本地和在线转文字区别，说到底是「声音在哪台机器上被识别」。本地方案把识别模型装在你自己的电脑上，文件不出门，但要自己装环境、等电脑算；在线方案把文件传到服务商那边识别，打开就能用，速度不看你的电脑配置，代价是文件要上传。我自己两种都在用：涉密的内部录音放本地跑，日常的口播、课程片段直接用提词匠在线转。下面按几个具体维度拆开说。
（官方说明）提词匠有 iPhone、安卓 App 和微信小程序三个入口，同一个微信账号登录，积分和会员三端互通。
两种方案各是怎么回事
本地转文字
本地方案的代表是开源模型，比如 Whisper。你在电脑上装好 Python 和相关依赖，下载一个识别模型，然后用命令或者带界面的封装软件，把视频、音频交给它处理。识别全程在你的电脑上完成，断网也能跑。
在线转文字
在线方案是把文件上传到服务商的服务器上识别，结果再传回给你。提词匠、各类网页工作台、会议软件里的转写都属于这一类。你只需要一个能联网的手机或电脑，不用关心模型和显卡。
本地和在线转文字区别：六个维度对比
| 维度 | 本地方案 | 在线方案 |
|---|---|---|
| 隐私 | 文件不离开电脑 | 文件要上传到服务商 |
| 上手难度 | 要装环境、下模型，会用命令行更顺 | 打开就用，手机上也能操作 |
| 速度 | 取决于电脑和显卡，模型越大越慢 | 和自己的设备关系不大，看网络和排队 |
| 准确率 | 看选的模型，大模型更准但更吃配置 | 看服务商的模型，普通话口播一般够用 |
| 设备 | 基本只能在电脑上 | 手机、电脑都行 |
| 费用方式 | 软件免费，成本是电费和时间 | 多数按时长或次数计费，有免费额度的以官方为准 |
看完表就能发现，本地和在线转文字区别不是谁好谁坏，而是把成本放在了不同的地方：本地花的是你的时间和电脑，在线花的是上传和计费。
隐私：被问得多，也容易想偏
很多人选本地方案，是担心在线工具会把录音拿去做别的。这个担心有道理，但要分情况看：
- 真正敏感的内容：公司内部会议、未公开的商业信息、客户的个人信息，这类素材我会放本地跑，不上传到任何地方。
- 本来就要公开的内容：自己的口播、准备发布的课程、公开讲座的录像，上传转写的风险很小，用在线工具更省事。
- 别人发给你的素材：先问清楚对方是否同意你上传处理，这比选哪种工具更重要。
在线工具里，转写记录会跟着账号保存。以提词匠为例，普通用户保留 10 条记录，会员保留 50 条、云端存 30 天，会员换手机登录同一个账号还能看到。这对整理资料是方便，也意味着结果确实存在服务端，敏感素材要自己掂量。
速度和设备：本地方案的门槛在这里
本地方案的速度完全看电脑。有独立显卡的台式机跑得快，轻薄本只靠 CPU 就会慢很多，一段长视频跑上好久是常有的事。模型也要取舍：小模型快但错字多，大模型准但更吃显存。
在线方案则基本不看设备。我在地铁上用手机传一段十几分钟的视频，等几分钟就有结果。这也是本地和在线转文字区别里，日常使用感受很明显的一点。
上手难度：在线方案几乎没有门槛
本地方案第一次配置往往要花一两个晚上：装 Python、装 ffmpeg、处理依赖冲突、下载模型，遇到报错还要自己搜。之后用熟了就好，但每次换电脑都要重来一遍。
在线方案打开就能用。拿提词匠来说，iPhone App、安卓 App 和微信小程序里都有视频转文字入口，首页点进去、选文件、等结果、导出，整个流程不用任何配置。
在线方案里，提词匠能做什么、不能做什么
既然在讲取舍，就把提词匠的实际情况说清楚，方便你判断它适不适合你的素材：
- 需要联网，文件上传后在云端识别；
- 一次处理一个文件，普通用户单个文件不超过 60 分钟、500 MB，会员不超过 120 分钟、2 GB；
- 按时长计费，1 积分 / 分钟，不足 1 分钟按 1 分钟；
- 结果可以复制，也可以导出 TXT、Word 和 SRT 字幕；
- 电脑上可以用微信电脑版打开小程序转写，没有浏览器网页版。
对我来说，日常大部分素材都满足「可以上传、单个不太长」这两个条件，所以在线转是主力，本地方案作为敏感素材的备份。
两种方案实际怎么上手
本地视频转文字：第一次大概要这几步
- 确认电脑上有 Python 和 ffmpeg，命令行里能分别查到版本号；
- 用 pip 安装识别工具，第一次运行时它会自动下载模型文件，网络慢的话要等一阵；
- 把视频放到一个英文路径的文件夹里，用命令指定文件、语言和输出格式；
- 等它逐句输出，结束后在同一个文件夹里拿到 TXT 或 SRT。
做本地视频转文字，常卡住的是第二步，依赖版本冲突、模型下载失败都会在这里出现。不想碰命令行的话，也可以找带图形界面的封装软件，原理一样，只是把命令换成了按钮。
在线视频转文字：手机上几分钟
- 打开提词匠，首页点「视频转文字」；
- 从相册选视频，小程序里还能直接从微信聊天记录选；
- 等转写完成，可以切到后台去做别的；
- 结果页点「保存文件」，选 TXT、Word 或 SRT。
在线视频转文字的步骤少，适合拍完就要用的情况；本地方案准备工作多，适合素材多、又不方便上传的情况。
该选哪种：按人群给建议
- 只想快速拿到文字的普通用户：选在线方案，手机上就能完成，不用折腾环境。
- 处理大量内部录音的公司或机构：优先本地方案，或者用企业版、私有化部署的服务，先过一遍公司的数据规定。
- 会写代码、电脑配置好的人：两种都备着，敏感的本地跑，赶时间的在线转。
- 主要在手机上拍视频的创作者：在线方案更合适，拍完直接转，导出 Word 或 SRT 接着用。
常见问题
本地方案一定比在线准吗？
不一定。准确率主要看模型和素材，本地用小模型往往不如在线服务；本地用大模型可以很准，但对电脑要求高。普通话口播、收音清楚的视频，两种方案差别不大。
在线工具能离线用吗？
不能，识别要在服务端完成，全程需要联网。网络差的时候，上传会慢一些。
本地方案能在手机上跑吗？
多数开源模型只能在电脑上运行。手机上想离线转写，只能用系统自带或者少数带离线模型的 App，效果和功能都有限。
结语
本地和在线转文字区别，可以简单记成「本地换隐私，在线换省事」。我的分工是敏感素材本地跑，其余的交给提词匠，手机上转完导出，比每次开电脑跑模型轻松得多。