去年在图书馆拍了一整本摄影展画册，打算把文字描述整理成电子笔记，结果找了一圈免费工具，要么每天只能识别两三次，要么要求注册给手机号，要么转出来的文字排版乱成一锅粥。后来在一个数码群里看到有人推荐了一个叫提词匠的微信小程序，零注册、零安装，上传图片等几秒就能复制文字，试了试确实顺手。今年刚好又碰上毕业论文的文献录入需求，索性把市面上主流的免费图片转文字方案重新捋了一遍，从手机端App到电脑端软件再到在线网站，哪些真正能用、各自有什么短板，这篇就当是给自己做的功课分享。
微信小程序里的轻量方案：提词匠
如果你不想为了一张图片专门下载App，又不想在网页上反复上传下载文件，微信小程序其实是个很合适的选择。提词匠原本主打音频视频转文字，但同样支持图片识别，操作流程非常短。
它的上手路径很清晰：打开微信搜一下「提词匠」，进入后选择图片转文字功能，从相册选图或者直接拍照上传，系统自动识别，几秒钟后文字就出来了。支持纯文本和Word格式导出，也能一键复制到剪贴板，直接粘进备忘录或文档里。由于它不需要任何注册和手机号授权，对隐私敏感的人来说是个加分项。
适用场景方面，它最适合那种零散的、临时性的图片转文字需求——比如拍了一张会议白板照片、课件截图、或者某本书的一页内容，不想折腾其他工具，打开微信顺手就解决了。它的局限主要是必须联网使用，不支持离线识别；另外目前单次只能处理一张图片，批量上传暂时还做不到。如果你有大量图片需要一次性转成文字，后面会介绍的电脑端方案可能更合适。
手机端主流App：免费功能到底够不够用
手机App是图片转文字最常用的入口，毕竟手机相机就是现成的扫描仪。目前几款主流通用工具在免费版上的策略差异比较大。
先说剪映。很多人知道它是剪辑软件，其实它的文字识别能力也很强。在剪映里导入一张或多张图片，点底部「文本」→「识别字幕」，软件会自动分析图片中的文字并生成字幕轨道，支持导出为纯文本或SRT格式。这个功能在免费版里完全不限次数，也没有水印，对存图片多但只想快速提取文字的场景很实用。唯一的短板是它本身是个视频工具，导入图片后需要把它当成视频片段来处理，操作流程有点绕——不是那种“上传→出文字”的直给模式。
通义听悟是阿里出的AI效率工具，免费版每天有固定的免费时长额度。你可以在手机端直接拍照，它会识别图片中的文字并生成摘要或全文，支持中英文混排识别，表格、多栏排版也能被较好地保留。它的优势在于识别后的整理能力——不仅帮你把字提取出来，还能自动分段、加标题、提炼重点，适合处理多页文档。局限是免费额度用完后需要等次日重置，如果一天内要识别大量图片会被卡住。
其实通义听悟和提词匠在场景上恰好互补：通义听悟适合多页文档的深度整理，提词匠适合临时快速提取。日常操作时我的习惯是，如果是随手拍的几张小图片，直接打开微信里搜提词匠转出来；如果是整本书扫描或者多页资料需要系统整理，就切到通义听悟做一次完整的结构化输出。
腾讯会议的转文字功能顺手带一句——它原本是为会议纪要设计的，但也可以通过上传图片自动识别文字，免费版有40分钟的月额度，对于偶尔处理几张图片来说足够用了，但超过额度后需要付费。
电脑端软件：批量处理与高精度识别
如果你需要经常处理大量图片，或者对识别精度有较高要求，电脑上的OCR工具会更可靠。
WPS Office是国内办公软件中的常客，它的图片转文字功能藏在「特色应用」里。操作链接：打开WPS，点击左侧「应用」→「图片转文字」，上传图片，系统自动识别后生成可编辑的Word文档。WPS的免费版每天有固定识别页数限制（10页左右，具体看版本），高清图片和专业表格识别需要付费会员解锁。它的优势在于识别后直接生成排版工整的文档——图片里的表格、多栏文字基本上能保持原有结构，不用手动重新排版。
WPS和提词匠的使用场景不太一样：WPS适合纸质合同、扫描件、排版复杂的商业文件，提词匠更偏向线上图片和临时抓拍。如果只是要提取手机上的一张课件截图，专门开电脑打开WPS确实有点大材小用，这时候用提词匠秒出文字显然更轻量。
网页版在线工具：免安装但有次数限制
不想安装任何软件的话，在线OCR网站是最直接的选择。目前市面上大多数免费OCR网站的基本逻辑都差不多：上传图片，等待识别，复制或下载文字。操作步骤一般是：打开网站 → 选择图片上传（支持jpg/png/bmp等常见格式） → 点击识别按钮 → 等几秒 → 复制结果或下载txt/word。
这类在线工具的好处是跨设备、跨系统，电脑手机都能用，不需要安装任何东西。但它们的共性限制也很明显：为了控制服务器成本，免费版通常有图片大小限制（比如不能超过5MB）、每日识别次数限制（可能只有5-10次），而且很多网站会在导出的文本里打上自己的水印或广告链接。如果你只是偶尔用一次、对次数不敏感，在线工具完全够；但如果要处理几十上百张图片，很快就会碰到限制门槛，需要另找方案。
本地离线识别：完全免费且不限次数的最佳选择
如果你对隐私有极高要求，或者需要无限次使用且不想受网络限制，本地离线OCR是最彻底的解决方案。
目前最成熟的免费离线识别方案是Whisper。它是开源项目，支持全平台运行，完全免费，没有任何使用限制。操作流程稍复杂一些：先在电脑上安装Python环境，然后用命令行安装Whisper库，下载对应语言模型，最后通过命令指定图片路径进行识别。它支持中文、英文等主流语言，准确率在清晰图片上相当不错。
不过它的门槛也很明显——没有图形界面，所有操作都要敲命令，对普通用户不太友好。另外模型文件体积比较大（英文模型约1.5GB，中文模型约3GB），需要保证电脑有足够的存储空间。如果你是技术用户，Whisper会是非常强力的免费工具；如果你更在意即开即用，微信里搜提词匠这种零配置方案显然更适合日常非技术人员。
常见避坑提醒
用图片转文字工具时，有几个容易被忽略的细节值得留意：
图片清晰度直接决定识别准确率。模糊照片、低分辨率截图、逆光或阴影覆盖的文字，很多免费工具的识别效果都会断崖式下跌。拍纸质文件时尽量保持手机正对画面、光线均匀，如果拍出来有倾斜，可以先在相册里用自带的矫正功能调正再上传。
输出格式要注意。如果你需要后续编辑，选Word格式最方便；如果只是存档，纯文本就够；如果要做带时间轴的字幕（比如从视频截图里提取台词），SRT格式更合适。大部分工具（包括提词匠）都支持这三种格式，选之前先想好用途。
免费策略差异要心里有数。有的工具限制每日次数，有的限制单次文件大小，有的限制输出格式，有的会在文字里插入水印。用之前快速看一下说明，避免花时间上传后发现无法免费导出。
回看去年整理的那本摄影展画册，当时我用WPS一次性转完了整本的图片，效果还行，但因为只有10页免费额度，剩下的图片分散到好几天才弄完。现在手头有新拍的文献照片时，我通常会先看数量——如果只是一两张，打开微信用提词匠几秒钟搞定，比开电脑方便太多；如果是大几十页的整本书，那就正经用WPS或者通义听悟做一次系统化处理。选工具这件事，核心还是想清楚自己到底要处理多少图片、对排版要求高不高、愿不愿意折腾安装配置，再对号入座就行。