Transkrypcja YouTube — pobierz tekst i napisy z filmu (za darmo, po polsku)

Najprostszy sposób to wkleić link do filmu w VexaScribe — silnik AI Whisper large-v3 pobiera dźwięk, wykrywa język polski i zwraca tekst z timestampami oraz podziałem na mówców. Alternatywnie możesz otworzyć film na YouTube, kliknąć menu (⋯) pod filmem i wybrać "Pokaż transkrypcję" — panel z auto-napisami pojawi się z prawej strony (można skopiować, ale dokładność auto-napisów po polsku jest niższa niż transkrypcji AI).

Do <strong>użytku prywatnego, edukacyjnego i badawczego</strong> — tak. Art. 29 ustawy z dnia 4 lutego 1994 r. o prawie autorskim i prawach pokrewnych (prawo cytatu) pozwala na wykorzystywanie fragmentów utworów w celach dydaktycznych, naukowych, krytyki i recenzji. <strong>Do publikacji</strong> pełnej transkrypcji lub monetyzowania jej treści potrzebna jest zgoda właściciela kanału albo inna podstawa prawna (np. licencja CC). Regulamin YouTube (Sekcja 5B, aktualizacja 2024) zabrania masowego pobierania treści (bulk scraping) — pojedyncze transkrypcje do własnego użytku są w porządku, ale automatyczne zbieranie tysięcy filmów nie.

Tak — <em>youtube to text</em>, <em>youtube transcript</em>, <em>transcribe youtube video</em> to angielskie odpowiedniki polskiej "transkrypcji YouTube". Angielski SERP dla tych fraz jest bardzo konkurencyjny (duże serwisy międzynarodowe), więc jeśli szukasz po polsku, ta strona jest właściwym miejscem. VexaScribe automatycznie wykrywa język ścieżki dźwiękowej — dla polskiego filmu otrzymasz polski transkrypt, dla angielskiego angielski, a dla filmów bilingwalnych (częste w podcastach IT/biznesowych) — mieszany tekst z zachowaniem oryginału.

Zależy od metody. <strong>Auto-napisy YouTube po polsku:</strong> estymowana dokładność 80–85% (WER ~15–20%), często niższa dla filmów z gwarą, szumem tła lub kilkoma mówcami — brak publicznego benchmarku od Google, więc traktuj to jako szacunek społeczności. <strong>Whisper large-v3 przez VexaScribe:</strong> WER ~5,7% na FLEURS PL (arXiv:2212.04356), czyli ~94% dokładność dla czystego dźwięku. Dla podcastów studyjnych: 92–95%. Dla wywiadów w plenerze: 85–90%. Dla filmów z głośną muzyką w tle: 75–85%.

Kilka opcji: (1) <strong>VexaScribe</strong> — wklej link, wygeneruj transkrypcję AI i wyeksportuj do SRT (najwyższa dokładność, obsługa polskich diakrytyków ą/ę/ć/ń/ó/ś/ź/ż). (2) <strong>Klient yt-dlp</strong> (open source, dla użytkowników technicznych) — polecenie <code>yt-dlp --write-sub --sub-lang pl --skip-download URL</code> pobiera istniejące napisy PL, jeśli twórca je dodał. (3) <strong>Panel "Pokaż transkrypcję" na YouTube</strong> — kopiuj-wklej ręcznie do pliku .srt (brak automatycznego eksportu ze strony YouTube). Jakość opcji 2 i 3 zależy od tego, czy autor kanału dodał napisy oryginalne, czy tylko auto-generowane.

Tak. Silnik Whisper large-v3 obsługuje polski jako język natywny — pełne rozpoznawanie diakrytyków (ą/ę/ć/ń/ó/ś/ź/ż), poprawna interpunkcja (przecinki, kropki, znaki zapytania), rozdzielanie zdań. Eksport do SRT/VTT zachowuje kodowanie UTF-8, więc napisy poprawnie wyświetlą się w VLC, PotPlayerze, na YouTube Studio (przy re-uploadzie do własnego kanału) oraz w CapCut/Premiere Pro/DaVinci Resolve.

<strong>Pobierz istniejące napisy</strong>, gdy: film ma napisy dodane ręcznie przez autora (znacznik "pl" zamiast "pl (automatyczne)" w menu napisów YouTube), potrzebujesz szybko referencyjnej wersji tekstowej, film jest krótki (do 10 minut) i audio proste. <strong>Transkrybuj od nowa przez AI</strong>, gdy: film ma tylko auto-napisy (dokładność ~80–85%), potrzebujesz podziału na mówców (auto-napisy tego nie robią), materiał wykorzystasz do pracy naukowej/dziennikarskiej/prawnej, film zawiera terminologię specjalistyczną, gwarę lub kilku mówców jednocześnie.

Auto-napisy YouTube są dostępne od razu (generowane przy uploadzie filmu). Pobranie SRT przez yt-dlp lub podobne narzędzia: 10–30 sekund. Transkrypcja AI przez VexaScribe: około 5–10 minut na godzinę filmu (pobranie ścieżki dźwiękowej z linku + Whisper large-v3 + separacja mówców). Godzinny wywiad zajmie ~8 minut, dwugodzinny podcast ~15–20 minut. Powiadomienie mailowe, gdy gotowe.

Tak. Po wygenerowaniu transkrypcji VexaScribe udostępnia funkcję AI Summary — automatyczne streszczenie kluczowych punktów, wypunktowanie tematów i wyciąganie cytatów. Idealne do notatek z długich webinarów, wywiadów lub wykładów. Streszczenie generowane jest z pełnej transkrypcji (nie z auto-napisów), więc precyzja odpowiada dokładności AI (~94% dla czystego dźwięku).

Tak. Nie ma sztywnego limitu długości filmu — plany płatne (Starter, Basic, Pro, Studio) różnią się miesięcznym budżetem minut, a nie limitem pojedynczego pliku. Godzinny film to ~60 minut z twojego pakietu. Dla powtarzalnego workflow z długimi filmami (np. archiwum podcastu, kurs online) polecamy plan Pro (2500 min/mies.) lub Studio (6000 min/mies.). Darmowe 30 minut na start wystarczy na przetestowanie 2–3 krótszych filmów.