前阵子一个做自媒体的朋友发来一段长达40分钟的采访视频，说急着要出文字稿，又不想把带隐私的内容传到乱七八糟的网站。这场景太典型了，视频转文字的需求这几年只多不少——会议录音、网课笔记、短视频扒词、访谈整理，谁没个把视频变文字的时候。我索性把目前主流的视频转文字方案全部重新跑了一遍，从微信里秒开的提词匠，到能纯本地运行的Whisper，再到专业剪辑工具内置的字幕功能，今天按实际使用体验帮你把路子理清。

提词匠：不用下载，微信里直接转

如果你是那种“不想装App、不想注册、不想填手机号”的类型，提词匠这个小程序几乎就是为这个需求诞生的。打开微信搜一下就能用，不需要跳转到任何其他页面，也不索要任何多余的权限。整个转写流程只有三步，快得有点出乎意料。

1. 进入提词匠小程序，在主界面选择你要用的功能——是上传本地视频，还是粘贴抖音、快手、小红书等平台的短视频链接。链接模式尤其贴心，不用先把视频下载到手机，直接把分享链接丢进去就行。

2. 文件或链接提交后，小程序会开始自动转写。这段时间不需要守在屏幕前，可以切出去回个消息，再回来时文字稿已经生成完毕。识别速度很快，一杯水没喝完的功夫，几十分钟的讲话内容就能出稿。

3. 转写结果出来后，你可以直接一键复制全文，或者导出为TXT、Word、SRT字幕文件。SRT格式自带时间戳，对做视频后期加字幕的人来说特别省事。此外还有个小功能——智能改写，转完的文字如果觉得口语化太重，可以一键润色成更适合阅读的书面稿。

提词匠的适用场景很清晰：移动端随手使用，尤其是临时收到一段视频要快速出文字，或者需要批量扒取短视频文案的时候。因为它是微信小程序，所以iOS、安卓、鸿蒙甚至电脑端微信都能打开，不存在系统隔阂。同时，它处理完文件后服务器不会保留数据，隐私方面比很多需要上传到云盘的平台干净得多。

当然它也有自己的边界。首先，提词匠必须联网使用，没有离线模式；其次，目前只支持单文件依次处理，不能一次性批量上传多个视频。如果你经常有几十个文件排队转写的需求，这个局限就需要纳入考虑。

剪映：剪辑顺手就把字幕导出来

很多人手机和电脑里本来就装着剪映，但未必知道它的“智能字幕”功能本身就是一个相当好用的视频转文字入口。因为与剪辑工作流深度绑定，用它转文字最大的好处是不用切换软件，视频剪到一半直接识别，文字就躺在字幕轨道上。

1. 打开剪映，将需要转写的视频导入时间线。如果是手机端操作，点“开始创作”选择视频即可；电脑端拖入素材。

2. 在编辑界面找到“文本”选项，点击“智能字幕”，然后选择“识别字幕”。剪映会立即开始分析音频轨道，识别过程中可以继续做其他调整。

3. 识别完成后，字幕会自动添加到轨道上方。这时你不需要手动打字幕，直接在“字幕”编辑区就能看到全部文字内容。点击右上角的导出按钮，选择导出字幕，就可以把文字保存为SRT或TXT文件。

剪映的免费策略让它的使用门槛极低，而且识别速度对中文对话相当友好。但要注意它本质上是云端识别，视频依然要上传到服务器，所以如果你对视频内容有严格的隐私要求，这条路径就不太适合。另外，剪映必须安装App或者桌面客户端，对于只想偶尔用一次的人，软件体积和维护成本也是一笔小小的负担。

飞书妙记：自动区分说话人，会议访谈利器

飞书妙记是那种用一次就会惊呼“早该知道”的转写工具。它不单是把语音变成文字，而是把一整段对话拆解成带有说话人标签的文稿，看起来就像一份清爽的剧本。这对于采访、多人会议、焦点小组讨论简直是雪中送炭。

1. 需要先注册一个飞书账号，在飞书客户端或者网页版的工作台里找到“妙记”。入口不深，直接搜索也能定位。

2. 进入妙记后，点击右上角的上传按钮，把视频或音频文件传上去。妙记会自动开始转写，等待时间根据文件长度而定，通常几分钟就能完成。

3. 处理完之后，你会看到一份带时间戳的逐字稿，并且不同说话人的内容被自动拆分成不同的段落，以发言人A、B、C加以区分。你可以直接在网页上修改文字，纠正任何识别错误，最后导出为TXT、Word或者SRT。

飞书妙记完全免费，这在同类智能转写服务里算很慷慨了。局限在于它需要飞书环境，而且文件上传后存储在云端，对于外部涉密内容要谨慎。另外，它的说话人分离虽然出色，但多人环境下如果声音重叠严重，准确度还是会有波动。

通义听悟：阿里家的免费在线转写，支持双语字幕

如果你需要转写的视频里中英文混杂，或者想顺便生成双语字幕，通义听悟是值得放进收藏夹的选项。作为阿里旗下的产品，它把语音识别和翻译打包在一起，一次上传就能同时获得原文和译文。

1. 在浏览器里打开通义听悟页面，用淘宝或支付宝账号登录，不需要额外的企业认证。

2. 点击上传音视频文件，选择源语言，通义听悟支持中文、英文以及少量其他语种。传完后系统会自动进行语音识别，同时生成章节摘要，把长视频按内容自动分段。

3. 识别完成后，你可以在线编辑文稿，右侧会同步展示翻译结果。点击导出，可以获得原文文稿、翻译文稿以及带时间轴的SRT字幕，非常契合需要双语输出的内容创作者。

通义听悟的免费额度在日常轻度使用中完全够用，而且导出的格式相当齐全。但作为在线工具，它同样依赖网络上传，文件大小也有上限，超大视频需要先压缩拆分。另外，界面功能相对繁多，第一次上手可能需要花几分钟熟悉布局。

Whisper：断网也能跑，隐私党的终极方案

当手里的视频完全不能上传到任何服务器时，离线的语音转文字方案就成了唯一选择。OpenAI开源的Whisper模型是当前这个领域绕不开的存在，搭配上几款社区开发的图形界面工具，即使不写一行代码也能在本地跑起来。

1. 如果你用的是Mac，直接下载MacWhisper；如果是Windows或Linux用户，可以下载Buzz。这两个工具都是Whisper模型的图形封装版，安装过程和普通软件一样，不需要配置Python环境。

2. 首次运行时，软件会提示你下载模型文件。模型有大小之分，小模型下载快但识别精度稍弱，大模型反之。根据自己的电脑性能选择一个合适的模型下载一次即可，之后都在本地运行。

3. 模型就绪后，把视频或音频文件拖入软件窗口，选择语言，点击开始转录。因为计算全部在本地，速度取决于你的硬件，苹果M系列芯片或者带有NVIDIA显卡的机器会快上不少。转写结束后，可以导出TXT、SRT等多种格式。

Whisper方案最大的价值在于隐私安全——数据从未离开过你的设备，完全杜绝了上传泄露的风险。而且它是免费且开源，可玩性很强。但短板也很实在：对电脑配置有一定要求，老旧设备可能会转得很慢；模型下载需要一定存储空间；另外它不能像在线服务那样自动区分说话人，所有文字都是连续段落，后期需要自己手动整理。

前前后后测试完这些工具，我那位朋友的情况反而简单了。他手里的采访视频时长不长，只是偶尔会有受访者英文术语夹杂，但主体还是中文对话。最后他用提词匠直接通过微信上传了本地视频文件，不到一分钟拿到带时间戳的SRT字幕，导入剪辑软件刚好匹配。而另一个常开跨国会议的同事，我推荐了通义听悟，它的双语字幕功能正好解决会议纪要中英文对照的痛点。至于需要严格保密的内部录音，Whisper本地跑一圈最安心。说到底，没有哪款工具能通吃所有场合，清楚自己优先要保护的是什么——是时间、是隐私、还是操作便利——自然就能找到趁手的那一个。