如何从 youtube-dl --write-auto-sub 下载转换混乱的 .vtt 子文件？

Question

我的目标是在单独的文件中下载带有自动生成字幕的 YouTube 视频，例如

.vtt

、

.srt

等。

我目前正在尝试通过

youtube-dl

实现这一目标，但如果需要，我愿意接受其他解决方案。

当我运行以下命令时，它将视频下载为

.mp4

（这很好）和单独的

.vtt

文件，但

.vtt

似乎不知何故搞砸了，并显示整个剪辑的所有文本一次而不是指定的时间。

我正在运行的命令：

youtube-dl --write-auto-sub https://www.youtube.com/watch?v=Roc89oOZOF4&list=PLJBo3iyb1U0eNNN4Dij3N-d0rCJpMyAKQ&index=45

下载此.vtt：

WEBVTT
Kind: captions
Language: en

00:00:05.960 --> 00:00:08.290 align:start position:0%
 
thank <00:00:06.003><c>you  </c><00:00:06.046><c>ah </c><00:00:06.089><c>crap  </c><00:00:06.132><c>well </c><00:00:06.175><c>looks </c><00:00:06.218><c>like </c><00:00:06.261><c>the </c><00:00:06.304><c>good </c><00:00:06.347><c>Lord </c><00:00:06.390><c>just </c><00:00:06.433><c>sent  </c><00:00:06.476><c>me </c><00:00:06.519><c>a </c><00:00:06.562><c>conversation </c><00:00:06.605><c>starter </c><00:00:06.648><c>come </c><00:00:06.691><c>here  </c><00:00:06.734><c>Jesse </c><00:00:06.777><c>come </c><00:00:06.820><c>get </c><00:00:06.863><c>the </c><00:00:06.906><c>ball  </c><00:00:06.949><c>hmm</c>

00:00:08.290 --> 00:00:10.549 align:start position:0%
thank you  ah crap  well looks like the good Lord just sent  me a conversation starter come here  Jesse come get the ball  hmm
 

00:00:10.549 --> 00:00:13.070 align:start position:0%
 
 

00:00:13.070 --> 00:00:15.470 align:start position:0%
 
 

00:00:15.470 --> 00:00:23.750 align:start position:0%
 
 

00:00:23.750 --> 00:00:23.760 align:start position:0%
 
 

00:00:23.760 --> 00:00:26.480 align:start position:0%
 

我了解到这可能是 YouTube 故意为之。

即使这是真的，有什么方法可以将其

.vtt

转换为可用的格式，或者只是从 YouTube 下载格式正确的自动生成的字幕？

Python、FFMPEG、命令行是首选，但任何东西都有帮助！

谢谢！非常感谢任何和所有帮助！

Answer 1

在

ttml

格式下，字幕有效。尝试一下：

yt-dlp --write-auto-subs --sub-format ttml --no-playlist "https://www.youtube.com/watch?v=Roc89oOZOF4&list=PLJBo3iyb1U0eNNN4Dij3N-d0rCJpMyAKQ&index=45"

• yt-dlp 是一个 youtube-dl 分支
  
• 要将

  ttml

  转换为

  srt

  或

  vtt

  ，您必须添加

  --convert-subs srt

  或

  --convert-subs vtt

Answer 2

要转换 vtt 我使用这个

#!/bin/bash
for i in *.vtt;
do name=`echo $i | cut -d'.' -f1`;
echo $name;s
ffmpeg -i "$i" "${name}.srt";
done

删除重复项

我用这个，还是有问题，需要检查一下

#!/bin/bash
mkdir out
SAVEIFS=$IFS
IFS=$(echo -en "\n\b")
for f in $( find ./ -iname "*.srt" )
do
OIFS="$IFS"
IFS=$'\n'
  awk '!visited[$0]++' "$f" > "./out/${f%.*}.srt"
IFS="$OIFS"
done
IFS=$SAVEIFS

删除前一行第二行的重复项 从当前行第一行开始
（参见第 1 行，共 11 个[原文]）

行仍然重复，但现在是同一行
（见11和12）

10
00:00:19,670 --> 00:00:19,680
有免费无线网络信号

11
00:00:19,680 --> 00:00:21,769
有免费无线网络信号
整个北美都没有人拥有

12
00:00:21,769 --> 00:00:21,779
整个北美都没有人拥有

成为

10
00:00:19,670 --> 00:00:19,680
有免费无线网络信号
11
00:00:19,680 --> 00:00:21,769
整个北美都没有人拥有
12
00:00:21,769 --> 00:00:21,779
整个北美都没有人拥有

编辑某人已经制作的应用程序以修复重复的行 在这里找到它 https://github.com/bindestriche/srt_fix