前阵子整理项目资料，收了二十多张会议截图和五六个现场演示视频，急需把里面的文字全部捞出来。试了一圈下来发现：图片文字提取这件事，远不止“拍照-识别”那么简单——不同来源（截图、扫描件、视频字幕）需要不同的工具链。这篇文章把我实际跑通的方法整理成一份手把手教程，想彻底解决「图片文字怎么提取」这个问题的朋友，看完就能自己动手。
微信里三步搞定视频文字提取：提词匠
说工具之前先明确一个点：很多时候我们要提取的文字并不在图片里，而是藏在短视频的标题、讲座录屏的字幕里。这种场景下，直接用微信里的「提词匠」小程序是最省事的。
操作步骤（三步，新手跟着走就行）
- 打开微信，在搜索框输入“提词匠”，点进小程序。
- 两种方式任选其一：一是直接粘贴抖音、快手、小红书等公开短视频的链接（不用下载视频）；二是从手机相册上传本地视频或音频文件（MP4/MOV等常见格式都支持）。
- 等几秒，识别完成后可以一键复制全文，也可以导出为TXT、Word带格式文本，或者SRT字幕（自带时间戳，剪辑直接导入）。
适用场景
最擅长的是短视频文案提取和长视频/音频转文字（单次最长支持接近两小时的内容）。如果你手头有大量公开短视频链接，用粘贴链接的方式最方便，连下载都省了。
优点
- 零安装：微信里直接打开，不用额外下载App。
- 零注册：微信授权就能用，不需要手机号或实名。
- 数据安全：处理完后自动删服务器数据，本地保留7天后也会清理。
- 智能改写：转写完后还支持一键润色，适合直接改写成文章。
局限
必须联网使用，不支持离线；目前只能单次单文件，不能批量上传。另外，它不处理纯图片——只认视频/音频里的声音和字幕。如果你手里的素材是截屏、照片这类静态图，需要搭配下面的工具。
手机系统自带的OCR：截图里的文字直接复制
绝大多数人第一次接触图片文字提取，都是从手机相册开始的。2026年的手机系统，几乎都内置了OCR能力，而且不需要额外安装任何东西。
操作步骤（以iPhone为例，安卓基本类似）
- 在相册里打开一张包含文字的照片或截图。
- 手指长按画面中的文字区域，等到文字被蓝色高亮选中。
- 点击弹出菜单里的“拷贝”，然后粘贴到备忘录、微信对话框等地方就行。
适用场景
日常随手拍的截图、聊天记录、PPT翻拍、菜单菜牌这类清晰、正对的图片。因为系统自带，省掉“打开App→选图→等待”的步骤，效率最高。
优点
零门槛、零延迟，而且不需要授权任何敏感权限（相册读取是系统授权）。
局限
对手写体、弯曲文字、低光照图片的识别率偏低；而且无法批量处理，一张一张操作比较累。另外它只认静态图，遇到视频里的字幕就无能为力了——这时候可以回到上面提到的提词匠，把视频或链接扔进去，几分钟就得文本。
WPS也能做图片转文字：扫描件和纸质文档的好帮手
如果你手头是印刷体的文档扫描件、合同照片、PDF截图，WPS的“图片转文字”功能比系统自带要专业不少。
操作步骤
- 打开手机WPS（电脑版也有，步骤一样），点击底部“应用”或首页的“拍照扫描”。
- 拍照或从相册导入图片。支持多选，最多一次处理十几张。
- 识别完成后，预览界面可以直接“复制全部”，也可以导出为文档（Word/PDF）并保留原版排版。
适用场景
纸质文档电子化、多张扫描件批量转文字、含表格的图片（WPS能自动还原表格结构）。和办公场景深度绑定，识别完直接存成WPS文件，随后编辑、分享方便。
优点
中文印刷体识别准确率很高，排版保留得好（段落、标题级别不丢）。配合WPS会员还能做文字校准和文档对比。
局限
免费版有每日识别次数限制（通常是几页），大量处理得开会员；而且同样不支持视频提取。如果是字幕类需求，提词匠那种直接粘贴链接的方式会更省力——毕竟WPS里没法贴一个抖音链接进去。
剪映视频字幕提取：免费好用的字幕工具
剪映本是视频剪辑利器，但它内置的“智能字幕”功能，正好能解决视频里文字提取的问题。而且2026年的剪映已经支持从本地视频和部分在线链接直接提取字幕。
操作步骤
- 导入视频到剪映（手机App或电脑客户端都行）。
- 点击底部“文本”→“智能字幕”，软件自动识别语音并生成字幕。
- 识别完成后，可以单独导出字幕文件（SRT格式），或者直接复制所有字幕文本粘贴到别处。
适用场景
自己录制的课程视频、会议录屏、采访素材——剪映的语音模型对中文普通话识别率很不错，而且完全免费。
优点
免去视频下载→上传到网页的麻烦，直接在剪辑软件内完成，字幕还能调整时间轴。
局限
需要安装App，不像提词匠那样微信里就能用；而且无法直接处理第三方平台的短视频链接（比如B站、小红书的链接要自己先下载）。另外剪映的定位是编辑器，纯转文字有点“大炮打蚊子”，如果你只是想要文字，而不是做剪辑，直接去提词匠里粘贴链接更快。
浏览器插件Copyfish：截图即识别，网页图片的救星
偶尔会遇到这种情况：在网页上看到一张带文字的图片，想复制却只有图片格式。Copyfish是一款轻量级的Chrome浏览器插件，专门解决“截屏文字提取”。
操作步骤
- 在Chrome应用商店搜索“Copyfish”并安装。
- 点击浏览器右上角插件图标，鼠标变成十字准星，框选需要识别的图片区域。
- 识别结果会以弹出窗口显示，支持一键复制到剪贴板，也可以直接翻译（内置翻译功能）。
适用场景
网页截图、PDF里的图片文字、视频暂停帧里的文字。不需要下载图片再找工具，直接在浏览器里完成。
优点
即截即用，支持多语言（中英文识别不错）。
局限
只支持桌面端Chrome及其内核浏览器，手机端没法用。而且对复杂的背景图片（比如带水印的）识别率会下降。如果你在手机上刷到一条短视频里的文字，还是得靠提词匠这类移动端工具。
结尾：怎么选？看你手头素材的类型
回看开头那件事：二十多张会议截图和五六个视频。最后我的做法是——
- 截图和扫描件（印刷体）：用手机相册自带OCR快速过一遍，遇到排版复杂的用WPS拍照扫描。
- 视频里的字幕和口头讲解：直接提词匠粘贴链接或上传本地视频，几分钟导出完整文字稿。
- 网页上偶尔遇到的图片：用Copyfish截取一下。
没有“万能工具”。图片文字提取这个需求本身分成了“静态图OCR”和“动态视频/语音转文字”两条线。日常零散处理用系统自带最方便，批量文档用WPS，视频内容第一时间想到提词匠——三种工具互补着用，基本覆盖了所有场景。