免費批量提取視頻文字？這兩個神仙工具你一定要知道（含安裝使用教程）
整理版優先睇
免費開源組合 yt-dlp + Whisper，B站視頻轉文字完整教學
作者喺B站刷到翁愷老師嘅C語言教學影片，想將啲文字抽出來當筆記，但試咗好多線上工具，唔係要收費就係有限制，準確度又麻麻。佢最後揾到兩個神器——yt-dlp 同 Whisper，組成一個完全免費、離線、安全嘅影片轉文字方案。
yt-dlp 係一個開源命令行工具，支援超過1800個網站，可以下載影片或淨係抽音頻；Whisper 係 OpenAI 推出嘅語音識別模型，支援99種語言，離線運行，準確度接近人類水平。兩個工具都係免費開源，組合埋一齊就係一條完整嘅「影片→文字」流水線。
作者分享咗詳細嘅安裝步驟同實戰操作，包括單個影片、指定集數、批量處理三個場景，仲有解決B站反爬蟲嘅踩坑記錄。跟住做，10分鐘就搞得掂，以後任何平台嘅影片文字都可以輕鬆提取，唔使再依賴第三方服務。
- yt-dlp + Whisper 係免費開源組合，可以將任何平台嘅影片轉成文字，完全離線，保障私隱。
- 工作流程好簡單：yt-dlp 抽音頻，Whisper 做語音識別，一條命令搞掂。
- 相比線上工具，呢個組合完全免費、唔使上傳檔案、支援批量處理，準確度仲好高。
- B站有反爬蟲機制，要加 `--cookies-from-browser chrome` 參數先可以正常下載。
- 記低命令速查卡，安裝一次之後，以後批量處理幾十條影片都係一條命令嘅事。
完整命令速查卡
安裝、單個影片、指定集數、批量處理、清理音頻嘅命令集合。直接複製貼上就可以用。
點解會有呢篇教學？
作者喺B站見到翁愷老師嘅《C語言程序設計》教學，有成幾十集，佢好想將啲影片內容變成文字，方便做筆記。佢試過好多小程序同線上工具，唔係要俾錢就係有限制，再唔係就準確率低到嚇人。
最後佢揾到兩個神器——yt-dlp 同 Whisper，組合埋一齊就搞掂曬。
呢篇文就係佢由「踩坑→摸索→成功」嘅完整路線，跟住做，10分鐘就搞掂。
兩位主角：yt-dlp 同 Whisper
簡單講，yt-dlp 負責下載音頻，Whisper 負責將音頻變成文字。兩個都免費，組合起嚟就係一條完整嘅影片→文字流水線。
安裝步驟：三步搞掂
- 1 安裝 yt-dlp：打開終端，執行 `brew install yt-dlp`，然後用 `yt-dlp --version` 驗證。
- 2 安裝 ffmpeg（Whisper 嘅依賴）：執行 `brew install ffmpeg`。
- 3 安裝 Whisper：執行 `pip3 install --break-system-packages openai-whisper`，等一陣就會裝好。用 `whisper --help` 驗證。
裝好曬之後，就可以開始實戰啦。
實戰：提取B站影片文字
場景一：單個影片
假設要提取翁愷C語言教學第一集，連結係 https://b23.tv/cPvryeZ。先建立工作目錄，然後下載音頻。
mkdir -p ~/Desktop/bilibili-text && cd ~/Desktop/bilibili-text
yt-dlp --cookies-from-browser chrome -x --audio-format wav --audio-quality 0 -o "%(title)s-P%(playlist_index)s.%(ext)s" --playlist-items 1 "https://b23.tv/cPvryeZ"跟住用 Whisper 做語音識別：
whisper *.wav --language zh --model small --output_format txt搞掂！文字就會出現喺 .txt 檔案入面。可以選擇清理音頻檔案 `rm *.wav`。
場景二：指定集數
如果想下載第4到第5集，只要改 `--playlist-items 4-5` 就得。
場景三：批量處理多個唔同影片
建立一個 urls.txt，每行一個連結，然後用 while loop 逐個下載音頻，再用 Whisper 一次過轉文字。
while IFS= read -r url; do
echo "正在下載: $url"
yt-dlp --cookies-from-browser chrome -x --audio-format wav --audio-quality 0 -o "%(title)s.%(ext)s" "$url"
done < urls.txt
whisper *.wav --language zh --model small --output_format txt
cat *.txt > all_text.txt
rm *.wav一條龍服務，完美。
踩坑記錄：B站反爬蟲點算？
第一次執行 yt-dlp 下載B站影片時，好可能會遇到 `HTTP Error 412: Precondition Failed`，呢個係B站嘅反爬蟲機制。
如果你用 Safari，將 `chrome` 改做 `safari`。首次使用可能會彈窗要求授權，允許就得。記住，所有訪問B站嘅命令都要加呢個參數。
如果仲係唔得，試下更新 yt-dlp 或者確認瀏覽器已經登入B站。
速度參考同模型選擇
如果你用 Mac Apple Silicon（M1/M2/M3），Whisper 會自動用 Metal 加速，速度唔錯。建議先用 small 模型試一條片，滿意先批量跑。
- tiny 模型：10分鐘音頻約1分鐘，適合快速預覽
- base 模型：約2分鐘，日常使用
- small 模型：約5分鐘，推薦平衡點
- medium 模型：約15分鐘，高精度需要
如果準確率唔夠可以換 medium，但時間會長啲。
免費批量提取影片文字？呢兩個神仙工具你一定要識
一個係影片下載界嘅「瑞士軍刀」，一個係語音辨識界嘅「最強大腦」。兩個都係免費開源，組合埋一齊，B站影片文字隨便拎。
故事嘅開頭
某日，我喺B站碌到一個超長嘅C語言教程——翁愷老師嘅《C語言程式設計》，幾十集嗰種。我心諗：如果可以將文字提取出嚟，當筆記睇咁幾好呢？
於是我踏上咗揾工具嘅旅程。試咗一堆小程式、線上工具，唔係要俾錢就有限制，否則準確率嚇親人。直到我遇到咗呢兩個神器——yt-dlp 和 Whisper。
今日就將呢條「踩坑→摸索→成功」嘅完整路線分享俾你，跟住做，10分鐘搞掂。
先認識兩位主角
🎬 yt-dlp —— 影片下載界嘅「瑞士軍刀」
yt-dlp 係一個開源免費嘅影片/音頻下載命令列工具，GitHub 上 100K+ Stars。佢係老牌工具 youtube-dl 嘅活躍分支，功能更強，更新更快。
佢可以做到啲乜？
支援 1800+ 網站：YouTube、B站、抖音、Twitter、Instagram……主流平台幾乎全覆蓋 只下載音頻：唔需要影片畫面？一個參數搞掂，慳位慳時間 批量下載：將連結掉入一個檔案，一鍵全部下載 自動揀最高畫質：默認下載最佳畫質，亦可以指定解像度 字幕提取：直接下載平台自帶嘅字幕檔案
喺我哋嘅場景裏面，yt-dlp 負責第一步：將影片嘅音頻抽返出嚟，交俾 Whisper 做文字辨識。
🎤 Whisper —— 語音辨識界嘅「最強大腦」
Whisper 係 OpenAI 喺 2022 年發佈嘅開源語音辨識模型。冇錯，就係嗰個做 ChatGPT 嘅 OpenAI，但呢個工具完全免費、開源。
佢可以做到啲乜？
多語言辨識：支援 99 種語言，中英日韓都冇問題 高準確率：喺多語言基準測試中接近人類水平 離線運行：唔需要聯網，數據唔出本地，私隱安全 多種模型大細：由「夠用」到「極致」，按需要選擇
簡單講，yt-dlp 負責下載音頻，Whisper 負責將音頻變成文字。兩個都係免費嘅，組合埋一齊就係一條完整嘅影片→文字流水線。
安裝：三步搞掂
第 1 步：安裝 yt-dlp
打開終端機（Terminal），執行：
驗證安裝成功：
見到版本號就代表 OK 咗。
第 2 步：安裝 ffmpeg（Whisper 嘅依賴）
Whisper 需要 ffmpeg 嚟處理音頻格式：
第 3 步：安裝 Whisper
安裝過程會自動下載 PyTorch 等依賴，耐心等一陣。
驗證安裝成功：
見到一堆幫助信息，恭喜你，全部準備好曬！🎉
實戰：提取B站影片文字
場景一：提取單個影片
假設我哋要提取呢個影片嘅文字：浙江大學翁愷《C語言程式設計》，連結係 https://b23.tv/cPvryeZ。
第 1 步：建立工作目錄
第 2 步：下載音頻
唔好比呢串咁長嘅嘢嚇親，拆開睇就清楚曬：
第 3 步：語音轉文字
⚠️ 第一次運行會自動下載模型檔案（約 500MB），之後就唔使再下載。
第 4 步：查看結果
搞掂！文字就喺 .txt 檔案裏面。
第 5 步：清理音頻檔案（可選）
場景二：下載指定集數
例如只想下載第 4 到第 5 集：
--playlist-items 4-5 即係第 4 到第 5 集，1,3,5 即係第 1、3、5 集。
場景三：批量提取多個唔同影片
第 1 步：建立連結檔案
建立一個 urls.txt，每行一個連結：
第 2 步：批量下載音頻
第 3 步：批量轉文字
第 4 步：合併所有文本（可選）
第 5 步：清理
一條龍服務，完美。✅
踩坑記錄：B站反爬點算好？
呢個係我喺實操中遇到嘅第一個坑，亦係最容易卡住嘅地方。
當我第一次執行 yt-dlp 下載B站影片時，終端機無情地報咗錯：
HTTP 412 係咩意思？簡單講就係：B站嘅伺服器一睇，「呢個請求唔似正常瀏覽器喎，拒絕！」
解決方案：加上 Cookie
B站嘅反爬機制會檢查請求頭。解決辦法好簡單——令 yt-dlp 扮成你嘅瀏覽器：
呢條命令會令 yt-dlp 自動讀取你 Chrome 瀏覽器裏面 B站嘅登入 Cookie，B站伺服器一睇：「哦，係老用戶嚟㗎，放行！」
💡 如果你用 Safari，將
chrome換成safari。首次使用時 macOS 可能會彈視窗要求授權訪問瀏覽器數據，㩒允許就行。
**記住：所有 yt-dlp 訪問B站嘅命令都要加 --cookies-from-browser chrome**，唔係嘅話都會被攔截。
如果都係唔得？
更新 yt-dlp 到最新版：brew upgrade yt-dlp 確認你喺瀏覽器裏面已經登入咗B站 換一個瀏覽器試下：--cookies-from-browser safari
速度參考
如果你用嘅係 Mac Apple Silicon（M1/M2/M3），Whisper 會自動使用 Metal 加速，速度都唔錯：
建議先用 small 模型試一個檔案，滿意咗再批量跑。準確率唔夠再換 medium。
完整命令速查卡
將呢張「卡片」收藏好，下次直接複製貼上：
寫喺最後
yt-dlp + Whisper 呢對組合，本質上就係：
全部免費、開源、離線運行、私隱安全。唔依賴任何第三方服務，唔使擔心檔案上傳到人哋嘅伺服器。
唯一需要嘅就係少少耐性（等下載同轉寫），同埋 willingness to use 終端機（願意敲幾行命令）。
但係相信我，一旦Set好之後，批量處理幾十個影片都係一條命令嘅事。嗰種感覺，就好似擁有咗一個私人字幕組。😎
如果呢篇文章對你有幫助，歡迎俾Like同收藏。有問題歡迎喺留言區交流，我會逐一回覆。
免費批量提取視頻文字？這兩個神仙工具你一定要知道
一個是視頻下載界的"瑞士軍刀"，一個是語音識別界的"最強大腦"。兩個都是免費開源，組合起來，B站視頻文字隨便拿。
故事的開始
某天，我在B站刷到一個超長的C語言教程——翁愷老師的《C語言程序設計》，幾十集的那種。我心想：要是能把文字提取出來，當筆記看該多好？
於是我踏上了尋找工具的旅程。試了一堆小程序、在線工具，不是要付費就是有限制，要麼準確率感人。直到我遇到了這兩個神器——yt-dlp 和 Whisper。
今天就把這條"踩坑→摸索→成功"的完整路線分享給你，照着做，10分鐘搞定。
先認識兩位主角
🎬 yt-dlp —— 視頻下載界的"瑞士軍刀"
yt-dlp 是一個開源免費的視頻/音頻下載命令行工具，GitHub 上 100K+ Stars。它是老牌工具 youtube-dl 的活躍分支，功能更強、更新更快。
它能幹什麼？
支持 1800+ 網站：YouTube、B站、抖音、推特、Instagram……主流平台幾乎全覆蓋 只下載音頻：不需要視頻畫面？一個參數搞定，省空間省時間 批量下載：把連結扔進一個文件，一鍵全下 自動選最高畫質：默認下載最佳畫質，也可以指定分辨率 字幕提取：直接下載平台自帶的字幕文件
在我們的場景裏，yt-dlp 負責第一步：把視頻的音頻抽出來，交給 Whisper 做文字識別。
🎤 Whisper —— 語音識別界的"最強大腦"
Whisper 是 OpenAI 在 2022 年發佈的開源語音識別模型。沒錯，就是那個做 ChatGPT 的 OpenAI，但這個工具完全免費、開源。
它能幹什麼？
多語言識別：支持 99 種語言，中英日韓都不在話下 高準確率：在多語言基準測試中接近人類水平 離線運行：不需要聯網，數據不出本地，隱私安全 多種模型大小：從"夠用"到"極致"，按需選擇
簡單說，yt-dlp 負責下載音頻，Whisper 負責把音頻變成文字。兩個都是免費的，組合起來就是一條完整的視頻→文字流水線。
安裝：三步搞定
第 1 步：安裝 yt-dlp
打開終端（Terminal），執行：
驗證安裝成功：
看到版本號就說明 OK 了。
第 2 步：安裝 ffmpeg（Whisper 的依賴）
Whisper 需要 ffmpeg 來處理音頻格式：
第 3 步：安裝 Whisper
安裝過程會自動下載 PyTorch 等依賴，耐心等一會兒。
驗證安裝成功：
看到一堆幫助信息，恭喜你，全部就緒！🎉
實戰：提取B站視頻文字
場景一：提取單個視頻
假設我們要提取這個視頻的文字：浙江大學翁愷《C語言程序設計》，連結是 https://b23.tv/cPvryeZ。
第 1 步：創建工作目錄
第 2 步：下載音頻
別被這長長的一串嚇到，拆開看就清楚了：
第 3 步：語音轉文字
⚠️ 第一次運行會自動下載模型文件（約 500MB），之後就不用再下了。
第 4 步：查看結果
搞定！文字就在 .txt 文件裏了。
第 5 步：清理音頻文件（可選）
場景二：下載指定集數
比如只想下載第 4 到第 5 集：
--playlist-items 4-5 就是第 4 到第 5 集，1,3,5 就是第 1、3、5 集。
場景三：批量提取多個不同視頻
第 1 步：創建連結文件
創建一個 urls.txt，每行一個連結：
第 2 步：批量下載音頻
第 3 步：批量轉文字
第 4 步：合併所有文本（可選）
第 5 步：清理
一條龍服務，完美。✅
踩坑記錄：B站反爬怎麼辦？
這是我在實操中遇到的第一個坑，也是最容易卡住的地方。
當我第一次執行 yt-dlp 下載B站視頻時，終端無情地報了錯：
HTTP 412 是什麼意思？簡單說就是：B站的服務器一看，"這請求不像正常瀏覽器啊，拒絕！"
解決方案：加上 Cookie
B站的反爬機制會檢查請求頭。解決辦法很簡單——讓 yt-dlp 假裝成你的瀏覽器：
這條命令會讓 yt-dlp 自動讀取你 Chrome 瀏覽器裏 B站的登錄 Cookie，B站服務器一看："哦，是老用戶啊，放行！"
💡 如果你用 Safari，把
chrome換成safari。首次使用時 macOS 可能會彈窗要求授權訪問瀏覽器數據，點允許就行。
**記住：所有 yt-dlp 訪問B站的命令都要加 --cookies-from-browser chrome**，不然都會被攔截。
如果還是不行？
更新 yt-dlp 到最新版：brew upgrade yt-dlp 確認你在瀏覽器裏已登錄B站 換一個瀏覽器試試：--cookies-from-browser safari
速度參考
如果你用的是 Mac Apple Silicon（M1/M2/M3），Whisper 會自動使用 Metal 加速，速度還不錯：
建議先用 small 模型試一個文件，滿意了再批量跑。準確率不夠再換 medium。
完整命令速查卡
把這張"卡片"收藏好，下次直接複製粘貼：
寫在最後
yt-dlp + Whisper 這對組合，本質上就是：
全部免費、開源、離線運行、隱私安全。不依賴任何第三方服務，不用擔心文件上傳到別人的服務器。
唯一需要的就是一點點耐心（等下載和轉寫），以及 willingness to use 終端（願意敲幾行命令）。
但相信我，一旦配好之後，批量處理幾十個視頻也就是一條命令的事。那種感覺，就像擁有了一個私人字幕組。😎
如果這篇文章對你有幫助，歡迎點贊收藏。有問題歡迎在評論區交流，我會一一回復。