# Capslane YouTube 字幕与时间戳转录 API：优先获取原生字幕，并在不可用时异步生成转录。 - Findings24: - 网站: - 价格: Freemium - 分类: AI开发者工具, 语音转文字, AI 字幕生成器 ## 什么是 Capslane？ Capslane 是一款服务端 YouTube 转录 API，用于获取原生字幕，或在字幕不可用时生成带时间戳的转录。它接受视频 ID 或受支持的 YouTube URL，并返回纯文本或结构化的转录片段。 该 API 支持 native、automatic 和 generation 模式。automatic 模式会先尝试获取原生字幕，只有在确认没有可用字幕轨道后才开始生成。已接受的生成请求会通过 job ID 异步处理，而缓存结果、原生结果和生成结果遵循相同的响应结构。 Capslane 适用于需要在视频分析、搜索或自动化流程中获取转录的应用。服务端 API 密钥、工作区配额、请求历史记录、用量可见性以及共享转录缓存，为将该服务集成到应用中提供了运营控制能力。 ## Capslane 能做什么？ ### 原生字幕获取 获取 YouTube 手动或自动字幕轨道，无需启动音频生成。可使用两位或三位字母的 ISO 代码指定请求语言，也可以选择附加区域代码。 ### AI 后备模式 automatic 模式会先尝试获取原生字幕，只有在 Capslane 确认不存在可用字幕轨道后，才启动异步生成任务。generate 模式可以直接启动或复用生成任务。 ### 带时间戳和纯文本的输出 即时响应默认返回带时间戳的片段，包括文本、偏移量、时长和语言。对于已完成的响应，也可以使用 text 参数返回一个字符串，而任务结果仍保持分段形式。 ### 一致的缓存和响应契约 原生、生成和缓存的转录使用相同的响应结构。source 和 cached 字段会说明结果的获取方式，轮询异步任务不会额外占用一个用量单位。 ### 服务端工作区控制 身份验证通过 x-api-key 请求头中的工作区 API 密钥完成。工作区提供每月请求限制、API 密钥管理、请求历史记录、用量信息和共享转录缓存。 ## 使用场景 ### 视频分析应用 获取转录文本或带时间戳的片段，作为视频分析、问答或其他内容处理功能的输入。应用可以处理即时结果，并在生成请求被接受后通过 job ID 继续处理。 ### 素材搜索与播放导航 使用带毫秒级偏移量和时长的原生分段转录，将搜索到的文本与视频中的位置关联起来。适用于用户需要按转录内容查找和选择素材的工作流程。 ### 自动化转录流程 使用 REST API、JavaScript 或 Python SDK、LangChain、n8n，或 Capslane 文档中介绍的基于 MCP 连接的代理工具，将转录获取功能加入服务端进程或自动化流程。 ### 字幕可用性不一的产品 对于用户提交的视频或视频目录中部分视频有字幕、部分没有字幕的情况，可使用 automatic 模式。原生结果可以立即返回，而没有可用字幕的视频则通过异步生成继续处理。 ## 常见问题 ### Capslane 如何处理没有字幕的视频？ 在 automatic 模式下，Capslane 会确认不存在可用字幕轨道，然后启动异步转录任务。初始响应会包含 job ID，应用通过轮询该 ID，直到转录准备就绪。 ### 该 API 使用什么身份验证方式？ 在 Capslane 工作区中创建服务端 API 密钥，并在每次 API 请求的 x-api-key 请求头中发送该密钥。文档建议将密钥存储在服务端环境变量中，不要将其暴露在浏览器或移动端代码中。 ### 可以请求特定的转录语言吗？ 可以。传入首选的两位或三位字母 ISO 语言代码，也可以选择附加两位字母的区域代码，例如 en 或 fr-FR。如果该轨道不可用，Capslane 会返回第一个可用的转录，并列出其他语言。 ### 已接受的生成请求会返回什么？ 已接受的生成请求会返回 HTTP 202、jobId、status 和 requestId，但暂时不包含内容。应用保留 job ID，并轮询该任务，直到任务完成、失败或过期。 ### API 用量如何计算？ 每个已接受的转录请求都会占用一个月度单位，无论结果来自原生字幕、生成过程还是缓存。轮询异步任务不会额外占用单位；月度用量会重置，年度订阅也同样适用。 ## 快速信息 - **产品类型**: YouTube 转录 REST API - **输入**: 11 位视频 ID，或 HTTPS YouTube watch、Shorts 和 youtu.be URL - **输出**: 纯文本或带时间戳的转录片段 - **身份验证**: x-api-key 请求头中的服务端工作区 API 密钥 - **免费套餐**: 每月 50 次请求，包括原生字幕和带时间戳的 JSON；最多 15 分钟生成内容 - **集成**: JavaScript 和 Python SDK、LangChain、n8n，以及基于 MCP 的代理工作流