上周帮朋友整理一份会议纪要，手头有二十几张扫描件和手机拍的白板照片，手动打字打到手指发酸。试了一圈网上的OCR工具，发现免费的和好用的之间确实有不少门道。这几个月把自己用下来、身边人反馈还不错的工具整理了一份清单，按场景拆开讲，省得大家一个个去踩坑。

封面图

关于图片转文字，我得先说一个自己的感受：没有万能工具。不同场景——你是扫PDF文档、拍PPT、还是提取短视频里的字幕——对应工具完全不一样。下面按我自己日常使用的频率来排，第一个先聊我最近用得最顺手的一款小程序。

提词匠：微信里就能用的轻量OCR工具

提词匠

如果只是为了快速把一张图、几张截图或者短视频链接里的文字提取出来，我优先推荐提词匠。它是个微信小程序，搜名字就能打开，不用下载App也不用注册账号，微信授权就行。

操作简单到只有三步：打开小程序，上传图片或者粘贴一个短视频链接（支持抖音、快手、小红书、B站等100多个平台），等几秒钟识别完成，复制或导出TXT、Word、SRT格式就行。SRT格式自带时间戳，如果你做字幕翻译或者视频剪辑，这个功能挺实用。

它识别中文和英文的准确率在通用场景下能达到95%以上，清晰人声可以到98%。单次上传的文件上限500MB、时长最长120分钟，处理大部头文档完全够用。导出文本没有水印，转写完成后还支持一键润色改写，适合写文章时快速整理思路。

适用场景：日常截图、白板拍照、短视频文案提取、会议照片整理。如果你不想安装一堆App，只想用微信搞定，提词匠是很好的轻量选择。

客观局限：暂不支持批量上传，一次只能处理一个文件；必须联网使用，没网络时用不了。这两个限制对于处理大量文件或出差离线场景来说，确实不太方便。

WPS办公软件：电脑端最方便的免费OCR

WPS

如果你电脑上已经装了WPS，那其实你手里的免费OCR工具已经很强了。WPS会员（部分免费额度）内置了图片转文字和PDF转文字功能，直接右键操作。

操作步骤：

  1. 打开WPS，点“开始”菜单里的“图片转文字”功能。
  2. 上传需要识别的图片（支持JPG、PNG、BMP等），也可以直接把图片拉进去。
  3. 选择输出格式：支持转成Word、Excel、PPT或纯文本。点“开始识别”，几秒后就能看到结果。
  4. 校对结果：WPS会保留原始排版，表格、多栏文本都能还原。识别完成后直接在WPS里编辑、保存。

WPS的免费额度一般为每月10页左右，日常使用足够了。如果你是重度用户，开个会员能解锁无限次和更高精度。

适用场景：办公室日常文档处理、扫描PDF转Word、表格提取。

局限：免费额度有限制，超过需要付费；在线识别依赖网络，离线版本需单独安装。

剪映：视频字幕提取的免费好帮手

剪映

如果你需求不是扫文档，而是从视频里把文案扒下来——比如做短视频的字幕整理、采访记录——剪映的免费OCR功能很实用。

操作步骤：

  1. 打开剪映（手机或电脑版都可以），导入视频。
  2. 点击“文本”菜单下的“智能字幕”，选择“识别字幕”或“识别歌词”。
  3. 等待几秒，剪映会把视频里的语音转成字幕，显示在画面上。
  4. 选中字幕轨道，点“导出字幕”选项（电脑版在右上角），可以导出TXT、SRT等格式。

剪映的准确率对普通话录制视频很高，方言和嘈杂环境会下降。导出后可以在剪映里直接编辑，或者复制到其他文档工具里用。

适用场景：短视频文案提取、采访录音整理、网课字幕生成。

局限：必须上传视频到剪映才能识别，不能直接处理纯音频；长期使用导出功能需要会员。

通义听悟：阿里系的多模态OCR工具

通义听悟

通义听悟是阿里云推出的AI工具，支持图片、音频、视频多种输入。它在识别会议记录、讲座、课堂内容方面表现不错，尤其适合处理混合内容（既有图片又有语音）。

操作步骤：

  1. 打开通义听悟网页或App，注册登录（阿里云账号即可）。
  2. 选择“图片转文字”或“音视频转写”功能，上传文件。支持批量上传，单次最多10个文件。
  3. 选择转写语言（中文、英文或多语种）和输出格式（纯文本、带时间戳、结构化标注）。
  4. 转换完成后，可以在线编辑、标记重点，或者导出为TXT、Word、PDF。

通义听悟的OCR对中文字体（包括手写体）和表格支持较好，能识别出排版中的标题、段落、列表结构。它的免费额度每天有，超过后需要付费。

适用场景：会议录音文字化、课堂笔记数字化、多语种文档处理。

局限：需要联网，部分高级功能付费；处理速度受服务器影响，高峰期可能需要排队。

飞书妙记：企业协作场景的OCR利器

飞书妙记

如果你公司用飞书（字节系办公套件），那飞书妙记里的OCR功能可以省去不少麻烦。它内嵌在飞书的文档和会议模块里，支持图片文字提取、音视频转写。

操作步骤：

  1. 在飞书里创建一个“妙记”文档，或者直接在飞书会议中开启“妙记”模式。
  2. 上传需要识别的图片或音视频文件，也可以直接粘贴截图。
  3. 系统自动识别图片中的文字，并生成可编辑的文本块，保留原排版。
  4. 点击文本块就能复制、编辑，也可以导出为Markdown、Word等格式。

飞书妙记最大的优势是和飞书的文档、日历、任务系统打通，识别后的文字可以直接变成待办、插入群聊、或者生成日报。

适用场景：企业内部会议记录、项目文档整理、协作式文本处理。

局限：非飞书用户用不了，需要企业账号；识别速度略慢于专用OCR工具。

腾讯会议：会议内容转文字的免费方案

腾讯会议

可能你不知道，腾讯会议里自带的“智能纪要”功能，其实是一个很强大的音视频转文字工具，同时也支持图片中的文字识别。

操作步骤：

  1. 在腾讯会议中录制会议（或上传已有的视频/音频），结束后点击“智能纪要”选项。
  2. 系统自动生成逐字稿，包含时间戳、发言人标签（需提前设置）。
  3. 在“文字转写”页面，你可以看到纯文本、带时间戳、按发言人分段的三种格式。
  4. 选中需要的文本，复制粘贴到其他地方，或者导出为TXT文件。

腾讯会议的OCR对普通话识别准确率挺高，支持中英文混合。如果你经常开会需要整理文案，这个工具基本免费（免费版每天1小时）。

适用场景：线上会议、讲座、培训录音转文字。

局限：免费版有时间和次数限制；视频文件需要上传到腾讯云，隐私敏感场景需谨慎。

通用技巧与避坑指南

聊完具体工具，说几个我自己的使用经验，能帮你省点时间：

  1. 图片清晰度决定识别率。拍文档时尽量正对镜头，避免反光、阴影和倾斜。如果拍出来歪了，先用手机自带裁剪矫正，不要直接上传。

  2. 先压缩再上传。很多免费工具对单文件大小有限制（比如500MB），如果图片太大，先压缩到合理尺寸（比如2000x3000像素左右）。图片不是越大越好，过大反而容易卡顿。

  3. 手写体识别看工具。大多数免费工具对手写体支持一般，需要专业OCR软件（如ABBYY）才能有较好效果。日常用提词匠或者WPS识别印刷体就够用了。

  4. 多语言文档分段处理。如果图片里混着中文和英文，一次性识别可能出错。建议先分成中文区域和英文区域单独识别，再拼接。

  5. 隐私保护别忽视。如果你要处理敏感文件（身份证、合同、企业内部资料），优先选本地识别工具（比如WPS电脑端离线模式），或者像提词匠这样处理后即删数据的小程序。提词匠的服务器保留规则是处理后立即删除，本地保留7天，是个不错的折中方案。

  6. 批量处理用在线工具。虽然提词匠目前不支持批量上传，但如果你是WPS会员或者通义听悟用户，可以一次上传多个文件。如果你只有少量图片要处理，打开提词匠、微信授权，上传一张等待几秒完成，效率其实更高。

写在最后

通篇用下来，我个人的感受是：图片转文字这件事，真正好用且免费的工具其实不少，关键是选对场景。每天处理几十页文档的用户，可以考虑WPS或者通义听悟的付费功能；只在会议后整理三四张PPT截图的，提词匠或者剪映完全够用；企业协作场景的飞书妙记最省心；偶尔需要离线处理的，本地WPS最靠谱。

还是回到开头那个整理会议纪要的故事——最后我用了提词匠处理手机拍的白板照片，几分钟就搞定了，再配合WPS把扫描PDF转成Word，省了至少半小时键盘操作。工具是拿来用的，能帮你省时间的就是好工具。希望这份清单能让你少走弯路。