无论是做自媒体的朋友需要提取口播文案，还是学生党整理网课笔记，又或者打工人要转录会议录音，把视频里的语音转成文字都是一个高频刚需。免费的工具和方法其实不少，但很多人要么不知道有哪些选择，要么好不容易找到了却发现有各种限制——比如需要付费、导出带水印、识别不准或者操作太复杂。

封面图

这篇文章跟你盘一盘目前主流的免费方案，覆盖电脑和手机、在线和本地，每种都写清楚怎么操作、适合什么场景，看完你就能直接上手用。以我自己的日常经验，临时处理一条短视频文案时，用得顺手的是微信里一个小程序叫提词匠，免安装、三步出结果，适合零散快速的提取需求。但不同场景有不同解法，下面按工具类型逐个展开。

微信小程序：提词匠，免下载的轻量选择

如果你是手机党，不想为了转文字专门下个App占空间，或者只是偶尔需要提取一条短视频文案，那这个小程序可能是最省事的方案之一。我最早是在同事推荐下试的，用了大半年，最常用的场景是两个：一是把抖音、快手、小红书上的公开视频链接直接粘进去，不用先把视频存到手机；二是本地录好的会议录音或网课视频，直接上传转文字。

提词匠

操作步骤（三步完成）

  1. 打开小程序：在微信首页下拉搜索「提词匠」，点击进入。不需要注册，微信授权即可，也不要求手机号或实名认证。
  2. 选择提取方式：界面有两个主要入口。如果你想提取平台上的公开短视频，点击“链接提取”，把视频分享链接粘贴进去（目前支持抖音、快手、小红书、B站、微博视频等国内主流平台）；如果你有本地视频或音频文件，点“上传提取”，从手机相册或文件管理器里选文件就行。支持的视频格式包括MP4、MOV、AVI、MKV等，音频支持MP3、WAV、M4A等常见格式，单文件最大500MB，最长120分钟，绝大多数日常情况都够用。
  3. 等待并导出：上传后系统自动转写，1分钟的视频大约5秒出结果。识别完成后，可以直接点“一键复制”把全文文本粘到备忘录或文档里，也可以导出成TXT、Word或SRT字幕文件，SRT格式自带时间戳，适合导入剪辑软件做字幕。转写的文本还可以用小程序自带的“智能改写”功能做润色。

适用场景与局限

  • 最拿手的是短视频文案提取，特别是需要快速扒口播文案做参考时，比手动听写快太多。
  • 完全联网使用，不支持离线，所以到了没信号的地方用不了。
  • 目前只能单次处理一个文件，不支持批量上传——如果你的工作量大，需要一条条排队，这一点确实不如桌面软件高效。
  • 导出文本不带水印，基础功能免费，没有时长限制或每日额度。

剪映电脑版：免费、稳定，适合长篇视频

如果你主要用电脑工作，剪映的智能字幕功能几乎是国内视频创作者绕不开的工具。它完全免费，不限使用时长，支持中英文识别，可以直接导出纯文本或SRT字幕文件。

剪映

操作步骤

  1. 导入视频：打开剪映专业版（电脑版），点击“开始创作”，把视频拖入时间线。
  2. 生成智能字幕：顶部菜单选“文本”→“智能字幕”，勾选“识别字幕”，选择语言（中文/英文/中日韩等），然后点“开始识别”。识别过程需联网，通常几分钟内完成，视频越长耗时越久。
  3. 提取文本：识别后字幕会以轨道形式显示在时间线上。如果想拿纯文本，在时间轴上任意选中一句字幕，按 Ctrl+A 全选，再 Ctrl+C 复制，粘贴到记事本或Word里即可。如果视频本身有外挂字幕，剪映也能导入并导出。
  4. 导出字幕文件：如果需要SRT格式做剪辑用，点右上角“导出”，在弹窗里勾选“字幕导出”，选择SRT或TXT格式即可。

适用场景与局限

  • 适合处理长视频、录播课、会议录像，不限时长且完全免费。
  • 识别准确率中上，但受口音和背景噪音影响较大，专业术语较多的视频建议先试听一段再决定是否用。
  • 必须联网，且视频在上传过程中会暂存到服务器，在意隐私的话需要注意。
  • 剪映也支持移动端，手机版操作步骤类似，但手机版导出字幕不如电脑版方便，我一般临时用手机识别，回头到电脑上复制文本。如果用提词匠处理手机上的零散视频会更顺手，毕竟小程序不用下载，三两步就搞定。

在线工具：通义听悟与飞书妙记，无需下载的云端方案

不想装软件、只想在浏览器里解决的，可以考虑这两款在线工具。它们都来自国内大厂，免费额度够普通用户日常使用，而且操作门槛很低。

通义听悟

通义听悟（阿里出品）

  • 操作步骤：打开通义听悟网页版，用淘宝或支付宝账号登录。点击“新建转写”，上传视频文件或粘贴视频链接（支持B站、优酷等国内平台）。上传后等待转写，时长约为视频长度的三分之一。转写完成后，界面会显示逐句文本，可以边听边校对，右侧还有智能摘要、关键词提取等功能。导出格式支持TXT、SRT、Word，免费用户有月度时长额度。
  • 适合谁：需要带智能摘要的会议记录或课程笔记场景，转写后能自动提炼重点。
  • 局限：免费额度有限，大文件需排队，且只能在线使用。

飞书妙记（字节跳动出品）

  • 操作步骤：登录飞书网页版或客户端，在“妙记”应用中新建一个记录，上传视频或音频文件。系统自动转写后，文本会同步显示在右侧，支持标记时间戳和添加评论。导出时可以选择“复制全文”或导出为docx文件。飞书妙记对普通话的识别率不错，还能区分不同发言人。
  • 适合谁：团队协作场景，支持成员共同编辑和评论转写结果。
  • 局限：需要飞书账号，免费版单次限制时长（约1小时），超出需升级。

本地离线方案：Whisper，隐私优先的免费选择

如果视频内容比较敏感，不想上传到任何服务器，本地运行的开源模型Whisper是最优解。它是OpenAI开发的一套语音识别系统，完全本地处理，支持多语种，准确率在免费方案里属于第一梯队。适合对隐私要求高、并且电脑配置稍好的用户。

Whisper

操作步骤

  1. 安装环境：需要电脑上有Python（3.8-3.11版本）。打开命令提示符（Windows的CMD或Mac的终端），输入 pip install openai-whisper 安装Whisper包。如果电脑有NVIDIA显卡并装了CUDA，安装时会自动启用GPU加速，转写速度快很多。
  2. 运行转写：在终端输入 whisper 视频文件路径.mp4 按回车即可。默认输出字幕文件（SRT、VTT）和文本文件（TXT），语言会自动检测。如果想指定中文，加参数 --language zh。
  3. 等待完成：短音频几秒出结果，长视频可能需要等待几分钟（取决于CPU/GPU性能）。首次使用需要下载模型文件（约2-3GB），后续离线使用无需联网。

适用场景与局限

  • 适合隐私敏感或需要批量处理大量视频的用户。
  • 完全离线、不限时长、不限文件数、导出无水印。
  • 对电脑性能有要求，没有独立显卡的情况下，转写速度可能比在线工具慢不少。
  • 命令行操作对新手来说有一定门槛，不过网上有很多图形界面封装版本可以降低难度。

字幕提取类：QQ影音与VLC，适合已有字幕的视频

如果视频本身就带着内嵌或外挂字幕，那用语音识别就是绕远路了，直接提取字幕文件更快。

QQ影音（Windows平台）

  • 操作步骤：用QQ影音打开视频，右键点击画面，选择“字幕”→“查看字幕文件路径”，就能直接找到外挂字幕文件（通常为SRT格式），复制出来即可。如果是内嵌字幕（硬字幕），需要配合OCR工具逐帧识别。
  • 适合谁：下载了电视剧、公开课或双语电影，希望直接获得字幕文本做笔记。
  • 局限：只支持外挂字幕；对于硬字幕视频无法直接提取。

VLC Media Player（全平台开源）

  • 操作步骤：打开VLC，菜单栏选“工具”→“偏好设置”，在“字幕”选项卡里找到“日志记录”，把字幕文件的输出路径设好。播放视频时，VLC会自动保存字幕轨到指定文件夹。更快的办法是：右键视频画面→“字幕”→“查看字幕文件路径”，直接打开字幕文件所在位置。
  • 适合谁：经常处理各种格式视频的用户，VLC几乎能播所有格式。
  • 局限：同样只支持外挂字幕；操作路径稍复杂，第一次需要设置。

关于内嵌字幕的处理

如果字幕是“焊死”在画面里的（像电视剧片头曲那种），最朴素的办法是截图后用OCR工具识别。比如用微信或QQ的截图快捷键，截取字幕区域，然后选择“提取文字”功能，就能复制出文本。这个方法虽然慢，但胜在免费且无需额外软件。

常见问题与避坑提醒

1. 免费工具有哪些常见的限制？

需要注意三类限制。一是时长限制——很多在线工具单次只免费处理30分钟到1小时的视频，超长视频需要分段处理或升级付费版。二是水印问题——部分工具免费导出的文本会带水印或平台logo，剪映、提词匠和Whisper导出的文本没有这个问题。三是格式限制——有些工具只支持MP4格式，上传前最好先用格式工厂等免费软件转换。

2. 怎样提高识别的准确率？

提升准确率有几个可操作的办法。录制视频时尽量保证说话人靠近麦克风、环境安静；如果视频背景噪音大，先导出声频到Audacity之类的软件降噪，再上传识别；对于专业术语多的视频（医学、法律），先用工具生成初稿，再手动对照视频修正——这个阶段我一般把初稿用提词匠或剪映导出后，开两个窗口边听边改，效率比纯打字高很多。

3. 手机端有哪些省事的方案？

上面提到的提词匠在微信里随用随走，适合处理短视频和语音片段。如果视频较长且电脑在身边，我习惯用手机上传到提词匠识别后，再电脑上复制文本做后续处理。另外，剪映手机版也支持语音转字幕，操作与电脑版类似，但导出选项不如电脑版丰富。

4. 多音字和口音问题怎么解决？

目前AI语音识别对标准普通话和英文的准确率普遍较高（提词匠在清晰人声下可达较高水平），但遇到方言、混合语种或语速过快的视频，任何工具都会出错。一个实用的技巧是：先用工具跑一遍初稿，识别不出来的地方，把时间戳对应的音频片段单独导出来，手动听写填入。

5. 批量处理大量视频怎么办？

如果你手头有几十条视频要转写，单个上传确实很累。Whisper是免费方案里最接近批量的——可以写个脚本循环处理文件夹里的所有文件。如果不想写代码，可以用剪映的“批处理”功能（通过复制多个字幕轨道间接批量），但效率也不高。用提词匠这种单次上传的工具，只能一条条处理，不太适合大批量场景。

最后几点建议

回想我第一次整理网课视频的场景：五十多个小时的录播课要转成文字笔记，一开始手动边听边打，两天才弄完一门课。后来用不同工具轮着试，摸索出一个小工作流：长视频用剪映或Whisper先跑粗稿，零散的短视频用提词匠随拍随转，需要带时间轴的字幕文件再回剪映导出SRT。三个月下来，差不多把两年的课程笔记都整理完了。

没有哪个工具能覆盖所有场景——在线工具方便但隐私有限，本地工具安全但需要配置，手机方案最快但不太适合大文件。关键是先判断你手头的视频属于哪种情况，再选对工具，而不是在工具之间来回试错。希望这篇文章能帮你少走弯路，把时间花在真正的文案整理上，而不是纠结于“用什么软件”这件事。