简短的回答
视频转文字工具读取音轨并返回可编辑的语音文字。在“提取文字”上传本地视频，选择实际口语语言，校对草稿后下载 TXT、JSON 或 SRT。当前版本不会抓取 Instagram、Facebook 或 YouTube 链接，请准备自己拥有或获准处理的本地文件。
准备含声音的本地视频
上传不超过 100 MB、10 分钟的 MP4、MOV、WebM 或 MKV。自己创作的社交视频可使用原始录制文件或有权导出的本地副本。只粘贴平台链接无法使用，长录音需先分段。
选择口语语言并生成草稿
选择录音实际使用的语言或自动检测。Whisper 在本站服务器上识别文字并估算时间戳，输出仍是原语言的语音转写。选择英语不会把其他语言的录音翻译成英语。
校对人名、数字和遗漏内容
边听边读转写文本。句子读起来通顺，也可能识别错词或漏掉低声片段。校对文字、标点和每行时间后保存。背景音乐和多人重叠会影响识别，文本也不会标记不同说话人。
下载纯文字或带时间的字幕
TXT 适合把文字复制到笔记或文档；JSON 保留结构化行数据；SRT 保存字幕序号和时间，便于导入播放器或编辑器。这里能编辑识别生成的文本，但不能上传现成 SRT。私有结果在 14 天后到期。
画面里的文字应使用 OCR
语音转写无法读取视频画面中的标题、幻灯片或硬字幕。请自行保存清晰的静帧，再在“图片转文字”上传 JPG、PNG 或 WebP。图片最多 5 MB、2000 万像素，可导出 TXT 或 JSON。当前版本不提供整段视频逐帧 OCR 扫描。
常见问题
能否粘贴 Instagram Reel 链接生成文字？
不能。本站接受本地媒体文件，不接受平台 URL。请上传自己的原始录制文件或获准处理的导出文件，并遵守大小和时长限制。
视频转文字会同时翻译吗？
不会。它将原口语转为可编辑的文字和时间信息，翻译属于另一项任务。