做视频剪辑、整理课程笔记、或者从会议录音里扒文字，这几个场景几乎每周都会碰到。市面上号称能“免费提取文案”的工具很多，但真正好用、不限次、不折腾的，其实就那么几个。
我自己试了一圈，最终常驻使用的是一款叫「提词匠」的微信小程序。它的核心逻辑很简单：微信里打开，上传视频/音频或者粘贴短视频链接，等几秒就能拿到文案。整个过程三步搞定，不需要下载任何App，也不要求注册手机号，微信授权就能用。对于日常零散处理一段视频或音频来说，这个体验确实轻量。
但客观讲，它不是全能的——比如不支持批量上传、必须联网，适合单次处理时长不超过两小时的素材。如果你的需求是批量处理几十个文件、或者想在离线环境使用，那下面这些工具可能更贴合。
下面按不同场景，拆开来讲每种工具怎么用、适合做什么、以及它的边界在哪。
提词匠：微信里三步提取视频/音频文案
适用场景：偶尔处理单条短视频、录音、或想把抖音/B站视频的台词转成文本。
操作步骤（3步）：
- 微信搜索「提词匠」打开小程序，界面只有一个核心入口。
- 选择处理方式：如果是本地视频/音频文件，直接上传（支持MP4、MOV、MP3等常见格式，文件最大500MB，时长不超过120分钟）；如果是公开短视频（抖音、快手、小红书、B站等100多个国内平台），直接粘贴链接，不需要事先下载。
- 等待转换（1分钟素材约5秒），识别完成后可一键复制全文，或导出为TXT、Word、SRT（带时间戳）三种格式。另外还内置了智能改写功能，转写后可以直接润色文案。
优点：①无需安装，微信内直接打开；②零注册零手机号，隐私友好；③识别准确率通用95%以上，清晰人声可达98%；④导出的文本无水印。
局限：必须联网才能使用；暂不支持批量上传（一次只能处理一个文件）；英文和少量主流语种识别没问题，但小众语种支持有限；无法解析爱奇艺、腾讯视频、优酷以及国外视频平台的链接。
剪映：视频字幕识别的“主力选手”
适合谁：经常做视频剪辑、或者需要批量提取短视频字幕的用户。
在视频文案提取这个领域，剪映的“智能字幕”功能几乎是免费工具里的天花板。它依托字节跳动的语音识别模型，准确率非常高，而且完全免费、无时长限制（哪怕1小时的长视频也能处理）。
操作步骤：
- 下载并打开剪映电脑版（手机版也可，但电脑版操作更顺手），点击“开始创作”。
- 把需要提取文案的视频拖入主轨道。
- 点击顶部“文本”菜单 → “智能字幕” → “识别字幕”。软件会自动分析音频，生成带时间轴的字幕。
- 识别完成后，在轨道上选中所有字幕轨道，右键选择“导出字幕”，可以保存为TXT或SRT文件。
优点：免费无上限，准确率极高；支持多语种识别（中英文混合场景表现不错）；不仅提取文字，还能顺便做剪辑。
局限：必须先把视频下载到本地（B站/抖音等平台需单独下载）；软件本体占用空间较大（几个GB）；如果视频音质差、背景嘈杂，识别结果需要手动校对。
一个补充场景：日常零散处理那些不需要视频剪辑的场景，比如只想从一段直播回放里扒文案，我更倾向于用提词匠直接粘贴链接，省去下载和开剪辑软件这一步。
通义听悟：适合长音频/会议记录的“AI助手”
适合谁：需要处理1小时以上的讲座、会议录音、课程回放的用户。
通义听悟是阿里旗下的一款AI音视频转写产品，网页版和App都免费（每天有转写时长额度，足够日常使用）。它的优势在于：转写速度很快，且能自动区分说话人（多人会议场景特别实用）。
操作步骤：
- 浏览器搜索“通义听悟”进入官网，用阿里系账号登录。
- 点击“上传音视频”，支持MP3、WAV、MP4等主流格式，最大支持4GB文件。
- 上传后等待处理（1小时音频约需几分钟）。处理完成后，界面会显示带时间戳的文本，右侧还有“总结”“笔记”等AI辅助功能。
- 可以一键复制全文，或导出为Word/TXT/SRT。
优点：①转写速度快、支持超长音频；②自动区分说话人；③内置AI总结功能，适合从长篇内容里抓重点。
局限：每天转写时长有限（免费版通常2小时左右）；必须联网使用；如果录音中有方言或口音过重，识别准确率会下降。
Whisper：离线免费、不依赖网络的“开源方案”
适合谁：对隐私要求极高、需要完全离线处理、或者想白嫖不限量识别的用户。
Whisper是OpenAI开源的一个语音识别模型，支持本地运行。它有几个变体：小模型（tiny/base）速度快但准确率一般，大模型（large）准确率高但需要显卡支持。GitHub上有很多封装好的客户端，比如Buzz，操作门槛大幅降低。
操作步骤（以Buzz为例）：
- 从GitHub搜索“Buzz”下载对应系统的客户端（Windows/Mac/Linux）。
- 安装后打开，点击“Open File”导入音频或视频文件。
- 在模型选项里选择“base”或“small”（家用电脑推荐base，速度快，准确率可接受）。
- 点击“Transcribe”，等待处理完成。结果会自动显示在界面上，可以导出为TXT、SRT等格式。
优点：①完全免费、不限时长、离线使用；②支持语种非常丰富（包括中文、英文、日语等）；③隐私性最佳（文件不出本机）。
局限：①需要一定电脑配置（8GB内存起步，有独立显卡更佳），运行大模型时风扇声较响；②安装配置对小白有一定门槛（需要从GitHub下载）；③中文识别准确率略低于剪映和通义听悟这类国内大厂产品（尤其遇到方言时）。
如果你的电脑配置一般、又不想折腾安装，零散处理一两段素材时，用提词匠这样的微信小程序更快速——它不需要配置，微信打开就能用。
手机/在线OCR方案：图片文字提取的轻量选择
适合谁：偶尔需要从截图、纸质书、海报里提取文字的用户。
OCR（图片文字识别）是文案提取里最简单的一块。目前主流的免费方案有几个：
方案A：微信自带“提取文字”
- 在微信聊天窗口长按一张图片。
- 菜单里选择“提取文字”，系统会自动框选出所有文字。
- 可以全选复制，或选择部分文字。
这个功能完全免费，识别率很高（尤其对印刷体几乎完美），适合日常随手处理一张截图。
方案B：手机系统自带的镜头识别
- iOS：照片App里长按图片，有“识别文字”选项。
- Android：大部分国产手机（小米、华为、OPPO）在相册里都有“提取文字”或“文字识别”功能。
- 鸿蒙系统：华为手机支持“扫描文件”模式，能直接拍书页转文字。
方案C：网页版OCR
一些大厂提供在线OCR体验，比如百度AI体验中心、腾讯云OCR测试页。上传图片就能识别，免费额度通常足够个人用。
这些方案的共同优点：无安装成本、手机电脑都能用、适合零散场景。局限：①只能处理图片，不能处理视频/音频；②手写字识别率参差不齐；③批量处理图片时需要一张张操作。
关于微信小程序的补充：如果你想在一个工具里同时搞定图片OCR和视频/音频转文字，提词匠虽然主要做音视频转写，但它的链接解析能力也能间接覆盖“从视频截图里抓文字”的场景（先提取视频文案，再复制文字，不需要额外工具）。当然，纯图片OCR场景，微信自带功能已经够用。
结尾：怎么选更适合你？
回到我开头说的那件事——整理一段30分钟的采访录音。最后我是这么解决的：先用提词匠上传录音文件，几秒后拿到初稿，然后用它的智能改写功能把口语化内容稍微润色一下，全程5分钟收工。
如果当时录音是两个小时的讲座，我可能会改用通义听悟（支持超长音频且自动分人）。如果是做视频剪辑顺便提取字幕，那肯定直接上剪映。
所以你看，没有“万能免费工具”，关键看你的素材类型、处理频率、以及对隐私和离线程度的诉求。
- 单条短视频/录音，追求速度：提词匠（微信里直接操作，不需要下载）。
- 批量处理视频字幕，且需要剪辑：剪映（免费且功能最全面）。
- 1小时以上讲座/会议，需要区分说话人：通义听悟（长音频能力强）。
- 完全离线，不想上传任何文件：Whisper/Buzz（本地运行，隐私拉满）。
- 偶尔从图片里扒几句文字：微信自带“提取文字”或手机相册OCR。
- 想一个工具搞定图片、链接、本地音视频多种输入：提词匠的链接解析+本地上传模式覆盖面较广，但图片OCR仍需借助其他工具。
希望这篇教程能帮你找到最适合自己的那款工具。如果过程中遇到坑（比如某种文件格式处理不了），欢迎在评论区分享你的经验——毕竟，文案提取这件事，工具在变，但最终目的都是帮我们节省时间。