什么是中文视频转文字？
该工具把 B 站视频转成可编辑文字，既可用公开视频链接，也可上传已下载的文件。它处理中文普通话语音，时间戳与画面对齐，产出的文字稿可供字幕编辑、学习小组或搬运频道校对。多集系列和长直播按文件分开处理，每一集保留自己的时间轴，笔记也不会串到一起。
为什么选择中文视频转文字？
针对这个平台的实际用法调过：整段讲座、解说视频和多集系列，旁白以普通话为主。公开链接和下载文件走同一条路径，三集系列可以一集一集转，不必每集换一个工具。学习小组各自整理一集，最后再合并，也走得通。
为了记一句笔记，要把一个四十分钟的视频看两遍吗？
在 B 站做笔记，常见做法是把四十分钟的解说视频反复倒回去找一句话，停下来写字又漏掉下一点。平台自带字幕常常没有，遇到音乐和口语词还会断在半句。该工具返回带时间戳的文字稿，一句原话靠搜索定位，再到视频里的准确时刻确认；整理成笔记或字幕时，也不用从头看第二遍。
中文视频转文字有什么不同？
面向平台常见的时长与中文口播：解说、讲座和多集系列，需要一份可搜索的文字稿和一个能被播放器读取的字幕文件。
公开链接与下载文件都能提交
中文口播配上可读时间戳
可导出 SRT 用于二次上传
格式、语言与上限
- 支持语言
- 99
- 默认自动识别；中英混说或口音较重时，可以手动指定再转写。
- 文件类型
- 13
- MP3、M4A、WAV、AAC、MP4、MOV、WebM 等。视频直接处理，不用先抽出音轨。
- 单文件上限
- 500 MB
- 大文件直传对象存储，进度条可见，最大 500 MB。
- 导出格式
- TXT · SRT · VTT
- 纯文本、SRT 与 VTT 字幕，可直接进文档、剪辑软件或字幕轨。
如何用中文视频转文字，三步完成
- STEP 01
加入 B 站视频
粘贴公开视频链接，或从手机、电脑上传已下载的 MP4、FLV 文件。
- STEP 02
把语言设为中文
识别通常能判断出来；视频里夹着英文术语时，手动指定更稳妥。
- STEP 03
改好文字并导出
趁着画面还在对，改正人名和口语词，再导出文本或 SRT 文件。
用户怎么评价中文视频转文字
“讲座录音终于变成了能搜索的笔记，而不是硬盘里几小时的音频。”
“开会时我不再记笔记了，改成会后再看转写稿。”
“带时间戳的稿子让我这一遍剪辑的时间差不多省了一半。”
“在九十分钟的访谈里找一句话，现在只要几秒。”
“有了说话人标签，多人访谈的编码工作轻松太多了。”
关于中文视频转文字的常见问题
用链接就行，还是要上传文件？
无需登录即可播放的公开链接可以直接添加，已下载的文件则任何情况都能用。仅限会员观看或需要登录的视频取不到音频，先把文件存下来是更稳的路子。先存文件还能保住原始音质，转写结果也会干净一些，尤其是音乐和音效很多的片子。
多集视频怎么处理？
每一集作为单独的文件添加，各自的时间轴从零开始。这适合讲座系列，或分成好几段的长解说，因为一句引用定位在它所属的那一集里，而不是变成一条没有尽头的总时间码。整理的时候按集数命名文件，回头找起来会快很多。
只支持普通话吗？
转写按设定的语言进行，在 B 站通常选普通话。粤语、日语或英语解说的视频，选中对应语言即可；一段视频里混用多种语言时，把占主导的那一种手动设好，结果最稳定。方言口音较重的讲解，校对时仍要留出时间，自动识别不一定跟得上语速。
能直接做成字幕文件吗？
能。文字稿可以导出 SRT 或 VTT，字幕编辑器或视频播放器都能直接读取。时间来自原始音频，字幕文件无需手工重新对轴就能和画面对上，二次上传时压进画面的字幕通常就是这个文件。改过的文字会一起写进字幕，不必再导一次。
弹幕和画面里的字幕呢？
只转写说话的声音。弹幕、标题，以及压在画面上的字幕文字都不会被读取，依赖画面文字的科普视频因此需要另附一份人工笔记，而不是指望它们出现在文字稿里。画面里的文字要保留，只能靠人另外整理一份，视频简介也不在转写范围内。
多长的视频能处理？
长讲座或直播录像都放得进 500MB 的限制，一次上传即可，不用手动切分。更长的视频按部分切开设成几个文件，各自独立转写，四小时的直播就变成四份带索引的文件。切分点最好落在章节之间，翻找时更顺，几个文件也可以同时排进队列。
直播回放能转写吗？
能，前提是回放已经存成文件。直播进行中无法处理，因为能被读取的只有完成的文件，工具不做边播边转。等直播结束是唯一真正的要求，存下来的回放之后与普通视频没有区别。平台保留回放的期限通常有限，结束后尽快把文件存下来更稳妥。
工具会把文字翻译成别的语言吗？
不会。文字保持口播时的语言，翻译和双语字幕输出不在工具的能力范围内。需要译文时，是把导出的文本交给另外的翻译环节来处理。引用原话、把翻译交给译者的分工，通常最能保住原意，也省去核对两种语言是否对得上的麻烦。