视频转文字的工作原理
它能把视频里的所有文字提取出来：人们说的话，以及画面中显示的文字，比如幻灯片、烧录在视频里的字幕、标题和标牌。你会得到一份按时间排序的列表，全部在你自己的电脑上读取，所以录下的会议或讲座不会被发送到任何地方。
三步把视频转成文字
- 1选择你的视频。
MP4、MOV、WebM 或 MKV。保持默认选项可提取全部内容，也可以只选说话内容或只选屏幕上的文字。
- 2检查开头部分。
免费预览会读取前 30 秒，并显示前几行。
- 3下载、修改、再保存。
你会得到一个 .txt 文件，每一行都带有时间。可以在页面上修改任意一行，然后再次保存文字，或者把说话内容保存为字幕（.srt 或 .vtt）。
它会看哪些内容
- 声音：语音模型会听写说话内容，并标出每句话的时间。
- 画面：每 2 秒截取一张静止画面并读取上面的文字。与上一张看起来一样的画面会被跳过。
- 只保留它有把握的文字，所以污点和花纹不会被当成字母。
- 在屏幕上停留一段时间的幻灯片只出现一次，时间为它首次出现的时刻。
- 在文本文件中，说话内容显示为“[0:12] …”，屏幕文字显示为“[0:15] 屏幕上：…”。
它做不到什么
和所有自动识别一样，它会出错，所以使用前请把文字通读一遍。
- 手写字、很小的文字和移动的文字识别效果差，或者完全识别不出。
- 画面每 2 秒检查一次，所以显示时间更短的文字可能会漏掉。
- 你选择的语言也会用于识别屏幕上的文字。其他语言的文字识别效果会差一些。
- “更准确”对其他语言和嘈杂的声音理解得更好，但第一次需要下载的内容更大（240 MB，而不是 77 MB），速度也更慢。最适合在电脑上使用。
- 它需要笔记本或台式电脑：这项工作对手机来说太重了。
你的视频留在你身边
视频在这台设备上读取，永远不会发送到任何网站或服务器。第一次之后，语音模型和文字识别器会保留在你的浏览器里。