Autor Tópico: Como baixar legendas do Youtube (Lido 88011 vezes)

Alexa

olá sdmarcial, eu cheguei a usar bastante o site http://mike.thedt.net/ytsubs/ytsubs.php, antes dele deixar de funcionar...

Posso afirmar que havia algum script "mágico" que conseguia a proeza de baixar transcrições e/ou traduções (baseadas nas transcrições), tendo como fonte apenas a URL. Inclusive vinha com os erros típicos do google engine, e tudo.

Eu usava muito porque me ajudava nas marcações e eventualmente a "pegar" alguma ou outra palavra que não sacava no inglês... e que, às vezes, a transcrição sugerida me "dava uma luz".

Atualmente, desconheço alguma solução semelhante "na ativa".
Abç

nagol

Bom eu descobri um jeito aqui usando o programa URLSnooper2 ele capturou um link aqui que do CC da transcrição

Código: [Selecionar]

http://www.youtube.com/api/timedtext?asr_langs=en%2Cko%2Cja%2Ces&caps=asr&expire=1342924063&format=1&hl=pt-BR&key=yttt1&kind=asr&lang=en&name=&signature=7BFD798C85AC7DFBD050FFD9FC16FAC479EFE078.528E40D0804F96159CE9AB970D45F3C48DB99E1E&sparams=asr_langs%2Ccaps%2Cv%2Cexpire&ts=1342853861328&type=track&v=LUrKzThdEB0

Usando o URLSnooper2 configurado em Show All ae da o player no vídeo que tenha transcrição já ativada, então procure pelo link dela, acho que sempre deve ter isso no url timedtext se forem todas como nesse caso. Depois copia o link e abra no navegador, agora não sei qual é esse formato ae, salvei do navegador como sbv que era o formato do youtube, mas não abre no Subtitle Workshop então não sei como converter para srt.

Esse sistema de usar o URLSnooper2 e pegar o link da legenda separada ou seja, só funciona obviamente nas que que não estejam grudada no vídeo. Depois abrir no navegador e salvar no formato que ele foi feita, funciona na grande maioria dos sites de vídeos que disponibilizem o closed captions.
Eu já percebi que cada legenda fica em uma pagina da web completa com todos os códigos e o texto, então é só achar o link, abrir, salvar e converter...

sdmarcial

Citação de: Alexa em Sábado, 21 de Julho, 2012 - 20h09

olá sdmarcial, eu cheguei a usar bastante o site http://mike.thedt.net/ytsubs/ytsubs.php, antes dele deixar de funcionar...
Posso afirmar que havia algum script "mágico" que conseguia a proeza de baixar transcrições e/ou traduções (baseadas nas transcrições), tendo como fonte apenas a URL. Inclusive vinha com os erros típicos do google engine, e tudo.
Eu usava muito porque me ajudava nas marcações e eventualmente a "pegar" alguma ou outra palavra que não sacava no inglês... e que, às vezes, a transcrição sugerida me "dava uma luz". Atualmente, desconheço alguma solução semelhante "na ativa".
Abç

Oi Alexa. Claro que acredito que você conseguia baixar essas transcrições nesse site; eu disse que, atualmente, não parece haver outro site que faça isso. Eu varri a Internet com vários mecanismos de busca, vários parâmetros, e não consegui.

Citação de: nagol em Sábado, 21 de Julho, 2012 - 20h43

Bom eu descobri um jeito aqui usando o programa URLSnooper2 ele capturou um link aqui que do CC da transcrição
Código: [Selecionar]
http://www.youtube.com/api/timedtext?asr_langs=en%2Cko%2Cja%2Ces&caps=asr&expire=1342924063&format=1&hl=pt-BR&key=yttt1&kind=asr&lang=en&name=&signature=7BFD798C85AC7DFBD050FFD9FC16FAC479EFE078.528E40D0804F96159CE9AB970D45F3C48DB99E1E&sparams=asr_langs%2Ccaps%2Cv%2Cexpire&ts=1342853861328&type=track&v=LUrKzThdEB0
Usando o URLSnooper2 configurado em Show All ae da o player no vídeo que tenha transcrição já ativada, então procure pelo link dela, acho que sempre deve ter isso no url timedtext se forem todas como nesse caso. Depois copia o link e abra no navegador, agora não sei qual é esse formato ae, salvei do navegador como sbv que era o formato do youtube, mas não abre no Subtitle Workshop então não sei como converter para srt.

Esse sistema de usar o URLSnooper2 e pegar o link da legenda separada ou seja, só funciona obviamente nas que que não estejam grudada no vídeo. Depois abrir no navegador e salvar no formato que ele foi feita, funciona na grande maioria dos sites de vídeos que disponibilizem o closed captions.
Eu já percebi que cada legenda fica em uma pagina da web completa com todos os códigos e o texto, então é só achar o link, abrir, salvar e converter...

Nagol, é fácil converter SBV para SRT. Há programas e há sites. Um site:

Código: [Selecionar]

http://www.dcmp.org/ciy/converting-youtube-to-srt.html
Mas você vai ver que não haverá uma conversão completa, com os tempos, etc. O problema é que você abriu um stream SBV com um programa (seu navegador) que não o "lê", e abre a página como "XML", assim como a salva também. Não adianta simplesmente renomear o arquivo para .sbv. Me parece que a sintaxe dos parâmetros de tempo são perdidas, e a conversão perde os dados de tempos ficando somente com o texto (faça o teste). Já é alguma coisa, pois esse texto pode ser jogado em um editor de legendas para que os tempos sejam colocados.
Ainda vou pesquisar mais para saber se esse stream com timedtext pode ser baixado com algum programa adequado, porque esses sites conversores funcionam quando a legenda é baixada de dentro de sua conta do Youtube, de um vídeo seu, como eu testei e consegui.

cisnemania

eu por exemplo para baixar as legendas do youtube uso o srtdownloader e o 4k video downloader para videos do youtube. Ambos são super simples de baixar, mesmo para um iniciante.

sdmarcial

Citação de: cisnemania em Sábado, 21 de Julho, 2012 - 22h26

eu por exemplo para baixar as legendas do youtube uso o srtdownloader e o 4k video downloader para videos do youtube. Ambos são super simples de baixar, mesmo para um iniciante.

Cisnemania, esses programas baixam legendas que foram carregadas pelo uploader. Nós falamos aqui de legendas no Youtube geradas por transcrição de áudio. Experimente, por exemplo, baixar as legendas de

Código: [Selecionar]

http://www.youtube.com/watch?annotation_id=annotation_826708&feature=iv&src_vid=CZkPAanGXsc&v=XAVyktynD_I

nagol

Mas esse arquivo XML tem a hora que entra e sai o texto

Código: [Selecionar]

<transcript>
<text start="0.179" dur="3.641">ladies you need anything</text>
<text start="3.82" dur="7">his ex-wife and worked for me</text>
<text start="16.199" dur="4.41">
judges threw down a few teaches at your fingertips insight into the graduate
</text>
<text start="20.609" dur="3.051">
seminar which is sixty two thousand dollars a year and at one of the highest
</text>
<text start="23.66" dur="4.23">
job basically confidence that you need to realize that standard type institute
</text>
<text start="27.89" dur="1.84">america's premier court reporting school</text>
</transcript>

Agora eu não sei se isso é um tipo de arquivo de legenda só do youtube ou outro que não conheço, falei do sbv porque era o que dava para baixar daquela outra forma. Mas não é sbv esse mesmo pelo que to vendo...

sdmarcial

Citação de: nagol em Sábado, 21 de Julho, 2012 - 22h44

Mas esse arquivo XML tem a hora que entra e sai o texto
Código: [Selecionar]
<transcript> <text start="0.179" dur="3.641">ladies you need anything</text> <text start="3.82" dur="7">his ex-wife and worked for me</text> <text start="16.199" dur="4.41"> judges threw down a few teaches at your fingertips insight into the graduate </text> <text start="20.609" dur="3.051"> seminar which is sixty two thousand dollars a year and at one of the highest </text> <text start="23.66" dur="4.23"> job basically confidence that you need to realize that standard type institute </text> <text start="27.89" dur="1.84">america's premier court reporting school</text> </transcript>
Agora eu não sei se isso é um tipo de arquivo de legenda só do youtube ou outro que não conheço, falei do sbv porque era o que dava para baixar daquela outra forma. Mas não é sbv esse mesmo pelo que to vendo...

Nagol, ainda não dá para saber. O que aparece quando o stream é aberto, é como o navegador lê o código, não necessariamente algo está errado com o código em si, se é ou não SBV. Dando um exemplo, você pode abrir um arquivo .doc (do Word) com seu Notepad, e vai conseguir ler o texto, mas como o Notepad não lê as macros e formatações do Word, muita coisa ficará "perdida" ou modificada à primeira vista. Mas o arquivo está íntegro, e só é preciso o programa correto para decodificá-lo.
E pense no seguinte: enquanto vemos o vídeo, essa legenda é reproduzida normalmente, então o navegador é capaz de ler o código da legenda transcrita. Mas se a gente pega o endereço do stream, como você pegou esse, e roda no navegador, ele não apresenta a legenda sozinha. E o stream está correto, pois a gente consegue ver o texto (no seu caso, a letra de uma música, presumo).
Outra coisa, nem com URLSnooper2, nem com outro que tenho aqui, consegui localizar stream do áudio, mas é possível ripar um áudio de um vídeo e ouví-lo em um navegador, desde que o formato de áudio seja suportado por ele (por plugins, extensões, etc.).

cisnemania

realmente não consigo baixar....

cisnemania

será que as legendas serão feitas em tempo real?

nagol

Falo por experiência de outros sites onde consigo baixar legendas assim, todos conseguem ler os códigos delas, quando por exemplo não aparece e vejo somente o texto, ae é só clicar em "exibir código fonte" que está tudo lá, eu pego e salvo como arquivo já no formato certo usando o Firefox.
Agora o problema desse link ae do youtube é que não sabemos se é um formato já existente ou um novo.

sdmarcial

Citação de: nagol em Sábado, 21 de Julho, 2012 - 23h09

Falo por experiência de outros sites onde consigo baixar legendas assim, todos conseguem ler os códigos delas, quando por exemplo não aparece e vejo somente o texto, ae é só clicar em "exibir código fonte" que está tudo lá, eu pego e salvo como arquivo já no formato certo usando o Firefox.
Agora o problema desse link ae do youtube é que não sabemos se é um formato já existente ou um novo.

Imagino que você sempre salve como texto, e isso dará certo sempre que o formato da legenda baixada for do tipo texto. SRT, por exemplo, é texto. Certamente SBV não é.

cisnemania

e não existe informação no youtube quanto a extensão do ficheiro se é que existe

nagol

Não eu salvo no formato da legenda, tem legenda de sites que usa .sami outras DFXP, e também smpte nunca achei um closed captions já em srt... Eu não salvo em texto, vejo qual é o formato da legenda, ae vou no Firefox em Salvar Como e em Tipo deixo em todos os arquivos, depois salvo o nome da legenda já com a extensão correta. Mas nesse caso ae não sei se isso é um formato de legenda e qual seria, mas que ele está aparecendo todo, eu tenho certeza que está.

Aqui nesse tópico explico por exemplo como fazer downloads das legendas da PBS que são sami
http://www.docspt.com/index.php?topic=16771.0

O mesmo serve para outros canais e sites com outros formatos, o problema maior que tenho é achar como converter para srt, se souber por exemplo como converter closed captions nos formatos DFXP e smpte para srt ou outro que rode no pc, me avise! Eu to buscando...

nagol

Olha acabei de conferir aqui esse é o mesmo formato que youtube usa para legendas já postadas também. Veja aqui usando o URLSnooper2 peguei a legenda em português de um vídeo do canal do Felipe

Código: [Selecionar]

http://www.youtube.com/api/timedtext?format=1&hl=pt-BR&kind=&lang=pt-BR&name=&ts=1342864699203&type=track&v=btFfp7_D1O4
Então o que esse pessoal que faz sites e programas onde baixam as legendas ou transcrições fazem, é apenas achar esse link de cada legenda, pegar esse código simples ae e converter para srt para a pessoa baixar. Não deve ser um script muito complicado para converter isso para srt, pois o básico já está ae, os tempos de entrada e a duração de cada linha...

cisnemania

ok...

nagol

Alguém testa ae se salvar no formato xml acho que da para converter para srt usando o Google2SRT mesmo...

nagol

Pronto acabei de conseguir abrir esse arquivo xml com Subtitle Edit e salvei como srt

Código: [Selecionar]

1
00:02:59,000 --> 01:03:40,000
ladies you need anything

2
00:06:22,000 --> 00:06:29,000
his ex-wife and worked for me

3
04:29:59,000 --> 04:37:20,000
judges threw down a few teaches at your
fingertips insight into the graduate

4
05:43:29,000 --> 06:34:20,000
seminar which is sixty two thousand
dollars a year and at one of the highest

5
00:39:26,000 --> 00:46:29,000
job basically confidence that you need
to realize that standard type institute

6
00:46:29,000 --> 00:49:33,000
america's premier court reporting school

Lembrando vá no vídeo que tem interesse na transcrição ou legenda, então usando o URLSnooper2 ache o link do arquivo xml com o texto, depois abra e salve em xml pelo navegador, então é só abrir esse xml no Subtitle Edit e salvar como srt.

sdmarcial

Citação de: nagol em Sábado, 21 de Julho, 2012 - 23h23

Não eu salvo no formato da legenda, tem legenda de sites que usa .sami outras DFXP, e também smpte nunca achei um closed captions já em srt... Eu não salvo em texto, vejo qual é o formato da legenda, ae vou no Firefox em Salvar Como e em Tipo deixo em todos os arquivos, depois salvo o nome da legenda já com a extensão correta. Mas nesse caso ae não sei se isso é um formato de legenda e qual seria, mas que ele está aparecendo todo, eu tenho certeza que está.

Aqui nesse tópico explico por exemplo como fazer downloads das legendas da PBS que são sami
http://www.docspt.com/index.php?topic=16771.0
O mesmo serve para outros canais e sites com outros formatos, o problema maior que tenho é achar como converter para srt, se souber por exemplo como converter closed captions nos formatos DFXP e smpte para srt ou outro que rode no pc, me avise! Eu to buscando...

Caro Nagol, quando você salva como "todos os arquivos", está comandando que o arquivo seja salvo sem uma extensão. Mas como você escreve o nome do arquivo acrescentando o ponto e a extensão (arquivo.sami, por exemplo), o arquivo é gravado dessa forma, mas isso equivale a renomear.
Todas essas extensões de arquivo que você apresentou são editadas em arquivos de texto, e são usadas sempre em Closed Caption. Veja um exemplo de um arquivo caption DFXP:
<?xml version="1.0" encoding="UTF-8"?>
<tt xml:lang="en" xmlns="http://www.w3.org/ns/ttml" xmlns:tts="http://www.w3.org/ns/ttml#styling">
<body>
<div xml:lang="en">
Narrator: Someone watching a car
accelerate toward light speed
would see something
very strange.
It would seem as though the
car itself were getting shorter
and that time for the person
in the car was slowing down.
However, you wouldn't
see these effects
until the car began to
approach the speed of light.
At 90% of the speed of light
the car would appear to shrink
to 44% of its usual length.
This thought experiment
answered Einstein's
old question
about what he would see
if he traveled along
with a beam of light.
He simply couldn't
make the trip
for at the speed of light,
length would contract to zero
and time would stop.
</div>
</body>
</tt>
Compilação bem semelhante ao que vimos no link que o URLSnooper2 encontrou, e que parece ser SBV. Aliás eu faço uma correção: alguns comentários acima afirmei que SBV não é arquivo editável em texto, mas é sim, conforme pesquisei. Pode ser aberto e editado em qualquer Bloco de Notas da vida; é só saber a sintaxe e comandos.
E finalizando, você, brilhantemente, encontrou a solução para o problema, pois o Subtilte Edit abre esses arquivos .XML de Closed Caption e consegue convertê-los. Meus parabéns.

nagol

Eu acho que esses sites precisam mesmo desse tipo arquivo editável e que fique em uma página para fazer o closed caption online funcionar e o melhor mesmo é depois que abrir página clicar em "exibir código fonte" então salvar essa parte onde ta o código direto, pelo menos todos os vários sites que testei do Brasil e de outros cantos do mundo eram assim. A dificuldade é só achar um jeito de converter, agora como eu disse não sei como fazer dos formatos DFXP e também smpte para srt, é mais uma vez uma questão simples, o problema é achar um script ou programa que faça isso.

Espero que essa forma ae do Youtube ajude o pessoal, apesar da transcrição do youtube ser muito ruim, por não conseguir reconhecer bem as vozes ainda, os tempos da sincronização já poderiam servir como uma ajuda para sincronizar uma legenda ou tradução que alguém queira fazer, por exemplo...

Alexa

mandou muito bem nagol

e o sdmarcial tb

Tentei fazer o sniff da placa de rede com o HiDownloader, mas só consegui configurá-lo para detectar multimidia. As URL's de parâmetros, como o timedtext, ficaram invisíveis.

O URLSnooper funciona certinho. A versão 2.30.01 roda no Win7. O Subtitle Edit 3.2.8 roda no Win7. Foi só abrir / salvar como. Nada a fazer.

Somente não consegui seguir o mini-tuto com os vídeos que não te dão opção de ligar/desligar o "cc" no youtube. Mas aí tb já é demais, néee

Abçs