最快的方式，不用装任何东西
YouTube 会给大部分视频自动生成字幕。打开视频、展开简介、点「显示转写稿」，可以直接选中文字粘贴给 Claude。只看一个视频的话，这比装任何东西都快。
两个注意点。自动生成的转写稿没有标点，专有名词和术语经常听错，所以一场技术演讲拿到手可能相当花。另外长视频的文字量很大：一小时的口语大约 9000 词，Claude 的上下文放得下，但在一场长对话里会挤占别的内容。
直接粘贴还会丢掉时间戳（除非你特意保留），如果你想问的是「她在视频的哪个位置讲了 X」而不只是要个总结，这一点就有影响。
改用 MCP server
如果你经常做这件事，MCP server 可以让你把 URL 交给 Claude、由它自己去抓转写稿。实际差别与其说是省了每个视频的操作，不如说是解锁了新用法：Claude 可以在一次对话里拉好几个视频，或者在任务进行到一半时顺手抓一份，不用你离开对话框。
转写类 server 一般是只读的、不需要 API key，属于风险较低、适合先接的一类。它们的原理是请求 YouTube 已经发布的字幕轨，所以和手工方式受同一个限制——关闭了字幕的视频没有东西可抓，任何 server 都绕不过去。
在我们的目录里搜 YouTube 转写类 server，装之前先看详情页。这一类的维护信号比平常更重要：它们依赖的是 YouTube 未公开的接口，所以一个停止更新的 server 大概率是坏了，而不只是「有点旧」。
视频没有字幕的情况
有些视频确实没有字幕轨——上传者关掉了，或者视频太新还没轮到 YouTube 自动处理。这种情况下任何方法都抓不到转写稿，剩下的办法是自己用语音转文字工具处理音频，再把结果粘过去。
这一点值得提前知道：转写 server 对某个特定视频返回空，通常是正确行为，不是 bug。
怎么选
一个视频，直接粘。为了总结一场演讲去配一个 MCP server，严格来说比选中文字更费事。
要跨很多视频做研究，装 server。大致在一次会话里的第三、第四个视频上就回本了。
凡是需要精确引用原话的场合，无论用哪种方法都请回视频里核对。自动字幕的质量够用来总结，不够用来引用。