So bauen Sie eine mehrsprachige Untertitel-Pipeline für YouTube-Videos

Welches Problem es löst

Professionelle Untertitelübersetzung ist langsam und wird pro Minute abgerechnet, deshalb veröffentlichen die meisten Creator nur in einer Sprache. YouTubes automatische Übersetzung ist uneinheitlich und lässt sich weder exportieren noch bearbeiten. Teams brauchen bearbeitbare, synchronisierte Untertiteldateien in mehreren Sprachen, die sie selbst prüfen und hochladen können.

Was in die erste Version gehört

• ■Erkennung bereits vorhandener Untertitelsprachen
• ■Übersetzung in viele Zielsprachen auf einmal
• ■SRT- und VTT-Export mit erhaltenen Originalzeiten
• ■Ein Editor mit Gegenüberstellung zur Prüfung der Übersetzungen
• ■Ein Glossar für Markennamen und Fachbegriffe

Schritt für Schritt bauen

1. 01

   Vorhandene Sprachen prüfen

   Rufen Sie /transcripts/{video_id}/languages auf, um zu sehen, welche Untertitelspuren bereits existieren – so zahlen Sie nicht für die Übersetzung von Vorhandenem.

2. 02

   Ausgangstranskript abrufen

   Rufen Sie /transcribe mit format.timestamp auf, um Segmente mit Start- und Endzeiten zu erhalten.

3. 03

   Übersetzen

   Rufen Sie /transcripts/{video_id}/translate für jede Zielsprache auf. Die Segmentzeiten bleiben am Original ausgerichtet.

4. 04

   Untertiteldateien exportieren

   Schreiben Sie jedes Segment als nummerierten SRT-Block oder VTT-Cue mit seinen Start- und Endzeiten, und lassen Sie Nutzer die Dateien herunterladen oder auf YouTube hochladen.

Starter-Code

Diese Idee basiert auf dem Muster „Rezept 1: Ein Video rein, strukturierte Ausgabe raus“. Setzen Sie Ihre eigenen Kanäle, Prompts und Speicherlösungen ein.

import requests

API = "https://www.youtubetranscript.dev/api/v2"
HEADERS = {"Authorization": "Bearer yt_sk_live_YOUR_KEY"}

res = requests.post(f"{API}/transcribe", headers=HEADERS, json={
    "video": "https://www.youtube.com/watch?v=VIDEO_ID",
    "format": {"timestamp": True, "paragraphs": True},
}).json()

transcript = res["data"]["transcript"]
print(transcript["text"][:500])        # plain text for your LLM prompt
for seg in transcript["segments"][:3]:  # timestamps for deep links
    print(seg["start"], seg["text"])

Warum es sich lohnt

Berechnen Sie pro Videominute und Sprache oder über monatliche Abostufen. E-Learning-Plattformen und Agenturen, die in großem Umfang lokalisieren, sind die besten Kunden, weil der Nutzen mit jeder zusätzlichen Sprache wächst.

Fehler, die Sie vermeiden sollten

• ✕Zeile für Zeile ohne Kontext übersetzen – das zerreißt Sätze, die sich über mehrere Untertitel erstrecken.
• ✕Die Lesegeschwindigkeit ignorieren: Übersetzter Text kann länger sein als das Original, prüfen Sie also die Zeichen pro Sekunde.
• ✕Für die Übersetzung in Sprachen zahlen, für die es bereits von Menschen erstellte Untertitel gibt.

Fragen zu dieser Idee