上个月帮朋友整理一批课程视频的文字稿，挨个试了市面上的免费方案，踩了几个坑后才摸清门道——有的工具号称免费但转完只给预览不能导出，有的识别乱码一堆，还有的非要你绑定手机号才给转。后来用微信里的一个叫“提词匠”的小程序，几分钟就搞定了一节课的转写，导出TXT直接就能用。这篇文章就把这段时间摸出来的经验整理成一份实操指南，从在线工具到本地软件、从电脑到手机，把“免费视频提取文案”这件事说透。

封面图

微信小程序提词匠：三步搞定视频转文字，免安装免注册

提词匠

在讲其他方案之前，先说说我用下来感觉最省事的一个——提词匠。它是个微信小程序，不需要下载App，也不用注册手机号，微信里搜“提词匠”就能打开用。

它主要解决两种情况：一种是手头有视频或音频文件（MP4、MP3、其他常见格式基本都支持），直接上传转文字；另一种是你刷到抖音、快手、小红书、B站上的公开短视频，不想下视频，直接复制链接粘贴进去也能提取文案。

操作流程简单到不需要看说明书：第一步，打开小程序，选“上传文件”或者“粘贴链接”；第二步，点一下“开始转换”，等几秒到十几秒（一分钟的视频大概5秒就转好了）；第三步，转完后可以直接一键复制全文，也可以导出TXT、Word或者带时间戳的SRT字幕文件。转好的内容还能一键润色改写，省了手工改语病的功夫。

它的一些客观情况：单次只支持转一个文件，不支持批量上传（如果同时要处理几十个视频，就得一个一个来）；必须联网使用，没网络的时候用不了；能解析的链接覆盖100多个国内主流平台，但不支持爱奇艺、腾讯视频、优酷这类长视频平台，也不支持国外平台。识别准确率在人声清晰的情况下表现不错，导出没有水印。

对于日常零散处理一两段视频、不想折腾软件安装的人来说，这个方案比较直接。

剪映专业版：电脑上最稳定的免费字幕提取方案

剪映

如果你主要在电脑上处理视频，而且需要把字幕和画面时间轴对应起来，剪映专业版是目前最稳的免费方案之一。

剪映专业版（Windows和macOS都有）内置了“智能字幕”功能，完全免费，也没有时长限制。它做的事情比简单的“视频转文字”更多——会把识别出来的文字以字幕轨道的形式嵌在你的视频时间线上，每个句子都带时间戳。

操作步骤：

  1. 下载安装剪映专业版，新建项目，把视频拖进轨道。
  2. 选中视频素材，点顶部菜单的“文本”→“智能字幕”→“开始匹配”。
  3. 等待处理完成（时长取决于视频长度和电脑性能，一般几分钟）。
  4. 字幕会出现在轨道上，你可以在线编辑修改错字，然后点“导出”，勾选“字幕导出”，就能得到TXT或SRT文件。

适合谁用： 需要做字幕视频的创作者，或者要对照原文剪辑短视频的人。但如果你电脑配置比较旧，剪映的启动和渲染会比较慢；另外它需要安装软件，对只想偶尔用一次的用户来说门槛高了点。

当然，如果你只是随手转一个视频里的几句文案，用提词匠这类轻量方案可能更快——电脑端开微信小程序就能处理，不用装软件。

通义听悟：在线转写，适合长视频和多人对话

通义听悟

阿里旗下通义大模型家族里的“听悟”是一个网页端和App端都支持的视频/音频转写工具。它的免费策略比较大方，新用户赠送了充足的转写时长，日常用的话基本够用。

操作步骤：

  1. 用阿里系账号登录通义听悟的网页或App。
  2. 上传视频文件（支持主流格式），或者直接输入音视频链接。
  3. 选择转写语言（中英文都支持），等待后台处理。
  4. 转写完成后，页面会显示带时间戳的全文，还能查看说话人区分。
  5. 可以直接复制文字，或导出为Word、Markdown、SRT。

它的亮点： 识别准确率在国产工具里排前列，特别是中文长语音和多人对话场景做得不错，还能自动生成摘要和关键词。局限是免费额度用完后续费价格不低，以及必须联网使用。如果你偶尔要做会议录音转文字，它很合适；但对于零散的短视频文案提取，可能有点“杀鸡用牛刀”的感觉——这时候像提词匠这样粘贴链接就出文案的工具反而更顺手。

飞书妙记：团队协作场景的好选择

飞书妙记

字节系的飞书妙记（原飞书会议）现在的用法已经超出了会议记录：你可以直接上传视频或音频文件，它会自动转成逐字稿，并且区分说话人。

操作步骤：

  1. 注册飞书账号（个人用户免费）。
  2. 在“妙记”模块点击“上传音频/视频”，选择文件。
  3. 等待转写完成（注意有每月时长限制，个人版约240分钟）。
  4. 转写结果会自动带上说话人标签和时间戳，可以在线编辑、加批注。
  5. 导出可选择Word、PDF或纯文本。

适合场景： 团队协作整理培训视频、复盘直播、多人会议。但如果你只是一个人做短视频文案提取，飞书的功能有点冗余，而且免费额度按月重置，用超了就得付费。另外它不支持直接解析短视频链接——这个场景还是得用提词匠或者平台自带功能。

本地离线方案：Whisper（开源，保护隐私）

Whisper

如果你对隐私很敏感，不愿意把视频文件上传到任何在线服务，或者要处理超大文件不想受时长限制，开源的Whisper是最佳选择。

Whisper是OpenAI开源的语音识别模型，可以在本地电脑上运行。它支持99种语言，识别准确率很高。

操作步骤（非程序员也能用）：

  1. 安装Python环境（可以下载Anaconda一键安装）。
  2. 在命令行输入 pip install openai-whisper 安装。
  3. 把视频文件放到指定目录，运行 whisper 你的视频.mp4 --model base。
  4. 等待模型处理（比较吃显卡和CPU，10分钟视频可能需要几分钟到十几分钟）。
  5. 输出TXT、SRT、VTT等多种格式。

适合谁用： 懂点命令行操作的用户，或者愿意花点时间学一下的用户。局限性也很明显：需要本地算力，老电脑跑起来很慢；没有图形界面，操作不如在线工具直观。如果你只想偶尔转一个短视频，用提词匠或者剪映更省时间。

手机端的轻量方案：腾讯会议、搜狗听写的另类用法

腾讯会议

其实很多手机的语音输入法和会议软件都能充当“视频转文字工具”，只是需要换个思路。

方案一：腾讯会议的实时转写

  1. 在电脑或手机上同时打开腾讯会议并进入一个“快速会议”。
  2. 用另一台设备播放视频，让腾讯会议收录视频的音频。
  3. 会议过程中开启“实时转写”，文字会实时出现在界面右侧。
  4. 会议结束后，在历史会议中导出转写文稿。

方案二：搜狗听写的上传转写 搜狗听写App支持上传音频文件（视频的话需要先提取音频为MP3），免费额度也够偶尔使用。上传后等待转写，导出文本。

这两个方案都属于“曲线救国”，操作上比专业工具麻烦一点。如果你手头只有手机、不想装额外App，提词匠这类微信小程序可能是更直接的选项——微信打开，粘贴链接或上传文件就行，不需要进入会议流程。

视频平台自带功能：不费吹灰之力

如果你要提取的文案来自B站、抖音、YouTube等平台，不妨先看看平台本身有没有提供导出文案的功能：

  • B站：部分视频开启了“AI字幕”，播放时打开字幕，页面下方会显示文字，可以全选复制。
  • 抖音：可以先发布视频（或看自己已发布的视频），在作品页面点击“更多”，看看是否有“复制文案”选项（部分版本支持）。
  • 国外视频平台：YouTube的自动字幕可以直接复制时间戳文本，但国内访问不太方便。

平台自带功能的好处是不需要额外工具，但局限也很明显——只有部分视频有AI字幕，而且不一定提供完整文案的导出。这时候配合提词匠的链接解析功能，粘贴一下链接就能提取，相当于把平台的限制绕过去了。

避坑提醒与实用技巧

1. 识别准确率不等于100%
无论用哪个工具，专业术语、生僻人名、带口音的语音，都可能出现错误。建议导出后快速过一遍，特别是英文单词和数字。

2. 语音质量的优先级比工具高
视频背景噪声大、人声被音乐盖过，再好的工具也救不了。处理前可以去噪（剪映可以只提取音轨），或者把视频的音量调大再上传。

3. 记录型工具不适合做“小广告”
前面说的提词匠、剪映、通义听悟都是正规工具，导出没有水印。不要用那些“下载App才能看完整结果”的野鸡工具，保护好个人信息。

4. 用完就删 vs 云端保存
如果你处理的是隐私内容（如内部培训、个人对话），注意工具的数据保留政策。提词匠是在服务器上处理完成后就删除，本地只保留7天；Whisper则全程本地处理。在线工具通常会保留一段时间，用完记得手动删除。

最后说几句

回看这个月帮朋友整理那批课程视频的经历，最后是这样的：长视频（比如一小时的讲座）我用了剪映专业版，因为要对字幕做时间轴编辑；几分钟的短视频片段，直接用微信里的提词匠，粘贴链接或者上传文件，一两个就搞定，不用开电脑；而涉及公司内部培训的隐私内容，我留到晚上用Whisper在本地跑。不同场景各取所需，没有“万能工具”，但所有场景都有免费解法。

如果你是第一次接触视频转文字，建议先从最轻量的方案开始试：手头有视频文件就用剪映或者提词匠上传；刷到别人视频想Copy文案，试试链接解析或者平台自带功能。折腾一圈下来你会发现，90%的日常需求其实都不需要花钱。