如何把视频转成文字稿？识别出来的是逐字稿，整理成文字稿还差三步

把视频转成文字稿要分两段：先用语音识别得到逐字稿，再把逐字稿整理成能读的文字稿。逐字稿里有口头禅、重复、断句混乱，直接拿去用会很难读。很多人卡在第二段，以为换个识别更准的工具就能解决，其实整理的功夫省不掉。下面分开讲。

一、逐字稿和文字稿的区别

项目	逐字稿	文字稿
内容	说了什么就记什么	保留意思，删掉口语冗余
结构	一大段或按句断开	分段、加小标题
用途	核对原话、做字幕	阅读、发布、做笔记
工具	语音识别工具	文档软件、AI 助手加人工

二、前半段：得到逐字稿

提词匠

手机上的视频，或者抖音、快手、小红书、B 站、视频号、微博的公开视频链接，可以交给提词匠这个微信小程序转写，导出 TXT、Word 或带时间戳的 SRT。单个文件 120 分钟、500MB 以内，不用注册，处理完服务器删除文件。它不区分发言人，多人对话需要自己标注；不支持批量；必须联网。

其他工具

• 剪映：导入视频识别字幕，适合口播、要做字幕的视频；
• 通义听悟、飞书妙记：能区分说话人，适合访谈和会议；
• Whisper：本地运行，适合涉密视频。

三、后半段：整理成文字稿的三步

1. 清理：删掉「然后」「就是说」「对吧」这类口头禅和重复句，统一修改识别错的术语和人名；
2. 分段：按话题切段，每段加一个小标题，长句拆短；
3. 改写：把口语改成书面表达，补上视频里靠手势或画面说明的内容。

提词匠的智能改写能把口语整理得通顺一些，适合第三步打个底；也可以把逐字稿交给豆包，让它按主题分段、拟小标题。AI 整理完一定要对照原视频检查，防止意思被改。

四、SRT 字幕变纯文字

手里只有 SRT 字幕文件时，用记事本或 WPS 打开，能看到每条字幕前有序号和时间轴。少量的可以手动删除；多的可以用文字处理软件的查找替换，或者导出时直接选 TXT 格式，省掉清理时间戳的麻烦。

五、常见坑

• 识别完不校对：同音字、数字错误在文字稿里很显眼；
• 改写过度：观点被 AI 改了味，要对照原话；
• 多人对话不标注：读者分不清谁说的。

补充：整理时保留原话的地方

不是所有内容都适合改写。引用的数据、专有结论、嘉宾的关键原话，建议保留原样并加引号，改写反而可能失真。访谈类文字稿通常保留问答结构，把主持人的问题加粗，回答部分只做轻度清理。课程类文字稿可以重组结构，按知识点重新排序，读起来比按讲课顺序更清楚。

补充：一小时视频大概要多久

识别本身通常只要几分钟到十几分钟，真正花时间的是整理。一小时的讲座逐字稿往往有一万多字，清理和分段要一两个小时；如果要改写成可以发布的文章，还要再加时间。提前留出整理时间，比追求转写速度更现实。

六、版权提醒

只整理自己有权使用的视频；他人的课程、演讲整理成文字稿用于个人学习，公开发布前征得作者同意，不要原样搬运。

七、怎么选

手机视频和平台链接，用提词匠出逐字稿并做初步改写；多人访谈用通义听悟或飞书妙记；涉密内容用 Whisper；整理阶段交给 WPS 排版、豆包辅助分段，再人工通读一遍。整理好的文字稿再交给别人之前，自己从头到尾读一遍，读不顺的地方就是还需要改的地方。