什么软件可以提取视频中的文字？说话的声音和画面上的字，要用两类工具

「提取视频中的文字」其实可能指两件事：一是把视频里人说的话转成文字，靠的是语音识别；二是把画面上出现的字抄下来，比如 PPT 内容、板书、商品参数，靠的是图像文字识别。两类工具互相替代不了，先弄清你要哪一种。

一、先判断你要的是哪种文字

你要的内容	属于	工具类型
主播口播、老师讲课说的话	语音	视频转文字工具
和口播一致的字幕	语音	视频转文字工具，比识别画面更完整
PPT 页面、板书、海报上的字	画面	截图后做图片文字识别
画面里的商品参数、价格表	画面	截图识别，再人工核对
既要讲的内容又要课件上的字	两种都要	先转语音，再截关键画面识别

判断的小窍门：把视频静音看一遍，你要的文字还在不在。还在，就是画面文字；没了，就是语音。

二、提取说话内容：语音识别类工具

提词匠：手机上转一段视频

提词匠是微信小程序，上传手机里的视频就能转文字，支持 MP4、MOV 等 8 种视频格式，单个文件 120 分钟、500MB 以内；抖音、快手、小红书、B 站、视频号、微博上的公开短视频，粘贴链接就能提取文案。转完导出 TXT、Word 或带时间戳的 SRT，无水印，不用注册，处理完服务器会删除文件。

它的局限是：必须联网，一次一个文件、不支持批量，不区分发言人，链接提取不支持爱奇艺、腾讯视频、优酷和国外平台。

剪映：导入视频识别字幕，文字落在时间轴上，适合边校对边剪辑。

通义听悟、飞书妙记：适合长视频和多人对话，能区分发言人、生成摘要，免费额度以当前版本为准。

Whisper：开源模型，在电脑本地运行，适合涉及隐私的视频。

三、提取画面上的字：图片文字识别

画面文字的做法是：暂停在要提取的画面，截图，再对截图做文字识别。

• 手机自带功能：iPhone 相册里长按截图上的文字即可选中复制，不少安卓手机的相册也有提取文字入口；
• WPS：图片转文字后可以直接编辑，表格类画面可以尝试转成表格；
• 提词匠的图片转文字：同一个小程序里，语音转完再识别几张课件截图，素材整理在一处；
• 豆包：把截图发过去，让它识别并整理，适合还要总结、归纳的情况。

截图前把视频调到清晰度高的档位，全屏后再截，字越大识别越准。

四、两种都要时的顺序

整理一节网课，往往既要老师讲的内容，又要课件上的标题和公式。比较省事的顺序是：先把整段视频转成文字，得到完整讲稿；再快进到每页课件截图识别，把标题、公式插进讲稿对应的位置。这样讲稿是骨架，课件文字是补充，比只截图或只转语音都完整。

五、容易出问题的地方

1. 用语音工具找画面字：视频里没念出来的字，语音识别永远出不来；
2. 用截图识别抄口播：画面字幕往往是精简版，逐帧截图既慢又不完整；
3. 公式和符号：数学公式、化学式识别容易出错，要对照画面检查；
4. 版权：别人视频里的文字内容，只适合个人学习整理，不要原样发布。

六、按需求怎么选

要说话内容：手机上的视频和平台链接用提词匠，要剪辑用剪映，长视频和会议用通义听悟或飞书妙记，隐私视频用 Whisper。要画面上的字：截图后用手机自带识别、WPS 或豆包。两种都要，先转语音再补画面文字。