Chuyển phụ đề YouTube thành bản ghi lời sạch, không còn câu lặp lại
Cập nhật 30 tháng 10, 2026
Bạn cần lời nói trong một video dưới dạng văn bản: để ghi chép, viết bài, trích dẫn, dịch hoặc tóm tắt. YouTube đã có sẵn những chữ đó, vì gần như video nào cũng có phụ đề, do người làm video viết hoặc do YouTube tự tạo. Việc còn lại là lấy file phụ đề ra khỏi YouTube và bỏ hết những gì không phải là chữ.
Làm bằng tay thì mất khá nhiều thời gian. File phụ đề đầy dòng thời gian, còn phụ đề tự động thì câu nào cũng lặp lại hai, ba lần. Dưới đây là cách lấy file, và cách biến nó thành một bản ghi lời (transcript) đọc được như văn bản bình thường.
Lấy file phụ đề
Với video trên kênh của bạn, YouTube Studio cho tải file về:
- Trong YouTube Studio, chọn Phụ đề (Subtitles) ở menu bên trái rồi bấm vào video.
- Tìm ngôn ngữ cần lấy. Phụ đề tự động nằm ở một dòng riêng, có ghi là tự động.
- Mở menu ⋮ (Tùy chọn) ở cuối dòng đó và chọn Tải xuống (Download).
- Chọn
.vtt,.srthoặc.sbv.
Tên các mục có thể hơi khác giữa các phiên bản Studio, nhưng nút tải luôn nằm trong menu của dòng ngôn ngữ. Định dạng nào trong ba cái cũng dùng được để làm bản ghi lời. Chữ và thời gian bên trong như nhau, chỉ khác cách viết.
Với video của người khác, Studio không giúp được, vì nó chỉ liệt kê video trên các kênh bạn quản lý. Trên máy tính, mở phần mô tả dưới video, bấm …thêm (…more) rồi bấm Hiện bản chép lời (Show transcript). Một khung hiện ra với từng câu phụ đề và thời gian của nó, và menu ⋮ của khung đó có thể ẩn thời gian đi. Bạn có thể bôi đen chữ ở đó để sao chép, nhưng sẽ nhận được mỗi câu phụ đề một dòng ngắn, không có đoạn văn.
Các công cụ tải như yt-dlp lưu phụ đề của video công khai thành file, thường là .vtt. Với phụ đề tự động, đó chính là loại file có dòng lặp lại được nói ở phần dưới. Bản ghi lời video của người khác thì dùng để ghi chép riêng là được; đăng lên là đăng lời của họ, nên hãy hỏi trước.
Vì sao phụ đề tự động lặp lại từng dòng
Mở ảnh cỡ lớn (tab mới)Phụ đề tự động trên YouTube cuộn lên. Màn hình có hai dòng, và khi một dòng mới bắt đầu, dòng cũ được đẩy lên trên thay vì biến mất. File phụ đề không có cách nào nói “đẩy lên”, nên file viết lại cả màn hình mỗi lần:
- cue đầu tiên chứa dòng mới, với một thẻ thời gian như
<00:00:00.640>trước mỗi chữ, để các chữ hiện ra lần lượt; - một cue dài 10 mili giây chứa dòng đã đủ chữ đứng một mình, làm cầu nối sang dòng sau;
- cue kế tiếp lại chứa dòng đó, nằm trên dòng mới.
Trên YouTube thì trông rất mượt. Nhưng đọc như văn bản thì câu nào cũng hiện ba lần, còn các thẻ thời gian từng chữ khiến gần như không đọc nổi. File VTT tải bằng các công cụ tải về trông đúng như vậy.
File tải từ YouTube Studio gọn hơn. Mỗi đoạn chữ thường chỉ có một lần, nhưng các đoạn rất ngắn, chồng lên nhau về thời gian, và hay cắt ngang giữa câu. Phụ đề tự động cũng có thể có ít hoặc không có dấu câu, tuỳ ngôn ngữ.
Chuyển thành văn bản
File .vtt: mở Chuyển đổi VTT sang TXT rồi thả file vào. Công cụ nhận ra phụ đề cuộn nhờ các thẻ thời gian từng chữ và chỉ giữ mỗi dòng ở lần đầu nó xuất hiện. Các thẻ, dòng thời gian, thiết lập cue và tiêu đề WEBVTT đều bị bỏ. Phần tóm tắt dưới các tuỳ chọn đếm số dòng đã bỏ đi, nên bạn thấy được là nó đã làm việc. Tải file .txt về.
File .srt: Chuyển đổi SRT sang TXT làm đúng việc đó. File SRT từ Studio không có dòng lặp do cuộn. Nhưng nếu công cụ tải đã đổi phụ đề cuộn sang SRT giúp bạn, thì các thẻ thời gian từng chữ đã mất mà dòng lặp vẫn còn, và trong file không còn gì để phân biệt một dòng lặp với một câu mà người nói thật sự nói hai lần. Khi công cụ tải cho chọn, hãy chọn VTT.
File .sbv: đổi sang SRT trước bằng Chuyển đổi SBV sang SRT, rồi dùng Chuyển đổi SRT sang TXT. Cả hai bước đều giữ nguyên từng chữ.
Cả ba công cụ đều chạy trong trình duyệt. File không bao giờ bị tải lên, điều này quan trọng khi video là một cuộc họp nội bộ hay một bài giảng chưa công khai.
Giữ mốc thời gian hay không
Các công cụ ghi lời có hai công tắc. Tắt cả hai, bạn nhận được chỉ phần chữ, mỗi câu phụ đề một dòng.
Bỏ mốc thời gian khi văn bản sẽ được đưa vào việc khác: dịch, tóm tắt, đếm chữ, tìm kiếm trong cả một khoá học. Ở đó thời gian chỉ gây nhiễu.
Giữ mốc thời gian khi bạn cần tìm lại đúng khoảnh khắc. Mỗi dòng, hoặc mỗi đoạn, bắt đầu bằng thời gian của nó trong ngoặc vuông, như [00:12:40]. Đó là thứ bạn cần khi trích lời ai đó, ghi chép bài học, hay viết danh sách chương cho một video dài.
Chia thành đoạn văn cho dễ đọc
Phụ đề cắt lời nói thành từng mẩu hai, ba giây, và phụ đề tự động hay ngắt giữa câu. Bật Gộp thành đoạn văn: các mẩu nối tiếp nhau được ghép lại, và một quãng lặng dài hơn hai giây sẽ mở ra đoạn mới. Đoạn quá dài cũng được ngắt ở cuối câu tiếp theo, còn phụ đề tự động không có dấu câu thì được ngắt khoảng mỗi nghìn ký tự.
Với một buổi nói chuyện hay bài giảng, hãy bật cả hai công tắc. Bạn có các đoạn văn dễ đọc, đoạn nào cũng có thời gian bắt đầu.
Công cụ chỉ ghép và ngắt dựa vào thời gian. Nó không thêm dấu câu được, cũng không biết chỗ nào bắt đầu ý mới, nên hãy đọc lại một lượt và thêm những chỗ ngắt mà người đọc cần.
Sửa chữ: trong văn bản hay trong phụ đề
Phụ đề tự động hay nhận sai tên người, tên thương hiệu và từ chuyên ngành. Sửa ở đâu tuỳ vào việc bạn có muốn phụ đề cũng tốt lên hay không:
- Chỉ cần bản ghi lời: sửa chữ ngay trong file
.txt. Tìm và thay thế sẽ lo một cái tên bị nghe nhầm hai mươi lần. - Muốn phụ đề trên YouTube cũng đúng: sửa file trước trong Sửa phụ đề. Công cụ mở được
.vtt,.srtvà.sbv, cho phát video bên cạnh phụ đề và lưu lại đúng định dạng cũ. Tải file đã sửa lên Studio, rồi chuyển chính file đó thành văn bản. Cả hai đều đúng, mà bạn chỉ phải sửa một lần.
Phụ đề đầy [Music] và [Applause]? Bỏ SDH khỏi phụ đề xoá các mô tả âm thanh trước khi bạn chuyển đổi.
Hãy giữ lại file phụ đề gốc. Bản ghi lời không thể biến lại thành phụ đề: thời gian đã mất, hoặc chỉ còn thời gian bắt đầu của mỗi đoạn.
Tìm hiểu thêm về các định dạng này
File VTT là gì? giải thích file .vtt từ đâu ra và bên trong có gì. Cách mở file SBV nói về định dạng riêng của YouTube, loại thứ ba mà Studio cho tải. Còn nếu bạn cần phụ đề cho trình phát chứ không phải văn bản, SRT hay VTT giúp bạn chọn định dạng.