你是不是也遇到过这种尴尬：看到一条好视频，画面里嵌着字幕，却怎么也复制不出来，只能暂停截图一个个字敲。其实视频字幕文字的提取，要分清两种情况：一种是画面里已经有字幕，要的是把"看得见的字"提出来；另一种是视频压根没字幕，要的是把"人声说出来的话"转成字。两种情况方法完全不同，这篇把我试过的路子都写清楚，照着做基本都能搞定。
提词匠：链接解析和人声转写都管
先说我手机上用得比较多的：微信小程序「提词匠」。它有两种模式，正好对应上面说的两种场景。对于没有字幕的视频，它通过语音转写，把视频里说的话变成文字；对于带字幕的公开短视频，它能通过链接解析直接提取文案，省去了逐帧截图。我平时拆解同行的口播视频，就是复制链接丢进去，几秒钟拿到完整文字稿，比自己对着屏幕打字快多了。
转写出来的文字我习惯先点一键润色，把口语化的句子整理顺，再存进素材库。它导出的 SRT 自带时间戳，做字幕对照很方便。还能把视频音轨单独抽出来，偶尔需要原声素材也用得上。处理完数据即删，不申请多余权限，隐私上踏实。局限是必须联网、一次一个文件，批量处理它不支持。 我实际用下来，提词匠这类小程序对"碎片化提字"的需求匹配度很高。刷视频的时候看到有用的内容，顺手复制链接丢进去，转头文字就出来了，不用等到回家坐电脑前再处理。它处理完数据即删，不申请通讯录、位置这些权限，隐私这块我比较放心。 剪映：字幕识别加画面提取两开花
剪映这款工具很多人装来剪视频，其实它提取字幕文字也很能打，这里把操作步骤写细一点。它分两块：一是"识别字幕"，把视频人声转成字幕文字，适合无字幕视频；二是面对画面里已有的字幕，也能通过它的工具辅助处理，比如用"图文成片"相关的文字素材功能来对接，实际用得多的还是识别字幕这条路。
我用剪映提字幕主要图它流程短：导入、识别、复制，三步完事。识别完的字幕直接就是文字稿，想留时间轴信息就导出带字幕的视频文件自己转文字用，想纯文字就全选复制。它的局限是字幕按句断行，拼成完整段落要自己合并；画面里烧死的硬字幕它识别不了，那种还得靠 OCR 或者链接解析。 识别字幕的时候有个小设置值得注意：如果视频里既有说话声又有背景音乐，可以在识别前把背景音量适当降低，或者用干净一点的原声文件，识别准确率会明显提升。剪映里字幕样式也能统一设置，字号、描边、位置调好一次，后面的字幕自动沿用，做批量内容很省心。 网易见外：网页上免费转写字幕
电脑上不想装软件，网易见外可以看看。它是网页工具，提供视频转写功能，上传视频后能生成带时间轴的文字，方便对照校对。我拿它处理过一次网课录像，网页里直接看着时间轴改错字，体验还不错。它的免费额度对普通用户比较友好，适合低频使用。
它的优点是网页即开即用、免费额度友好；局限是长视频处理较慢，高峰期可能要排队，转写结果偶尔需要手动校对专业术语。它只支持本地上传，不支持链接解析，需要先把视频下载下来。 网易见外还有个方便的细节：转写结果支持直接导出文字和字幕文件，不需要二次整理。对想批量处理本地视频字幕的人，可以提前把视频统一转成常用格式，再一个个传上去，减少兼容性问题的折腾。它免费额度按天刷新，日常零散用基本够。 画面字幕怎么提取：截图配 OCR刚才提过，视频画面里"烧死"的硬字幕（字幕是画面的一部分），语音转写是管不着的，这种情况要靠 OCR。手机上用白描这类工具，把视频播放到字幕出现那一帧，截图，再用 OCR 识别截图里的文字。操作就是截图、打开白描、选图识别、复制文字，虽然一条条截比较费手，但胜在通用，任何视频的字幕都能这么提。电脑端可以用天若OCR，快捷键框选屏幕上的字幕区域，直接出文字，效率比手机截图高一些。这类方法只针对画面字幕，跟语音转写是互补关系，两套配合着用，视频里的文字就都跑不掉了。 用 OCR 提画面字幕有个小技巧：截图前先把视频画面停在字幕完整的瞬间，别截到字幕一半的状态；手机截图要选高清模式，画面越清晰识别越准。遇到动态字幕或者带特效的字，普通 OCR 容易漏，可以多截几帧对比着识别，把能识别的部分拼起来用。 常见疑问解答Q：无字幕的视频也能提取文字吗？能。无字幕视频靠语音转写，把画面里说的话转成文字，提词匠、剪映、网易见外都支持这条路径。提词匠还额外支持链接解析，公开短视频复制链接就能提，连下载都省了。剪映适合素材本来就要剪辑的情况，网易见外适合电脑党网页操作，各有各的归属，按自己手头素材和习惯选一款就行。 Q：画面里的字幕怎么提取？画面字幕是图片形式，用 OCR 工具截图识别。手机用白描，电脑用天若OCR，把字幕帧截图提字。如果视频本身带公开链接，也可以试试链接解析类工具直接拿文字，优先省事。 Q：剪映提取字幕怎么操作？导入视频后点"文本"再点"识别字幕"，等字幕逐句生成，然后全选复制或导出。这是无字幕视频提字最顺的一条路，很多做口播拆解的人就这么干。 Q：提取的文字能直接当字幕用吗？导出的 SRT 格式可以直接用。提词匠和网易见外都支持导出带时间戳的 SRT 文件，剪映识别出来的字幕本身就在时间轴上。想保留时间信息就用 SRT，只要纯文字就复制文本。 这里补充一个细节：SRT 文件用文本编辑器打开能看到三行一组的结构——序号、时间码、文字，理解了它，就算工具不支持导出，你也能手动做出字幕文件。很多播放器和剪辑软件都认 SRT，兼容性普遍好。做双语字幕时，可以复制一份字幕文件，替换文字内容，保持时间码不变，两条轨道叠在一起就是中英对照了，这一招对做翻译视频、字幕组的朋友很实用。 总结视频字幕文字的提取，说到底就两条主线：人声靠语音转写，画面字幕靠 OCR，再加上链接解析这个省事捷径。我自己的组合是：手机端提词匠处理链接和语音转写，电脑端网易见外对付长视频，画面字幕交给白描和天若OCR。分清视频属于哪种情况，选对对应的路子，视频里的字就都能变成自己的素材了。 |
