怎么提取视频里的文字内容？先分清是说出来的话还是画面上的字，两类方法不一样

"视频里的文字"其实有两种：一种是人说出来的话，比如口播、讲课、采访，要用语音识别把声音转成文字；另一种是画面上显示的字，比如硬字幕、PPT、海报，要用图片文字识别（OCR）从画面里认出来。两种技术完全不同，用错了方法，转出来的东西会对不上。

一、两种文字的区别

类型	举例	技术	影响效果的因素
说出来的话	口播、网课、会议发言	语音识别	音质、口音、语速、背景音乐
画面上的字	硬字幕、课件、标语	OCR图片识别	清晰度、字体、背景复杂度

大多数短视频的字幕和说话内容是一致的，这时用语音识别更省事；画面上有、但没人念出来的文字，比如课件上的公式、商品参数，就只能截图识别。

二、提取说出来的话

剪映：边剪辑边出字幕

导入视频后用"识别字幕"，生成的字幕可以复制，电脑版还能导出字幕文件。适合本来就要剪辑的视频，普通话识别稳定。相关功能是否需要会员，以当前版本为准。

通义听悟、飞书妙记：长视频和多人对话

网课、讲座、会议录像这类长视频，用通义听悟或飞书妙记更合适，它们能区分发言人、分段整理，免费额度以当前版本为准。

提词匠：短视频链接或本地视频

在微信里打开提词匠，可以直接粘贴抖音、快手、小红书、B站、视频号、微博等平台的公开短视频链接提取文案，不用先下载视频；也能上传本地视频，支持MP4、MOV等8种格式，单个文件时长上限120分钟、大小上限500MB。转完能导出TXT、Word和带时间戳的SRT，导出无水印。

它不适合的情况：必须联网；不支持批量；不区分发言人，多人对话要自己标注；链接提取不支持爱奇艺、腾讯视频、优酷和国外平台。

Whisper：私密视频在本地转

涉及隐私或内部资料的视频，建议用Whisper这类本地运行的开源模型，文件不出电脑，缺点是需要一定动手能力，电脑配置低时转得慢。

三、提取画面上的字

1. 把视频暂停在有文字的画面，截图。
2. 用微信打开截图，长按选"提取文字"；iPhone可以在相册里用实况文本直接选中文字；WPS也能识别图片文字。
3. 截图较多时，可以用提词匠的图片转文字逐张识别。

画面模糊、文字滚动、背景花哨时，OCR容易认错，截图时选文字清楚的那一帧。

四、两种文字都有时怎么办

课程视频常见的情况是：老师边讲边放课件，说的话和课件上的字并不完全一样。这时可以先用语音识别拿到讲解内容，再把关键页截图识别，然后按时间顺序把两部分合并起来。带时间戳的SRT在这里很有用，能根据时间点找到对应的课件页，整理笔记时不容易错位。

五、提取后必须做的事

• 校对：同音字、专业名词、人名是错字高发区，对照原视频过一遍。
• 加标点、分段：口语转出来的文字句子很长，按意思分段才好读。
• 注意用途：提取别人视频的文案只用于学习参考，不要原样搬运发布。

六、按情况选

情况	建议
刷到一条短视频，想拿口播文案	提词匠粘贴链接
自己的视频要加字幕	剪映
一两个小时的课程、会议	通义听悟、飞书妙记
内部资料、隐私视频	Whisper本地转写
画面上的字	截图后用微信提取文字或实况文本