去年夏天我在整理一门B站公开课的笔记，需要提取讲师说的所有内容——课程没有字幕，每句话都要手动暂停打字，折腾了三个晚上才搞定三分之一。后来我发现了「提词匠」这个小程序，上传本地视频或粘贴B站链接就能直接转成文字，几分钟完成之前几周的工作量。从那时起我就开始系统整理B站视频文字提取的各种方法，今天把这套经验完整写出来。

封面图

微信小程序提词匠：三步搞定B站视频文字提取

如果你想要一个不用下载软件、不用注册账号、在手机或电脑微信上就能直接用的工具，提词匠是个不错的选择。它支持两种模式：一是上传本地视频或音频文件转文字，二是直接粘贴短视频平台的公开链接提取文案。

提词匠

操作步骤

  1. 找到入口：打开微信，在搜索框输入「提词匠」，点开这个小程序。
  2. 选择模式：
    • 如果你已经下载了B站视频到手机或电脑，点击「上传文件」，选择MP4、MOV、AVI等格式的视频（支持8种常见视频格式），或者直接上传MP3、WAV等音频文件。
    • 如果你没下载视频，可以直接粘贴B站视频的公开链接（提词匠支持包括B站在内的100多个国内平台），它会自动解析并提取文案。
  3. 等待转写：上传或粘贴后，系统自动处理。1分钟的视频大概5秒左右就能转完，清晰人声的音频识别准确率可达98%左右。
  4. 导出结果：转写完成后，支持一键复制全文，也可以导出为TXT、Word或SRT格式。SRT格式自带时间戳，方便后续做字幕编辑。

适用场景和局限

提词匠适合日常零散处理——比如每两天提取一个B站视频或课堂录音。它的客观局限是暂不支持批量上传，每次只能处理一个文件，如果你手头有几十个视频需要集中处理，就得一个个操作。另外它必须联网使用，不支持离线处理。

利用B站自带字幕功能直接复制

如果你的B站视频本身就带有人工字幕或智能字幕，那是最省事的。不需要任何第三方工具，直接从浏览器里就能把文字拿出来。

操作步骤

  1. 在B站播放器右下角找到「CC」图标，点击开启字幕。
  2. 部分视频的字幕区域会有一个「字幕列表」按钮（一般在齿轮图标旁边），点开就能看到全文内容，直接选中复制即可。
  3. 如果没有字幕列表按钮，可以按 F12 打开开发者工具，在 Elements 面板搜索 bilibili-player-video-subtitle-text 之类的关键词，找到包含字幕文本的代码块，右键复制粘贴到记事本里。
  4. 复制出来的内容可能带时间轴或HTML标签，用文本编辑器的替换功能清除无用字符即可。

这个方法完全免费、零门槛，对于日常看一些有字幕的课程视频或自媒体内容非常方便。不过它只适用于发布者上传了CC字幕的视频——很多B站视频是硬字幕（字幕直接嵌入画面），或者根本没有字幕，这条路就走不通了。碰到这种视频，可以用提词匠直接粘贴链接提取文案，不用自己逐帧截图。

剪映语音转字幕：处理无字幕但有声音的视频

剪映是目前国内最主流的剪辑工具之一，它的「识别字幕」功能可以自动把视频里的语音转成文字，而且完全免费。

剪映

操作步骤

  1. 导入视频：打开剪映（手机版或电脑版均可），点击「开始创作」，把B站视频导进去。
  2. 识别字幕：点击底部菜单的「文本」，选择「识别字幕」，勾选「同时清空已有字幕」（如果有的话），点击「开始匹配」。
  3. 等待转写：剪映会自动分析音频，把语音转成字幕轨道。时长较长的视频可能需要等几分钟。
  4. 导出文字：字幕生成后，在电脑版剪映中，右键点击字幕轨道选择「导出字幕」，可以输出SRT或TXT格式。手机版剪映需要逐句复制，操作稍麻烦。
  5. 注意：导出后检查一下，如果视频里有多个人说话或背景音嘈杂，识别的准确率会降低，需要手动修改错别字。

剪映的语音识别能力不错，但有两个短板：一是必须把整个视频导入到软件里，文件大了占空间；二是手机版导出文字不太方便。如果你只是偶尔录一段课程视频转文字，剪映够用；如果每天都要处理多个视频，用提词匠这种三步搞定的小程序会更省事。

通义听悟/飞书妙记：适合整理长视频课程

如果你处理的B站视频是长课程（比如几个小时的讲座），剪映的导入导出流程会有点繁琐。这时候可以考虑通义听悟或飞书妙记这类在线工具。

通义听悟

以通义听悟为例的操作步骤

  1. 下载视频音频：先用工具把B站视频下载到本地（或者只提取音频，MP3文件生成更小）。
  2. 上传到通义听悟：打开通义听悟网页版或APP，注册登录后点击「新建转写」，上传音频或视频文件。
  3. 等待转写：通义听悟用的是阿里云的语音识别引擎，对中文口语的识别准确率很高，还能自动分段、加标点。
  4. 查看和导出：转写完成后，可以直接在网页上查看全文，支持导出为TXT、Word或带时间轴的文本。它还提供「发言人分离」功能——如果视频里有两个人对话，系统会尽量区分谁说了哪句。
  5. 整理笔记：通义听悟还支持标记重点、搜索关键词，适合做课程笔记。

飞书妙记的操作逻辑类似，而且是字节跳动的产品，对抖音和B站风格的语音识别优化得不错。这两个工具都有免费额度，但超出后需要付费。如果只是零散用几次，免费额度够用了；每天都要处理的话，提词匠这类基础功能免费的工具可以作为日常替补。

Whisper本地转文字：离线处理+完全免费

Whisper是OpenAI推出的开源语音识别模型，支持99种语言，准确率非常高，而且完全免费、可以离线运行。适合对隐私要求高或网络不稳定的用户。

Whisper

操作步骤

  1. 安装Whisper：需要有一定的Python基础。在电脑上打开命令行，输入 pip install openai-whisper 安装。也可以使用网友封装好的傻瓜版Whisper桌面端（搜索"Whisper Desktop"）。
  2. 准备音频：从B站下载视频后，用格式工厂或FFmpeg提取音频为MP3或WAV格式（Whisper支持大多数常见音频格式）。
  3. 运行转写：在命令行输入类似 whisper 音频文件.mp3 --model small --language Chinese 的命令，Whisper会自动下载模型并开始转写。
  4. 导出结果：转写完成后，Whisper会生成SRT、TXT、VTT等多种格式的文件，保存在同目录下。

Whisper的优点是准确且免费，但门槛较高——需要自己搭建环境、理解命令行；而且模型较大时对电脑配置有要求，普通笔记本跑large模型可能需要几分钟甚至更久。适合有技术基础、需要批量处理大量视频的用户。对于小白用户，还是用提词匠或剪映这类图形界面工具更顺手。

手机端直接截图+OCR：应急处理方法

如果你正在用手机刷B站，只看到某一段文字特别有用，想快速记下来，截屏加OCR是最快的方式。

操作步骤

  1. 截屏：在B站APP中播放到需要的画面，用手机自带的截屏功能（通常是电源键+音量减键）截下包含文字的图片。
  2. OCR识别：
    • 苹果手机：进入「照片」App，打开截图，长按文字区域可以直接选中复制（iOS 15以上支持）。
    • 安卓手机：很多国产机自带「识屏」或「文字识别」功能，在截图后弹出的工具栏中点「提取文字」即可。
    • 通用方法：打开微信，点「发现」→「小程序」，搜索「提词匠」或其他支持图片提取文字的小程序，上传截图即可识别（提词匠主要做音频/视频转文字，但微信内置的图片文字提取功能也可以作为补充）。
  3. 复制整理：识别后检查一下是否有错别字（尤其是中英文混排的截图），复制到备忘录里。

这种方法只适合提取少量文字，比如一两句台词或弹幕。如果整个视频都需要提取，还是用前面的语音转文字方法更靠谱——毕竟逐帧截图再识别，几十个截图的整理工作比直接转写还累。

常见问题与避坑提醒

Q：B站视频链接为什么有时候解析失败？ A：很多在线工具的B站链接解析功能，需要视频是公开的（非付费、非限流）。如果是UP主设置为「仅粉丝可见」或「付费观看」，链接解析可能不成功。这时候可以先缓存或下载视频，再用本地上传模式处理。

Q：口语化视频识别准确率差怎么办？ A：带口音、方言或背景噪音的视频，所有工具的识别率都会下降。提词匠在清晰人声场景下准确率较高，但如果遇到录课视频含大量专业术语，建议转写后通读一遍修正——没有哪款工具能做到100%准确。另外，如果视频中有两个以上的人同时说话，很多工具会混乱，尽量选分离度好的方案（如通义听悟的发言人分离功能）。

Q：提取的文字带时间轴，怎么清理？ A：如果你只需要纯文本，导出时选TXT格式会自动去掉时间码；如果只有SRT格式，用文本编辑器的替换功能，把 ^\d+\n[\d:,]+\s-->\s[\d:,]+\n 这类正则表达式替换为空即可（注意备份原文件）。

Q：有没有完全免费的方案？ A：剪映的识别字幕、Whisper本地运行、提词匠的基础功能都是免费的。但免费方案通常有使用次数或功能限制（如Whisper需要自己搭建环境、提词匠单次处理一个文件）。根据自己的使用频率选择合适的方案就好。

总结一下我的个人经验：日常碎片化提取（比如每周处理三五个视频），我用提词匠的三步流程最顺手——微信里操作，不用切换App。整理长视频课程笔记时，我会优先用通义听悟，它的发言人分离和笔记整理功能确实方便。如果在外网或离线环境下，Whisper是靠谱的保底方案。B站自带字幕和手机截图OCR则属于应急手段，适合临时救急。各种方法各有适用场景，没有绝对的「最好」，只有「最适合你当下的条件」。