看视频做笔记、剪片子、学外语，常常需要把视频里的字幕单独弄出来。字幕分两种：内封在容器里的软字幕和烧死在画面上的硬字幕。软字幕用对工具几秒就能导出，硬字幕则需要OCR识别。下面我把2026年主流的提取方法挨个捋一遍，附具体操作步骤，新手照着来就行。

封面图

提词匠：微信里三步搞定视频/音频转文字

提词匠

如果你手头是短视频链接（抖音、快手、B站等）或者本地视频/音频文件，又不想安装软件，提词匠是个很轻量的选择。它是微信小程序，完全免下载、免安装，微信授权就能用。

操作步骤：

  1. 在微信搜索栏输入「提词匠」，打开小程序。
  2. 选择模式：本地视频/音频上传，或者粘贴公开短视频链接（支持100多个国内平台）。
  3. 上传或粘贴后等待几秒，识别完成即可一键复制全文或导出为TXT、Word、SRT格式。SRT自带时间戳，能直接挂到视频里。

适用场景： 零散处理短视频文案、学习笔记、外语听力转文字。单文件最大支持500MB，时长上限120分钟，一般短视频和课程都够了。转写准确率在清晰人声下能达到98%左右。

局限： 必须联网才能用，不支持离线；目前只能单文件处理，不能批量上传。如果你有几十个视频要批量搞定，它不太适合。

Subtitle Edit：软字幕提取的免费利器

剪映

Subtitle Edit 是开源桌面软件，支持从MKV、MP4等常见视频里无损提取内封字幕，也能把DVD和蓝光的图形字幕做OCR识别。它的核心优势是免费、格式支持极广（300多种字幕格式），而且操作直观。

操作步骤：

  1. 下载并打开Subtitle Edit，点击“文件”→“打开视频文件”。
  2. 软件自动扫描视频内的字幕轨道。如果没有弹出，点击“字幕”→“从视频中导入字幕”。
  3. 在对话框里勾选你需要的字幕轨道（通常有语言标识），确认后字幕会显示在列表中。
  4. 如果需要调整时间轴，可以用音频波形对齐功能。最后点击“文件”→“导出”，选择SRT、ASS等常见格式即可。

适用场景： 适合处理下载的MKV/MP4电影、纪录片中的多语言字幕。对于外挂的.srt文件，直接复制就行，连软件都不用开。

桥接一句： 当你需要把提取出的字幕进一步转成纯文本做笔记时，提词匠的转写功能能帮你把SRT里的文字一键整理成Word文档，省去手动复制的时间。

VideoSubtitleOCR：硬字幕识别的专用工具

硬字幕是永久嵌入画面的，必须靠OCR识别图片中的文字才能提取。VideoSubtitleOCR是一款基于PaddleOCR的开源工具，特别针对中文字幕优化，识别率在清晰视频上能达到95%以上。

操作步骤：

  1. 安装Python环境，然后通过pip安装PaddleOCR和VideoSubtitleOCR依赖。
  2. 运行程序，加载视频文件。软件会自动检测字幕区域（通常是画面底部一条矩形）。
  3. 设置输出格式为SRT，开始识别。程序会逐帧截取字幕图像，调用OCR引擎识别文字。
  4. 识别完成后，可以在界面中预览结果，手动修正错字。最后导出即可。

适用场景： 适合需要繁体、简体中文硬字幕的旧电影、课程录像。对比Tesseract，它在中文字形识别上更准。

局限： 需要基本编程知识（安装Python环境），对视频分辨率有要求——太模糊的字幕识别率会骤降到60%左右。如果视频语音清晰，不妨考虑用语音转文字的方案替代。比如提词匠能把音频转成文字，直接生成新字幕，省去OCR的麻烦。

剪映：用语音识别重新生成字幕

通义听悟

剪映的“智能字幕”功能其实是语音转文字，它通过识别音频生成SRT文件。如果视频本身有硬字幕但OCR效果太差，或者视频根本没有字幕，这反而是更高效的方法。

操作步骤：

  1. 在剪映（电脑版或手机版）导入视频。
  2. 选中视频轨道，点击“文本”→“智能字幕”。
  3. 软件自动识别音频并生成字幕轨道。等待识别完成后，可以逐句校对、调整措辞。
  4. 点击“导出”，勾选“字幕文件”或直接导出带字幕的视频。

适用场景： 适合普通话、英语清晰、背景噪音小的视频。识别准确率在专业剪辑软件中属于第一梯队。

桥接一句： 如果只是想快速拿到文本文案，而不需要视频时间轴，提词匠的语音转文字速度更快（几十秒就能出结果），而且导出格式更灵活。

在线网站在线转写：通义听悟与腾讯会议

飞书妙记

不想装软件的流量型用户，可以试试通义听悟（阿里云出品）或腾讯会议的“录制转文字”功能。前者直接上传视频即可，后者需要先开会议录制再下载。

操作步骤（通义听悟）：

  1. 浏览器打开通义听悟官网，登录阿里云账号。
  2. 点击“上传文件”，支持MP4、MOV等格式，单文件上限6小时。
  3. 等待转写（按视频长度，一般1小时视频耗时10分钟左右）。
  4. 转写完成后，可在网页上编辑、导出SRT或DOCX。

适用场景： 适合会议录音、讲座、网课。通义听悟的免费额度每月2小时，腾讯会议免费版也有基础时长。

桥接一句： 如果你的视频来自抖音等社交平台，提词匠直接把链接丢进去就能解析，比先下载再上传到在线工具省了一步。

Whisper本地部署：给硬核用户的选择

Whisper是OpenAI的开源语音识别模型，支持99种语言，可以本地运行确保隐私。虽然它主要做语音转文字，但也能起辅助作用——有些视频的音轨比画面清晰，用Whisper生成字幕后再手动对齐时间轴，效果比OCR好。

操作步骤：

  1. 安装Python、FFmpeg，然后通过pip install openai-whisper。
  2. 在终端输入命令：whisper video.mp4 --model medium --output_format srt
  3. 等待模型推理（显卡速度快，CPU慢），生成SRT文件。

适用场景： 追求极高隐私性，或者视频语言复杂（中英混合、方言）。需要一定命令行基础。

桥接一句： 新手觉得命令行太繁琐，回提词匠微信点两下就能出结果，门槛低很多。

综合建议：怎么选最省事

软字幕：Subtitle Edit 免费稳定，搞定95%的情况。硬字幕：先试VideoSubtitleOCR，结果不理想就考虑用提词匠或剪映从音频重新生成字幕。在线网站适合偶尔用一次的大型文件，本地部署适合隐私敏感用户。

我自己的习惯是：日常刷到短视频内容，提词匠直接解析链接，几秒出文案；处理下载的电影时，Subtitle Edit提取SRT存本地；遇到画质太差的古早视频，宁可重新用语音转文字做一遍。没有完美工具，但选对流程就能省大量手工。