视频转文字：先抽音轨再本地识别
视频里的话要变成字幕时，不必把文件传到转写网站。浏览器先抽出声音，再用和「语音转文字」相同的引擎识别。
最近更新：2026年10月7日
需要马上处理？使用 视频转文字 ，浏览器本地完成，不上传服务器。
打开视频转文字先有声音才有文字
没有音轨的画面无法识别。抽出的是 16 kHz 单声道，只用于识别，不会额外给你一份音乐母带。
只要声音、不要文字时，请用「提取音频」。
字幕下一步
下载的 SRT 可以拿到「SRT 字幕工具箱」做时间轴偏移或双语合并，也可以再烧进画面。
长视频请先裁剪到 15 分钟以内。模型在点击开始后才下载，并缓存在本机。
操作步骤
- 选择视频
- 开始后等待抽音轨和识别
- 下载 TXT 或 SRT
常见问题
视频会上传吗？
不会。抽音轨和识别都在浏览器本地完成。
和语音转文字是两套模型吗？
不是。两个入口共用同一套本地识别，视频只是多了抽音轨这一步。