如何用 Scribis 將 YouTube 影片轉成文字：本機 AI 轉錄、字幕擷取與 SRT 匯出完整教學

如果你經常使用 YouTube 學習、研究、整理線上課程，可能遇過一個很實際的問題：

影片裡有大量有價值的內容，但你真正需要的是文字。

你可能想搜尋某一句話、整理重點、製作逐字稿、翻譯字幕，或將內容丟進 AI 做進一步分析。這時候，一直來回拖動影片時間軸並不是最高效率的方式。

Scribis 提供了一套完整的 URL Transcription 線上影片語音轉文字流程。你可以貼上 YouTube 或其他支援的線上影片網址，選擇直接取得既有字幕，或擷取影片音訊後使用本機 AI 語音辨識模型進行轉錄。完成後，影片、波形、逐字稿、字幕、AI 摘要與內容問答都可以集中在同一個工作區中。

Scribis YouTube 轉文字工具

本篇會學到什麼

在這篇教學中，你將學會：

在 Scribis 中配置與啟用 yt-dlp 外部擷取工具
設定 FFmpeg 與存取受限內容所需的 cookies.txt
貼上 YouTube 網址並選擇影片品質或僅擷取音訊
優先使用既有字幕或選擇本機 AI 語音辨識模型（如 Whisper、Parakeet）
在 Study Studio 工作區中同步預覽影片、時間碼逐字稿與波形
利用 AI 進行內容問答、摘要與筆記整理
編輯校對字幕並匯出 SRT 格式

使用前的重要說明

Scribis 的 Online Video 功能主要提供於 獨立桌面版本（包含 macOS DMG 與 Windows 版本）。

Mac App Store 版本因為 App Sandbox 與外部執行檔限制，無法直接呼叫像 yt-dlp 這類外部命令列工具。因此，如果你需要完整的 URL Transcription 功能，請使用 Scribis 的獨立桌面版本。

另外，這項功能主要設計給個人學習、研究、備份、語言學習以及你有權存取的影音內容。請確認你有權存取及處理相關媒體，並遵守原始平台的服務條款與適用的著作權規範。

詳細操作步驟

第一步：設定 yt-dlp

Scribis 的線上影片功能使用 yt-dlp 作為外部影片擷取工具。這樣設計有一個重要優點：當線上影音平台的格式發生變化時，不需要等待整個 Scribis App 更新，只要更新 yt-dlp 即可跟上平台變化。

開啟 Scribis，前往 Settings → System & Tools → Online Video。
在 Online Video 設定頁面中，點擊連結前往 yt-dlp 官方 GitHub Releases 下載頁面。
選擇符合自己系統的版本：
- Apple Silicon Mac (M1/M2/M3/M4/M5)： 下載對應的 ARM64 執行檔。
- Windows： 下載 yt-dlp.exe。
下載後不需要安裝，回到 Scribis 點擊 Select File 指定剛剛下載的 yt-dlp 檔案即可。

第二步：啟用 Online Video

指定好 yt-dlp 路徑後：

開啟 Enable online video functionality。
同時建議開啟 Auto Update Video Package。Scribis 會每隔約 12 小時自動檢查 yt-dlp 上游更新，讓影片擷取工具保持最新，降低因平台調整而失效的機率。

第三步：需要登入內容時設定 cookies.txt（可選）

對於年齡限制內容、需要登入觀看的影片、會員限定課程或私有內容：

在 Scribis 設定中找到 Cookie File Path。
依照 yt-dlp 官方說明，從個人瀏覽器匯出標準的 cookies.txt。
在 Scribis 中指定該檔案位置。請妥善保管 cookies 檔案，切勿分享給他人。

第四步：設定 FFmpeg

除了 yt-dlp，建議同時設定 FFmpeg 以負責影音串流合併、音訊擷取與格式轉換：

前往 Settings → FFmpeg。
Scribis 獨立桌面版可自動偵測已安裝的 FFmpeg，亦可手動指定 FFmpeg 執行檔路徑。

第五步：貼上 YouTube 影片網址

從 Scribis 主要側邊欄選擇 URL Transcription。
貼上 YouTube 教學影片、線上課程、演講、Podcast 或訪談等網址。
Scribis 會自動分析影片來源與可用的格式。

第六步：選擇影片格式與品質

若開啟 Select format & quality before download，Scribis 會先列出可用的媒體解析度、Codec 與 Bitrate（如 AVC1、AV01 等）。

只做語音轉文字？啟用 Audio Extraction Only： 開啟 Audio extraction only 可以僅下載並處理音訊，極大地減少下載頻寬、硬碟佔用與等待時間，特別適合長達數小時的 4K 影片。
已有 YouTube 字幕？開啟 Prioritize Using Existing Video Subtitles： 若影片本身已提供 Closed Captions 或創作者上傳的字幕，開啟此選項可直接讀取字幕，免去重新執行 AI 語音辨識的時間。

第七步：選擇本機語音辨識模型

若影片無字幕或既有字幕品質不佳，可選擇 Scribis 中已安裝的本機 ASR 模型（例如 Whisper large-v2、Parakeet 等），然後點擊 Start Transcription。

所有語音辨識皆在本地電腦完成，音訊不會上傳至伺服器，對個人學習與隱私敏感資料更加安全。

第八步：進入 Scribis Study Studio 進行編輯與 AI 分析

轉錄完成後，影片將進入 Study Studio 工作區，你可以在同一介面中：

時間碼定位： 點選含時間碼的語音片段，影片即可快速跳至對應位置。
編輯逐字稿與字幕： 直接在工作區修正人名、專有名詞或辨識錯誤。
AI 互動與問答： 使用 AI 分析整支影片、產生重點摘要、整理筆記或針對內容提問。
匯出 SRT 字幕： 將校對完成的字幕匯出為 SRT 檔案，應用於影片剪輯或字幕上傳。

完整工作流程

Settings → System & Tools → Online Video (yt-dlp)
                        ↓
            URL Transcription
                        ↓
    Paste YouTube URL & Select Mode
    (Audio Extraction / Existing Subtitles / Local ASR)
                        ↓
            Start Transcription
                        ↓
            Study Studio Workspace
            (Transcript + Vision + AI Chat + Notes)
                        ↓
            Export SRT Subtitles

概念補充與常見問題 (FAQ)

為什麼 Scribis 不直接把 yt-dlp 包在 App 裡？

YouTube 等線上影音平台會持續調整網頁結構與 API 機制。若將擷取工具硬編碼在 App 中，每次平台變更都需要重新發佈應用程式。採用外部工具架構（Scribis → External yt-dlp → Online Platform），只要獨立更新 yt-dlp 即可保持擷取功能正常運作。

什麼時候該選擇「僅擷取音訊」或「既有字幕」？

僅擷取音訊 (Audio Extraction Only)： 適用於長篇演講、課程或 Podcast。不需要高畫質影像，能節省高達 90% 以上的下載時間與硬碟空間。
優先使用既有字幕 (Prioritize Existing Subtitles)： 適用於官方已提供精準 CC 字幕的影片，可秒級取得完整逐字稿。

適合哪些使用情境？

YouTube 學習與線上課程： 將教學影片轉為逐字稿，快速搜尋關鍵觀點與製作筆記。
語言學習： 結合對照字幕與時間碼進行跟讀（Shadowing）與聽力練習。
內容創作者與研究員： 整理訪談、Podcast 與演講，快速匯出 SRT 字幕或進行 AI 資料分析。

總結

Scribis 的 URL Transcription 功能將原本繁瑣的「下載影片 → 抽音訊 → Whisper 轉錄 → 複製到 AI → 匯出字幕」流程整合至單一桌面工作區。透過外部 yt-dlp 工具與本機 AI 模型，你可以更快速、更私密地將 YouTube 影片轉換為可搜尋、可理解且可互動的知識資料庫。