video không?


Có. Khi có phụ đề, tính năng **Hiện bản chép lời** của YouTube cho phép bạn đọc văn bản trên trang xem video mà không cần mua công cụ hay tải nội dung nghe nhìn. Với một bài giảng hoặc cuộc phỏng vấn, hãy bắt đầu từ đây.

- [Xem bản chép lời 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>

### Vì sao không có bản chép lời dù tôi thấy phụ đề trong hình?


Tắt phụ đề chi tiết. Nếu chữ vẫn còn, có thể đó là phụ đề được chèn cố định vào hình ảnh, không phải một bản phụ đề dạng văn bản có thể chọn. Video cũng có thể chưa có phụ đề được xuất bản, hoặc phụ đề tự động vẫn đang được xử lý. Với nội dung bạn được phép xử lý, hãy chép lời âm thanh nếu muốn biết điều đã được **nói**, hoặc dùng nhận dạng ký tự quang học (OCR) kèm kiểm tra nếu cần đúng những từ **hiển thị trên màn hình**. Hai nội dung này có thể khác nhau.

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

### Có thể lấy văn bản tiếng Anh nếu âm thanh bằng ngôn ngữ khác không?


Thường là có, nhưng không phải lúc nào cũng được. Trước hết hãy tìm phụ đề tiếng Anh; nếu không có trong danh sách, kiểm tra xem trình phát có **Dịch tự động** không. Tính năng này dịch phụ đề có sẵn. Nó không tạo âm thanh tiếng Anh hay chứng minh bản lồng tiếng Anh đã dùng cùng những từ đó.

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

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

### "Tạo tự động" có nghĩa là "dịch máy" không?


Không. Nhận dạng giọng nói chuyển lời nói thành chữ viết trong **cùng một ngôn ngữ**. Dịch máy chuyển văn bản từ ngôn ngữ này sang ngôn ngữ khác. Cả hai quy trình đều có thể tự động, và bản dịch có thể bắt đầu từ kết quả nhận dạng giọng nói chưa chính xác. Nếu nguồn không được công bố, hãy gắn nhãn là không rõ.

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

### Vì sao yt-dlp báo HTTP 429 đối với phụ đề YouTube dịch tự động?


Video vẫn có thể liệt kê bản dịch ngay cả khi YouTube từ chối yêu cầu lấy văn bản của bản dịch đó bằng **HTTP 429 (Too Many Requests)**. Trong vấn đề yt-dlp #13831, lời giải thích được người bảo trì ghim xác định **phụ đề do YouTube dịch tự động** là trường hợp bị ảnh hưởng. Phụ đề do người tải lên cung cấp và ASR bằng ngôn ngữ gốc không bị ảnh hưởng bởi **vấn đề cụ thể đó**. Điều này không có nghĩa là mọi bản dịch đều thất bại hoặc các yêu cầu phụ đề khác không bao giờ bị giới hạn tần suất.

- [yt-dlp #13831: giải thích được người bảo trì ghim](https://github.com/yt-dlp/yt-dlp/issues/13831#issuecomment-3712613129)

Nếu chỉ cần văn bản để đọc, hãy tìm phụ đề có sẵn của người tải lên hoặc bản ASR cùng ngôn ngữ với lời nói **bằng ngôn ngữ đích của bạn**. Nếu cần đúng bản dịch của YouTube, giữ lại các bản phụ đề thành công và chỉ hoãn bản dịch thất bại. Tuân thủ `Retry-After` khi phản hồi có thông tin này; nếu không, tăng dần thời gian chờ, giới hạn số lần thử lại và tránh thử lại toàn bộ dữ liệu cùng lúc. Ghi nhận kết quả là **lấy dữ liệu thất bại**, không phải **không có phụ đề**. Lấy thành công bản tiếng Nhật không đáp ứng yêu cầu tiếng Anh.

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

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

### Làm sao chỉ lấy văn bản mà không có mốc thời gian?


Xuất phiên bản văn bản thuần của tệp phụ đề, hoặc nối văn bản các đoạn phụ đề theo thứ tự. Giữ bản gốc có thông tin thời gian nếu sau này có thể cần trích dẫn một dòng, cắt clip hoặc sửa lỗi. Xóa mốc thời gian rất dễ; khôi phục thời gian chính xác từ một đoạn văn là một công việc căn chỉnh riêng.

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

### YouTube Shorts và buổi phát trực tiếp có bản chép lời không?


YouTube hỗ trợ phụ đề tự động cho Shorts đủ điều kiện cũng như video dài, nhưng không bảo đảm luôn có. Phụ đề trực tiếp và phụ đề của video lưu trữ không nhất thiết giống nhau: YouTube cho biết họ tạo phụ đề tự động mới cho phiên bản xem theo yêu cầu. Để bộ dữ liệu có thể tái lập, hãy ghi lại phiên bản bạn đã dùng và thời điểm sử dụng.

- [Phụ đề tự động của 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>

### YouTube Data API chính thức có trả về bản chép lời cho mọi video công khai không?


Không. `captions.list` của Google, được cấp quyền qua OAuth, trả về siêu dữ liệu của bản phụ đề chứ không phải nội dung lời. `captions.download` lấy bản phụ đề và yêu cầu quyền chỉnh sửa video. Có thể đọc bản chép lời với tư cách người xem không đồng nghĩa với việc có quyền API đó.

- [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>

### Có bao gồm tên người nói và mốc thời gian cho từng từ không?


Không phải lúc nào cũng có thông tin này. Một đoạn phụ đề có thể bao trùm cả cụm từ, và bản phụ đề có thể gắn nhãn người nói, đánh dấu âm thanh hoặc không có cả hai. Nếu cần biết ai nói vào lúc nào, hãy gắn nhãn hoặc chạy phân đoạn theo người nói rồi kiểm chứng. Nếu cần biết thời điểm từng từ được nói, hãy căn chỉnh từ với bản ghi thực tế; đừng chia đều thời lượng đoạn phụ đề cho các từ.

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

### Bản chép lời YouTube có đủ chính xác để trích dẫn không?


Dùng bản chép lời để tìm thời điểm; dùng bản ghi để kiểm tra câu trích dẫn. Nếu trích lời của người nói tiếng Nhật bằng tiếng Anh, hãy nêu rõ đó là bản dịch của bạn, phụ đề của người tải lên hay bản lồng tiếng. Một câu trôi chảy không phải bằng chứng cho thấy một người nói cụ thể đã dùng đúng những từ đó.

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

### Có thể dùng bản chép lời YouTube công khai để huấn luyện mô hình hoặc chia sẻ thành bộ dữ liệu không?


Chỉ có quyền truy cập công khai không có nghĩa là được phép dùng cho một trong hai mục đích. Hãy xác định căn cứ cho phép thu thập, huấn luyện và phân phối lại văn bản hoặc nội dung nghe nhìn; đó là những quyết định riêng. Sau đó xác định nhãn có phù hợp với tác vụ không: một bản dịch tiếng Anh được phép sử dụng vẫn có thể là tham chiếu sai cho nhận dạng giọng nói tiếng Anh. Hướng dẫn giấy phép của YouTube giải thích sự khác nhau giữa giấy phép tiêu chuẩn và Creative Commons Attribution.

- [Hướng dẫn giấy phép của YouTube](https://support.google.com/youtube/answer/2797468?hl=en)

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

### Vì sao bản chép lời thay đổi khi tôi lấy lại?


Kiểm tra video, ngôn ngữ âm thanh, ngôn ngữ phụ đề và nguồn bản phụ đề. Bạn có thể đang so sánh hai bản khác nhau. Ngay cả cùng một video cũng có thể thay đổi: nhà sáng tạo có thể sửa văn bản hoặc thời gian và xuất bản bản phụ đề đã chỉnh sửa. Khi được phép, hãy lưu ngày lấy dữ liệu cùng phiên bản hoặc mã băm nội dung để phân biệt thay đổi do chỉnh sửa với thay đổi trong chính sách lựa chọn của bạn.

- [YouTube: Chỉnh sửa hoặc xóa phụ đề](https://support.google.com/youtube/answer/2734705?hl=en)
