如何用 Python 批量获取 YouTube 字幕（无需 API key，适用于云服务器）

编程技术 2026-10-29 14:48:52 4

最近折腾 YouTube 字幕批量抓取，踩了几个很典型的坑：本地能跑，部署到云服务器就被风控；官方接口只能下载自己频道的字幕；爬完整个频道，还得单独处理没有字幕的视频。这篇把问题拆开说清楚，并给出一套能在云服务器上稳定运行的 Python 方案。

利益相关说明：本文使用的 Apify Actor 是我做的。它是按字幕条数计费的付费工具，下面也会明确说明哪些场景不适合用它。

如果你试过从代码里获取 YouTube 字幕，大概率遇到过下面几堵墙：

官方 YouTube Data API（开发者接口）解决不了这个问题。它的 captions.download 端点只允许下载自己拥有的视频字幕。换成别人的视频，直接返回 403。
youtube-transcript-api 在笔记本上正常，扔到服务器上就挂了。YouTube 会重点检查云服务器 IP（互联网协议地址）段的请求，阿里云、腾讯云、Hetzner 和大多数 VPS（虚拟专用服务器）都可能触发机器人验证。于是本地跑得好好的代码，一到生产环境就开始抛 RequestBlocked 或 IpBlocked。这个库的 Issue（问题反馈）页面里，已经有开发者专门讨论过这种情况。
YouTube 没有“下载整个频道字幕”的现成按钮。你得先拿到频道下的视频列表，再逐个抓字幕，还得处理那些没有字幕的视频。

下面这套方案可以从 Python 里绕开这三个问题，核心调用只需要二十行左右。

简单版：一次 HTTP（超文本传输协议）调用

YouTube Transcript Scraper 运行在 Apify 的基础设施上。它会先尝试数据中心代理，如果 YouTube 返回机器人验证，再自动切换到住宅 IP（网络服务商用户的公网地址）重试，因此不需要自己维护代理池。

你可以传入视频、播放列表或频道 URL，最终每个视频对应返回一行 JSON（JavaScript 对象表示法）数据。

需要一个免费的 Apify 账号，以及账号对应的 API（应用程序接口）令牌。获取路径是：Console → Settings → Integrations。拿到令牌后直接运行：

import requests TOKEN = "YOUR_APIFY_TOKEN"
url = (f"https://api.apify.com/v2/acts/groupoject~youtube-transcript-scraper" f"/run-sync-get-dataset-items?token={TOKEN}") rows = requests.post(url, json={ "urls": ["https://www.youtube.com/watch?v=iG9CE55wbtY"], "outputFormats": ["text"],
}, timeout=320).json() for row in rows: print(row["title"], "-", row["wordCount"], "words") print(row["text"][:300])

run-sync-get-dataset-items 会启动任务、等待执行完成，并在一次响应中返回所有数据行。Apify 对同步调用的限制大约是 5 分钟，所以它更适合抓取少量视频。如果要处理整个频道，使用下面的客户端库。

批量模式：整个频道或播放列表

先安装 apify-client：

pip install apify-client

然后运行：

from pathlib import Path
from apify_client import ApifyClient client = ApifyClient("YOUR_APIFY_TOKEN") run = client.actor("groupoject/youtube-transcript-scraper").call(run_input={ "urls": [ "@lexfridman", # a channel handle "https://www.youtube.com/playlist?list=PLxxxxxxxxxxxx", # a playlist ], "maxVideosPerSource": 50, # newest 50 per channel / playlist "channelContentTypes": ["videos"], # or add "shorts", "streams" "languages": ["en"], # preference order, e.g. ["es", "en"] "outputFormats": ["text", "segments", "srt"],
}) out = Path("transcripts")
out.mkdir(exist_ok=True) for item in client.dataset(run["defaultDatasetId"]).iterate_items(): (out / f"{item['videoId']}.txt").write_text(item["text"], encoding="utf-8") (out / f"{item['videoId']}.srt").write_text(item["srt"], encoding="utf-8") print(item["videoId"], item["languageCode"], "auto" if item["isAutoGenerated"] else "manual", item["title"])

有几个输入参数需要特别留意。下面这些就是 Actor 输入结构中的真实字段名：

urls 接受 watch?v= 链接、youtu.be 链接、Shorts（短视频）、/live/ 直播地址、11 位纯视频 ID、播放列表 URL、频道 URL 和 @handles，可以混合放在同一个列表里。
maxVideosPerSource 用于限制每个播放列表、每种频道内容类型最多抓取多少个视频，按最新优先，最多支持 5,000 个。单视频 URL 不受这个参数影响。
captionType 可选 any、manual 或 auto。默认的 any 会优先使用创作者上传的字幕，找不到时再回退到自动生成字幕。
fallbackToAnyLanguage 默认为 true。如果 languages 中指定的语言都不存在，就返回原始语言的字幕。改成 false 后，这类视频会被直接跳过。
includeVideoMetadata 默认为 true。开启后，每行数据还会包含标题、频道、发布日期、播放量、点赞数、时长、简介和标签等视频元数据。

哪些视频没有字幕？

没有字幕的视频不会写入数据集，也不会产生费用。这些视频会集中记录在本次任务的键值存储中：

store = client.key_value_store(run["defaultKeyValueStoreId"])
missing = (store.get_record("NO_TRANSCRIPT") or {}).get("value") or []
for m in missing: print(m["videoId"], m["reason"], m.get("availableLanguages"))

reason 可能是 NO_CAPTIONS、LANGUAGE_NOT_AVAILABLE 或 EMPTY_CAPTIONS。私有、已删除或受地区限制的视频则会进入 ERRORS 记录。

把字幕送进 LLM（大型语言模型）或 RAG（检索增强生成）流水线

如果只是做摘要，直接使用 text 字段就够了。如果需要带引用的内容检索，就用 segments。每个分段都包含以秒为单位的 start、duration 和 text，因此可以按时间切片，同时保留一个跳回视频具体位置的深度链接。

def chunks(item, seconds=90): buf, t0 = [], None for seg in item["transcript"]: t0 = seg["start"] if t0 is None else t0 buf.append(seg["text"]) if seg["start"] - t0 >= seconds: yield {"text": " ".join(buf), "source": f"{item['url']}&t={int(t0)}s", "title": item["title"]} buf, t0 = [], None if buf: yield {"text": " ".join(buf), "source": f"{item['url']}&t={int(t0)}s", "title": item["title"]}

每个分块都可以直接写入向量数据库，并把 source 作为元数据。这样，模型生成答案时就能链接到视频中的准确时间点。

不写代码：n8n、Make 和 Zapier

如果不想自己维护 Python 环境，这个 Actor 也支持 Apify 的集成服务。

在 n8n 中添加 Apify 节点，选择 Run an Actor and Get Dataset，把 Actor 设置为 groupoject~youtube-transcript-scraper，再粘贴上面的 JSON 输入即可。后面可以接 Google Sheets 或 Notion 节点。

在 Make 和 Zapier 中，Apify 应用也提供相同的“运行 Actor”和“获取数据集条目”步骤。你还可以通过 MCP（模型上下文协议）客户端调用它，包括 Claude、Cursor 等工具，地址为 https://mcp.apify.com?tools=groupoject/youtube-transcript-scraper。

监控频道的新字幕

开启 onlyNewVideos，再给监控任务设置一个 stateKey，名称可以随意，例如 ai-podcasts。

之后每次运行只会保存该 key 下此前没有处理过的视频，同一个视频不会被重复计费。在 Apify 中进入 Schedules → Create 设置每日定时任务，再接入 Slack、邮件或 Google Sheets，就能在新字幕生成后收到通知。

run = client.actor("groupoject/youtube-transcript-scraper").call(run_input={ "urls": ["https://www.youtube.com/@lexfridman"], "onlyNewVideos": True, "stateKey": "lex-podcast", "publishedAfter": "7 days", # optional: ignore older uploads on the first run
})

刚发布的视频有时要过几个小时才会生成自动字幕。这个 Actor 不会立刻放弃，而是会在 24 小时内持续复查这类视频。

费用是多少

免费套餐的价格是每 1,000 条字幕 2.50 美元，也就是每个视频 0.0025 美元，代理流量已经包含在内。Apify 付费套餐会自动获得更低的结果单价。

没有字幕的视频，以及执行失败、私有或已删除的视频，都不收费。一个包含 100 个视频、且每个视频都有字幕的播放列表，总费用为 0.25 美元。

你还可以设置单次任务的最大消费额度，一旦接近上限，Actor 会在超出之前停止运行。

先说清楚限制

它只返回 YouTube 自己的字幕，不负责把音频转成文字。如果视频完全没有字幕，比如纯音乐片段或一部分 Shorts，就拿不到任何结果。这种情况需要改用 Whisper 或其他语音转文字 API。
自动生成字幕的质量取决于 YouTube 的语音识别。人名和专业术语经常识别错误，可以通过 isAutoGenerated 判断拿到的是哪一种字幕。
翻译功能 translateTo 属于尽力而为。YouTube 会严格限制自动翻译接口的调用频率。翻译失败时，仍然会返回原始语言字幕，并通过 translationError 说明失败原因。
整个方案刻意不支持登录。有年龄限制、会员专享和私有视频只会记录在 ERRORS 中，不会被强行抓取。
如果每天只需要自己笔记本上的几条视频，没必要用这个工具。youtube-transcript-api 或 yt-dlp --write-auto-subs 都是免费的，在家庭网络环境下也足够稳定。这个方案更适合批量任务、频道级采集或者服务器部署。
尊重版权。字幕属于创作者作品。为研究目的做摘要是一回事，原样转载则是另一回事。

Marico's space