它解决什么问题
专业字幕翻译速度慢，还按分钟计价，所以大多数创作者只发布一种语言。YouTube 的自动翻译质量不稳定，也无法导出或编辑。团队需要多种语言的、可编辑的带时间轴字幕文件，能自行审核和上传。
第一版应该包含哪些功能
- 检测已有字幕的语言
- 一次翻译成多种目标语言
- 导出 SRT 和 VTT，保留原始时间轴
- 左右对照的翻译审核编辑器
- 品牌名和专业术语词汇表
分步实现指南
- 01
检查已有语言
调用 /transcripts/{video_id}/languages 查看已有哪些字幕轨道，避免为现成的语言付费翻译。
- 02
获取原始字幕
调用 /transcribe 并启用 format.timestamp，获取带开始和结束时间的分段。
- 03
翻译
为每种目标语言调用 /transcripts/{video_id}/translate。分段时间轴与原文保持对齐。
- 04
导出字幕文件
根据每个分段的开始和结束时间，写成带编号的 SRT 字幕块或 VTT 字幕条，然后让用户下载或上传到 YouTube。
入门代码
这个创意基于“方案 1：输入一个视频，输出结构化结果”模式。替换成你自己的频道、提示词和存储即可。
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"])为什么值得做
按每种语言每分钟视频定价，或采用按月订阅分级。大批量做本地化的在线教育平台和代理公司是最好的客户，因为每增加一种语言，价值就随之增长。
需要避开的坑
- 脱离上下文逐行翻译，导致跨越多条字幕的句子被拆散。
- 忽略阅读速度：译文可能比原文长，需要检查每秒字符数。
- 为已有人工字幕的语言付费翻译。
关于这个创意的问题
能把翻译后的 YouTube 字幕下载为 SRT 吗？
可以。通过 API 翻译字幕，然后把每个带时间轴的分段写成 SRT 或 VTT 格式即可。
字幕翻译要花多少钱？
翻译大约每 2,500 个字符的字幕文本消耗 1 个额度。获取原生字幕每个视频消耗 1 个额度。
可以用来做配音吗？
可以。翻译好的带时间轴脚本，正是大多数 AI 语音和配音工具所需的输入。