相册里的视频怎么转成文字？手机、小程序、电脑三类方法和准确率要点

相册里存着网课录屏、会议录像、自己拍的口播，想把里面说的话变成文字，是很常见的需求。先说一个原理：这类方法识别的是视频里人说话的声音，不是画面上的字。视频清不清楚无所谓，声音清楚才是关键。

一、提词匠：从相册直接上传，不用装 App

手机上直接的做法，是用提词匠这个微信小程序：

1. 打开提词匠，选视频转文字；
2. 从相册选中视频上传，MP4、MOV 等 8 种常见视频格式都支持，单个文件时长上限 120 分钟、大小上限 500MB；
3. 等待识别，1 分钟视频大约 5 秒；
4. 结果一键复制，或者导出 TXT、Word，要做字幕就导出带时间戳的 SRT。

它不需要相册的全量授权，只读你选中的那个文件，处理完服务器就删除。转出来的口语可以用智能改写整理成通顺的书面文字。需要注意：必须联网，一次处理一个视频。

二、剪映：边剪边出字幕

1. 打开剪映，开始创作，从相册导入视频；
2. 点字幕，选识别字幕（视频原声），开始识别；
3. 识别完点开字幕，全选复制文字。

手机版剪映一般只能复制，不能直接导出 TXT；电脑版剪映专业版可以导出字幕文件。如果你本来就要剪这个视频，用剪映一举两得。

三、电脑端：长视频和多人对话

一两个小时的网课、访谈，用电脑处理更舒服：

• 剪映专业版：导入视频识别字幕后导出文本，本地运算；
• 飞书妙记：上传本地视频自动转写，能区分发言人，适合多人讨论；
• 通义听悟：转写后自动生成章节和要点，整理课程笔记很方便。

提词匠在电脑版微信里也能打开，视频已经在电脑上的话直接上传即可。

四、为什么会转得不准

情况	原因	办法
满屏错字	背景音乐或环境噪音盖过人声	先用剪映压低背景音乐再识别
人名、术语全错	模型按读音猜没见过的词	识别后用查找替换统一修改
一段话完全识别不出	说话人离麦克风太远或口音很重	对照视频手动补，或换支持方言的工具
只识别出很少几句	视频大部分是音乐，文字在画面上	截图后用图片文字识别

五、几个小提醒

• 视频画面上印的字幕，语音识别提取不了，要截图后用图片转文字（提词匠也带这个功能）；
• 涉及隐私的视频，比如家庭录像、内部会议，优先在电脑上用本地工具处理；
• 转出来的文字是初稿，重要内容一定对照原视频核实一遍。

简单说：手机上临时转一条，提词匠很快；本来就要剪辑的，用剪映；长视频、多人对话，换到电脑上用飞书妙记或通义听悟。