视频转文字

关于此工具

这款免费工具可以将视频转为文字 — 上传一段视频，它会把说的内容写出来。它先从视频中静默提取音频，然后进行转录，于是你就得到任何讲座、访谈、会议、教程或 Vlog 的文字版本，可以搜索、编辑和复制。

除了纯文本转录，你还可以开启时间戳，并把结果下载为 SRT 或 VTT 字幕文件 — 这是视频编辑软件和 YouTube 使用的字幕格式。因此，这是一种快速、免费为视频创建字幕的方式，无需任何单独的字幕软件。

巧妙之处在于：一切都完全在你的浏览器中运行。音频从视频中提取出来，语音识别模型（OpenAI Whisper 的精简版）只下载一次，约 40 MB，之后便通过 WebAssembly 在你自己的设备上运行。你的视频绝不会上传到服务器，因此完全私密 — 相比那些把文件传到云端的转录网站，这是实实在在的优势。

由于一切都在本地进行，转录速度取决于你的设备，较长的视频耗时更久。首次运行后模型会被缓存，因此该工具甚至可以离线使用。如果你手上只有音频文件，请改用「音频转文字」工具。

功能特点

• 设备端转录 — 你的视频绝不离开你的设备
• 自动提取音频 — 拖入视频，音频会自动为你提取
• 支持 MP4、WebM、MOV 和 MKV 视频
• 时间戳 — 切换时间标记，查看每一行是何时说出的
• 四种保存方式 — 纯文本、带时间戳的文本、SRT 字幕或 VTT 字幕
• 可直接用于字幕 — SRT/VTT 文件可直接导入视频编辑软件或 YouTube
• 可编辑的转录文本 — 下载前修正并复制文本
• 首次运行后可离线使用
• 免费 — 无需注册、无需上传、无水印

使用方法

• 上传视频 — 点击方框或拖入文件（MP4、WebM、MOV 或 MKV）
• 点击「转录」 — 音频会自动提取；首次运行会下载语音引擎（约 40 MB）
• 等待完成 — 较长的视频处理时间更久
• 查看并编辑转录文本，若需要时间标记可勾选显示时间戳
• 下载为纯文本（.txt），或 SRT、VTT 字幕 — 也可以复制文本

常见问题

我的视频会被上传到哪里吗？

不会。音频在你自己设备上的浏览器中提取并转录 — 你的视频绝不会发送到服务器。

它是如何从视频得到文字的？

它在浏览器中直接从视频文件读取音轨，然后对其进行语音识别 — 你无需事先自己提取音频。

我可以下载字幕（SRT 或 VTT）吗？

可以。转录后，你可以把结果下载为 SRT 或 VTT 字幕文件、带时间戳的文本，或纯 .txt 转录文本。SRT 和 VTT 都包含每一行的开始和结束时间。

我可以用它给视频加字幕吗？

可以。把转录导出为 SRT 或 VTT，导入你的视频编辑软件，或作为字幕轨上传到 YouTube。

支持哪些视频格式？

大多数浏览器能播放的常见格式 — MP4、WebM、MOV 和 MKV — 只要它们包含浏览器能解码的音轨即可。

为什么第一次要下载 40 MB？

那是语音识别模型。它只下载一次，然后由你的浏览器缓存，因此后续运行更快，甚至可以离线使用。

准确度如何？

它使用精简版 Whisper 模型，对清晰语音效果良好。当背景噪音大、口音较重或多人同时说话时，准确度会下降 — 你随时可以在下载前编辑转录文本。

与「音频转文字」有何区别？

「音频转文字」转录你已有的音频文件；「视频转文字」先为你从视频中提取音频，再进行转录。