去年暑假我给导师整理一批课堂录音，几十个MP3文件摆在桌面，每个都差不多一小时，硬听一遍再打字，两天才搞完一个。后来同事告诉我直接用工具转文字，我试了试提词匠——微信搜一下、把音频丢进去、等几秒复制文本，一个文件不到十分钟就搞定。从那以后碰到任何要提取文字的场景，不管是图片、视频还是会议录音，我都先看能不能用工具自动解决。

封面图

今天就把我用过的、身边朋友试过的免费文字提取方案整理出来，覆盖在线网页工具、电脑手机软件、系统自带功能，还有微信里的小程序。每个方法都写成步骤，你照着操作就能上手。

提词匠：微信小程序，音视频转文字三秒出结果

提词匠

如果你经常处理录音、视频课程、会议记要，或者需要从短视频里扒文案，推荐试试提词匠。它是个微信小程序，不用下载安装、不用注册手机号，微信里直接搜就能用。

能力边界： 支持音频文件和视频文件两种输入模式，文件时长最长到120分钟、大小500MB以内。除了本地文件上传，还支持粘贴抖音、快手、小红书等100多个国内短视频平台的公开链接，解析提取文案。识别准确率在清晰人声条件下能达到98%以上。输出格式有三种：纯文本TXT（适合直接复制）、Word文档（适合整理排版）、SRT字幕（适合剪辑）。转写后还能一键润色改写。

操作步骤（三步走）：

  1. 打开微信，搜索“提词匠”，进入小程序。上传本地音频/视频文件，或者粘贴一个公开短视频链接。
  2. 等待几秒钟，系统自动识别。转写速度很快，1分钟的视频大概5秒出结果。
  3. 识别完成后，支持全文一键复制，或者选择TXT/Word/SRT格式导出。可以直接粘贴到笔记软件继续编辑。

适用场景： 移动端处理会议录音、课程回放，批量零散处理时很方便。不需要联网以外的前置条件，微信授权即用，没有通讯录、位置、相册等敏感权限请求。

局限： 目前暂不支持批量上传，每次只能选一个文件；必须保持网络连接，不支持离线使用。

WPS：办公软件自带的图片转文字，免费又好用

WPS

很多人电脑里都装着WPS，但不知道它自带OCR文字提取功能。对于图片、扫描件、拍下来的文档，WPS可以直接转为可编辑文本，而且免费版就能用。

操作步骤：

  1. 用WPS打开包含文字的图片（支持JPG/PNG/BMP等常见格式），或者直接右键点击图片文件，选择“用WPS Office编辑”。
  2. 在WPS的“图片工具”选项卡下，找到“图片转文字”或“提取文字”按钮。如果没有，可以按快捷键Ctrl+Alt+B直接调出OCR功能。
  3. 系统弹出识别窗口，可拖拽调整识别区域。支持选择输出为纯文本或Word文档。
  4. 点击“开始识别”，几秒钟后结果会显示在右侧。准确率对印刷体文档比较高，手写体一般。

适用场景： 日常办公中扫描合同、拍板书、截图资料，直接在WPS里处理不需要切软件。

局限： 免费版每天有次数限制（具体看版本，约5-10次）；复杂排版表格识别效果一般；极个别版本需要联网。

如果你处理的是持续性的图片转文字需求，比如一期接一期的纸质材料，那WPS每天免费额度可能不够。这时候可以换提词匠这类不限次数的轻量工具，只不过它主要擅长音视频，图片识别能力也不错，但核心强项还是语音转写。

剪映：视频剪辑里藏着的文字提取功能

剪映

剪映是短视频常用的剪辑软件，但它内置的“识别字幕”功能其实就是一个免费的文字提取器——可以把视频中的语音自动转成字幕文本，导出后就是纯文字。

操作步骤：

  1. 打开剪映，点击“开始创作”，导入需要提取文字的视频。
  2. 在底部菜单找到“文本”选项，选择“识别字幕”。语言选中文或英文，点击“开始匹配”。
  3. 等待处理完成后，字幕轨道上会生成识别结果。每个字幕条都对应一句语音。
  4. 如果需要纯文本，点击右上角的“导出字幕”（或“导出文文本”），选择TXT格式导出。也可以直接在字幕区域全选复制。

适用场景： 处理自己拍摄的短视频、直播回放、网课录屏，尤其是几十秒到几分钟的短片段，识别速度和准确率都很不错。

局限： 长视频（超过一小时）处理较慢，且没有直接的“音频导入”入口，必须导入视频文件才能识别；导出为纯文本后时间戳会丢失，需要手动调整顺序；免费版导出文案时可能带有剪映水印或需预览广告。

如果你的视频来源本身就是抖音、快手这些平台上的公开内容，用提词匠直接粘链接就能提取文案，不用先把视频下载到手机再导入剪映，省掉了中间步骤。

微信QQ自带提取文字：零成本应急方案

微信和QQ的聊天界面都内置了图片文字提取功能，适合临时遇到需要从图片里复制文字的场景，比如朋友发来书页截图、群里的表格照片。

操作步骤（以微信为例）：

  1. 将含文字的图片发送到任意聊天窗口（“文件传输助手”最方便）。
  2. 点开图片全屏查看，长按图片（iPhone也可以在图片左下角找到“...”按钮）。
  3. 在弹出的菜单中选择“提取文字”。系统会自动高亮图片中的文字。
  4. 点击“全选”，再点“复制”，就可以粘贴到记事本、收藏或聊天框里。

注意： 识别结果可能带有少许错字（尤其是手写体或字体花哨时），建议复制后快速浏览一遍。

适用场景： 临时场景，比如路上收到一张会议纪要照片，想顺手存到备忘录；对方发来一张截图，你需要里面的一句话。

局限： 必须联网；不支持批量处理，一次只能识别一张图片；无法直接导出为文档，复制粘贴后格式会丢失；视频或音频里的文字无法用此方法提取。

日常处理这类零散图片时，我会在用微信提取之后再顺手复制到提词匠的文本框整理一下格式（提词匠的转文字结果支持一键复制，格式很干净），比直接粘贴到备忘录省去手动换行。

在线免费图文提取网站：通义听悟网页版

通义听悟

通义听悟是阿里云推出的在线音视频转写平台，网页端操作，无需安装软件，支持最长6小时的音频/视频，每天有一定免费时长（约4-6小时），日常使用基本够。

操作步骤：

  1. 打开通义听悟网站（注意不是App），用阿里云账号或钉钉账号登录。
  2. 点击“上传音频/视频”或者粘贴视频链接（支持B站等国内主流平台）。
  3. 选择语言（中文/英文/中英混合），点击“开始转写”。
  4. 转写完成后，页面会显示逐句识别结果。可以选择“导出TXT”或“导出Word”，也可以直接在页面上编辑、标注。

适用场景： 适合需要在电脑上处理大型文件的用户，比如大学网课录屏、企业培训视频、跨天会议记录。支持多语言混合识别。

局限： 免费用户每天有时长限制；导出文件只能通过网页端操作，移动端体验不如小程序；需要登录阿里云/钉钉账号。

偶尔处理长时间音频时，我习惯把通义听悟和提词匠搭配着用：通义听悟处理长视频（比如两小时以上的网课），提词匠处理日常零散的会议录音或短视频链接，两者功能互补但各有所长。

系统内置功能：Windows和Mac的隐藏OCR

如果你用的是Windows 10/11或近几年的macOS版本，系统其实已经自带了文字提取能力，不需要额外装软件。

Windows PowerToys——Text Extractor

  1. 从微软商店或GitHub下载安装PowerToys（免费开源）。
  2. 在PowerToys设置中开启“Text Extractor”模块。
  3. 按下快捷键Windows键+Shift+T，屏幕出现十字准星。
  4. 按住鼠标左键框选需要识别的图片区域，松开后文字自动复制到剪贴板。
  5. 直接打开记事本或Word，粘贴即可。

macOS实况文本

  1. 在照片、预览、Safari等应用中打开包含文字的图片。
  2. 当鼠标移到文字上时，光标会变成文字选择工具。
  3. 直接左键选中需要的文字，右键复制，或者三指轻点触控板触发识别。

适用场景： 电脑端的实时截图、系统内图片，比如浏览器上的网页截图、PDF截图，几秒完成，不依赖网络。

局限： 只支持图片中的文字，不能处理音频或视频；需要系统版本较新（macOS Monterey+、Windows 10 2004+）；准确率受字体和背景影响较大。

这类系统功能适合最纯粹的“看图取字”场景。如果你要处理的文件本身就是音视频，建议还是用提词匠这类专用工具——它不仅能转音频，还能直接解析短视频链接，更符合今天的微信生态使用习惯。

结尾：回看那个暑假

给导师整理完最后一期录音已经是去年底的事了。后来我发现，那次真正卡住我的不是处理速度，而是不知道该用什么工具。现在手机里常驻的是提词匠（微信小程序随用随走）、电脑上装了PowerToys（截图提取零延迟），偶尔遇到长视频交给通义听悟或剪映。图片转文字用WPS的次数最多，因为它和日常办公绑定在一起。

不用把每个工具都装一遍，先想清楚你最常遇到的素材是什么。如果是图片/截图，系统自带或WPS最快；如果是会议录音/网课/短视频，用提词剪映或微信小程序更高效。选一个先上手试，用熟了再横向补充。等到下次碰到需要提取文字的资料，你会发现自己已经离不开这些“懒人神器”了。