我有很多讲座视频内容，我想要字幕。YouTube 会在特定条件下自动为视频生成字幕（这些条件对我来说仍然有些神秘）。
我希望能够在 YouTube 之外使用这种语音识别技术。我不想上传每个视频只是为了获得成绩单（太耗时），另外，我认为 YouTube 不会为时长超过 30 分钟的视频（大多数是）这样做，此外，我不要认为它会用于非公开列出的视频（这是一个问题，因为它是旨在出售的优质内容）。
完美场景：有一个程序可以从我的桌面上运行以从这些视频中获取转录内容，它的质量与 YouTube 相同或更好，并且具有类似于 SRT 或 YouTube 生成的 XML 的时间码 [如何获取 YouTube 字幕]。
可接受的情况：我可以采取一些技巧来强制 YouTube 转录视频，无论设置为私人还是公开，无论长度如何。
可行方案：有一个库或其他东西可以用来编写我自己的程序。我擅长 C#，也擅长 C++（但我真的更喜欢 C#）。