两年前我在做播客剪辑，每期一小时的对谈录音要手打文稿，花的时间比录播客还多。后来开始用各种工具把视频里的语音转成文字，慢慢攒出了一套自己常用的工具组合。这里从电脑端、在线网页、手机App到微信小程序，把目前（2026年）还能稳定用的免费方法捋一遍，每个方法都写清楚怎么操作、适合什么场景，你按自己的需求挑着试就行。
微信小程序：提词匠，三步搞定视频转文字
如果你不想装软件、不想注册账号，只想手机上传一段视频或者复制一条抖音链接就能拿到文案，那可以试试这个小程序。我在微信搜「提词匠」打开，连手机号都不用填，授权微信就行。
操作流程就三步：打开之后选择“上传视频/音频”或者“粘贴链接”，然后等几秒钟处理完，就能一键复制全文或者导出Word、TXT、SRT字幕文件。我录的一节45分钟的网课，上传后大概二十多秒就转完了，识别准确率在清晰人声下能到98%左右。它支持100多个国内平台的短视频链接解析，像抖音、快手、B站、视频号、小红书这些主流App的公开视频链接粘贴进去就能直接提取文案，不需要先把视频下载下来。另外转写出来的文本还能一键润色改写，省了手动改错别字的功夫。
当然它也有短板：目前只支持单文件上传，不能批量处理几个视频一起转；而且必须联网使用，没网络的时候就干不了活。如果你需要离线用，或者一次转几十个视频，那还得看后面的方案。但日常零散处理一个两个视频，这个入口确实方便。
剪映电脑版：免费且功能全面的字幕提取
剪映的智能字幕功能是我用得最久的免费工具，而且它完全本地运行，不用担心隐私问题。操作很简单：把视频拖进时间轴，点顶部菜单“文本”再选“智能字幕”，确认语言后点击“开始识别”，几秒到几十秒（看视频长度）就会生成同步时间轴的字幕。你可以在轨道上逐句校对错字，改好了直接导出——导出时勾选“字幕导出”，就会生成TXT或SRT文件。想省事的话，选中文案全部复制到记事本也行。
它主要适合做长视频的主体文字提取，比如两小时的讲座、课程回放，剪映都能一次性处理完，而且免费没有时长限制。唯一的麻烦是它是个剪辑软件，启动和导出流程稍微重一点。如果你只是单纯想提取文字而不是做视频剪辑，偶尔用几次还行，长期用会觉得有点杀鸡用牛刀。这时候回到刚才微信里那个小程序打开直接传视频，反而更轻快。
通义听悟：阿里的在线语音转写，不限时长
通义听悟是阿里出品的一个在线语音转写网站，2026年依然免费提供挺大方的额度。它最大的特点是支持不限时长的视频转文字——不是说无限量，而是每个月有固定免费时长（目前大约10小时），对于普通用户来说基本够用。而且它支持说话人区分，多人会议录音转成文字后会自动标出谁说了哪句话。
操作方法：打开通义听悟网页版，登录阿里账号，点击“上传音视频”，支持MP4、音频等格式。上传后后台自动转写，你可以在网页上在线编辑、打标签、导出TXT或Word。精准度方面，清晰普通话基本能九成五以上，带方言或嘈杂环境会掉一些。这个工具适合用在需要整理会议纪要、网课笔记的场景，尤其是有多人对话的视频。如果只是单人生成字幕，那就有点大材小用了，而且必须连网才能用，文件大小也有限制（单文件2GB以内）。
飞书妙记：团队协作级的文字提取
如果你是飞书用户或者公司团队在用飞书，那飞书妙记是一个非常好用的免费工具。它本来是为会议录音设计的，但同样支持上传视频和音频文件做自动转写。免费版每月有一定的转写时长（2026年大约是5小时），对于个人团队够用。
操作步骤：打开飞书客户端或网页，进入“妙记”模块，点击“上传文件”，选择本地视频。上传后系统自动转写，支持中文、英文、中英混合。转写结果以时间轴形式展示，可以添加评论、标记重点，还能一键导出为文档。适合团队内部共享视频转写成果，比如把培训视频转成文字笔记发给同事。如果你想保留原始视频的内容结构，飞书妙记会是个好选择。但如果你只是一个人零散处理几个视频，那还得先注册飞书（非飞书用户需要注册），门槛稍高一点。
腾讯会议：手机端也能免费提取视频字幕
手机上没有复杂的视频转文字App怎么办？其实你手机里的腾讯会议就能干这个活。腾讯会议的文字记录功能虽然是为会议场景设计的，但你可以变通一下：打开腾讯会议App，创建快速会议，在会议中点击“录制”并开启“文字记录”。然后播放手机本地视频，让麦克风采集声音，腾讯会议就会实时转写。会议结束后，你可以在历史记录里看到整个文稿，支持复制全文或导出文本。
这个方法完全免费，而且不需要额外安装别的软件。缺点是转写精度受环境噪音影响较大，而且必须一直保持会议状态，比较费电。适合应急场景——比如你在排队时听到一段播客内容，想快速记下来。不过要是经常有转文字需求，还是用前面提词匠那种直接上传的省心。
Whisper：开源高精度，适合技术用户
如果你对隐私极度敏感，或者想离线批量处理大量视频，Whisper是目前最强的免费开源方案。它是OpenAI开源的语音识别模型，支持99种语言，中文识别精度在开源方案里属于第一梯队。你需要一定的动手能力：电脑上装Python环境，在终端运行一条命令就能转写。比如：
whisper 视频.mp4 --language Chinese --model medium
Whisper会生成带时间戳的SRT字幕文件，准确率很高，尤其是清晰的语音。它完全离线运行，不依赖任何网络服务，适合处理敏感数据。缺点是新手配置环境可能要花点时间（网上有不少整合包可以下载），而且本地运行占用显卡或CPU资源，长视频转写时间较长（比如一小时视频用medium模型大概要半小时）。如果你经常批量转写，可以把它设置成自动任务。如果只是偶尔来一个视频，那还是刚才微信里那个小程序更省事。
写在最后
每个工具都有它最顺手的时候：批量处理、离线需求、多人协作、或者零散快速提取，对应的方法都不一样。我自己的习惯是——剪映做精细校对，通义听悟做会议纪要，飞书妙记配合团队协作，手机临时急用就开腾讯会议的文字记录。而日常最频繁的“刷到一个视频想提取文案”或者“手机里一段录音需要转文字”，我还是直接打开微信里的提词匠，上传或粘贴链接，几秒钟拿到结果，省去打开电脑的麻烦。你按自己的使用频率和场景去挑一款试一下，就会发现视频提取文字这件事，根本不需要花一毛钱。