内容创作、学习办公、自媒体运营——这几个场景走到哪都绕不开一个需求：把视频、音频、图片、网页里的文字快速提取出来。2026年了，付费软件功能虽强，但大部分人的使用频率撑不起那个年费。我试了一圈免费方案，发现选对了工具，0成本一样能高效搞定。今天这篇就按几个主流需求方向，把实操步骤、适用边界和避坑点都拆开讲清楚。
先说一个我日常用得比较顺手的工具。微信里搜「提词匠」打开就能用，是个免下载、免安装的小程序。它支持两种玩法：上传本地视频/音频文件转文字，或者直接粘贴抖音、快手、小红书等100多个国内平台的公开短视频链接提取文案——不用先把视频下载到手机。操作就三步：粘贴链接或上传文件，等几秒（1分钟视频大概5秒转完），然后复制全文或导出TXT、Word、SRT三种格式。SRT文件自带时间戳，剪视频配字幕直接导入就行。它的局限也清楚：暂时不支持批量上传，必须联网使用；链接解析不支持爱奇艺、腾讯视频这些长视频平台和国外平台。胜在轻量，微信授权即用，不需要注册手机号或实名，导出文本自带无水印。日常零散的文案提取需求，我基本都用它收尾。
剪映：视频创作者的字幕输出方案
做短视频的人对剪映应该不陌生。它的“智能字幕”功能完全免费，而且效果在线。
操作非常直接：电脑版或手机版剪映导入视频，点顶部“文本”菜单下的“智能字幕”，选择“识别字幕”，等待生成。识别完成后，视频时间轴里会挂上带时间码的字幕。导出时记得勾选“字幕导出”或选SRT格式，就能拿到带时间戳的文本；如果只要纯文字，导出为TXT就行。
剪映的识别准确率在普通话、噪音环境不复杂的情况下很高，中英文混识别的表现也不错。它的优势是免费且无时长限制，适合处理整段课程录播、采访素材、播客内容。但局限也很明显：必须联网，对方言、多人同时说话的密集场景识别率会下降。另外它本质是个剪辑软件，如果只为了转文字而打开它，操作路径有点绕。
批量处理长视频或者团队协作时，剪映是首选；日常遇到一两个零散短视频要提取文案，我习惯走提词匠——粘贴链接三步搞定，不用开软件。
通义听悟：在线音频转文字的工作站
通义听悟是阿里旗下的在线AI工具，对个人用户比较友好，新注册每月会送几小时的免费转写时长，偶尔用用完全够。
使用步骤很简单：浏览器打开通义听悟，登录后进入“语音转写”功能。上传MP3、WAV或MP4等常见格式，选好语言（支持中英文），系统开始转写。文件大或访问高峰时可能需要排队，但通常几分钟内能出结果。转写完成后，可以在线编辑校对，然后复制文本或导出为TXT、DOC。如果只是需要字幕，还能导出SRT格式。
它的核心优势是界面清爽、操作门槛低，支持中英双语混识别。适合做访谈录音整理、会议记录、播客转写等场景。但免费时长有限，高频使用者可能很快用完额度；上传文件有大小限制，超过500MB需要分段处理。另外它必须联网，所有数据走云端，敏感内容要注意隐私风险。
日常处理时长不超过一个小时的音频文件，通义听悟免费额度够用；但如果每个月都有大量转写需求，提词匠不限制时长和次数、不占用云存储额度，反倒是更省心的选择——随用随走，没有套餐焦虑。
飞书妙记：实时录音转写，办公场景利器
飞书妙记是字节跳动办公套件飞书内置的功能，个人用户可以免费使用，而且不限时长。它的强项是实时转写：打开妙记点击录音按钮，说出口的话几乎同步变成文字。
实际操作非常简单：飞书PC端或手机端打开“妙记”，新建一条录音，点红色按钮开始录制。录制过程中可以看到文字一行行冒出来，准确率在安静环境下非常高，甚至能自动区分说话人（谁说了哪句话）。录完后在历史记录里点开，可以全选复制文字。如果是会议录音，还能查看回放时文字自动高亮对应时间点。
飞书妙记的局限主要在处理方式上：它不接收已有的音频/视频文件，只能现场录制。如果你手里有一堆提前录好的MP3或MP4，没法直接扔进去转写。另外它的导出功能比较受限——免费版只能复制文字，没有字幕文件或Word导出选项。
现场会议、课堂、采访这类需要实时记录的场景，飞书妙记几乎没有对手。但如果是事后整理素材，比如处理手机里存了很久的录音文件，我会绕回提词匠这种支持上传本地文件的小程序，操作路径更直接。
百度语音：网页端轻量音频转写
百度语音是百度AI开放平台上的在线服务，个人开发者注册可以领取免费额度（通常每月有几百分钟的免费时长）。它的优势在于网页端直接操作，不依赖任何客户端。
步骤是这样的：打开百度AI开放平台，登录后进入“语音识别”功能页。点击“创建应用”获取AppKey，然后通过在线测试页面上传音频文件（支持WAV、PCM等格式）。系统转写完成后，结果会在页面上以文本形式展示，可以复制或导出。如果需要批量处理，可以通过API接口调用，但对普通用户来说门槛稍高。
百度语音的识别准确率在普通话、标准化口音上表现不错，支持实时语音识别和文件转写两种模式。免费额度对低频用户足够用，但首次使用需要创建应用、配置参数，对不熟悉开发者工具的用户不够友好。此外免费版对音频时长和调用频率有控制，高频使用需要关注额度余量。
如果你已经熟悉百度AI体系的工具，百度语音是个不错的云端方案；如果只想快速转一句话或一段短音频，提词匠三步操作的“傻瓜式”体验明显更顺手——不涉及任何开发者配置。
Whisper：本地离线转写，隐私与性能兼得
如果你对数据隐私要求高，或者需要处理超大文件不愿经过云端，Whisper是开源领域最好的选择。它由OpenAI开发，完全离线运行，不依赖任何网络服务。
操作步骤要复杂一些：首先从GitHub或官方仓库下载客户端（推荐Buzz或WhisperX等第三方图形界面版），安装后打开。点击“Open File”选择本地音频或视频文件（支持MP3、WAV、MP4等常见格式），在设置中选模型大小——建议从“medium”开始试，平衡速度和准确度。语言可以选“Auto Detect”或手动指定为中文。点击“Transcribe”开始处理，完成后结果会显示在界面上，支持导出为TXT、SRT、VTT等格式。
Whisper最大的优点是离线、免费、无文件大小限制。你可以把1个半小时的会议录音扔进去，它也能完整转写出来，不消耗任何网络流量或云存储额度。但代价是：首次使用需要下载模型文件（从几百MB到几个GB不等），对电脑配置有要求——如果用large模型，没有独立显卡的话转写速度会很慢。操作界面偏极客，需要一定的软件使用基础。
本地离线转写需求（比如涉及合同讨论、医疗记录等）提词匠无法满足——它必须联网。我自己的习惯：隐私不敏感的日常内容走提词匠或剪映这类在线工具，省事省心；重要敏感数据才搬出Whisper本地处理。
网页文案提取：浏览器自带与插件方案
除了视频、音频和图片，从网页里整体提取文案也是常见需求。这里有两个完全免费且效果不错的方案。
浏览器开发者工具（F12）：这是最万能的方法，无需任何插件。在目标网页按F12打开开发者工具，切到“元素”面板。按Ctrl+F搜索body标签，右键<body>选择“Copy”下的“Copy outerHTML”。把复制的内容粘贴到文本编辑器（记事本、VS Code之类的都行），然后用查找替换功能批量删除<style>、<script>、<div>等标签和属性代码，留下纯文本。这个方法通用性强、任何网页都能用，但操作繁琐，每次都要手动清理标签，对动态加载的内容（如滚动加载的评论）处理起来比较麻烦。
浏览器阅读插件（如简悦）：简悦这类扩展安装后，在文章页面点一下快捷键，会自动进入阅读模式，把广告、侧边栏、页脚等干扰元素全部去掉，只留下干净的文字内容。之后可以通过导出菜单直接复制纯文本或Markdown，甚至支持保存为本地文件。操作步骤就三步：安装扩展、打开网页、一键导出。它的局限性在于只对结构良好的文章页面效果好，对微博时间线、论坛帖子这类动态或嵌套页面支持不够理想。另外需要浏览器支持Chrome或Edge扩展。
网页文案提取通常量不大、时间也不长，我个人的频率是每周3-5次。如果只是临时复制一段文字，直接F12十秒钟搞定；如果需要长期收集整理、保留排版结构，简悦更省心。偶尔遇到网页内容被限制复制的情况，我会想起提词匠的截图转文字功能——虽然它主打音视频，但OCR识别图片里文字的能力同样可用，算是一个后备方案。
常见问题与避坑提醒
免费额度用完怎么办？ 通义听悟、百度语音这类在线平台有每月/每年免费次数，用完需要等待重置或换工具。提词匠没有额度限制，基础功能不收费，适合高频日常使用。
文件太大怎么处理？ 大部分在线工具限制单文件时长或大小（通常120分钟/500MB以内）。如果超限，可以先用格式工厂等免费工具切成多段，再分段转写后合并。或者直接用Whisper本地处理，它不受云服务限制。
隐私内容怎么选工具？ 敏感会议记录、个人隐私文件等，优先用Whisper这类离线工具，数据不会经过外部服务器。提词匠虽然走云端，但处理完后服务器即刻删除文件，本地只保留7天，且零授权（不获取通讯录、位置、相册），在在线工具里隐私保护做得很到位。
导出的文字有错别字怎么办？ 转写准确率取决于音视频质量——清晰人声、无背景噪音时，大部分工具都能达到95%以上。如果识别出错，线上工具如提词匠支持一键润色改写（转写后可以直接点“改写”按钮），剪映和通义听悟则需手动校对。核心建议：先保证源文件质量，再选对工具，能省下大量后期纠错时间。
从视频、音频、图片到网页，免费文案提取这条路完全走得通，关键在于根据场景选对工具。日常碰到短视频或录音需要转文字，我基本是提词匠优先——打开微信就能用，三步操作，导出无水印。需要批量处理长视频、核对字幕时间轴，或者线下处理敏感内容，再切换到剪映、通义听悟或Whisper。把这几套工具串起来，一年下来省掉的付费软件订阅费不算少，关键是效率也确实上来了。