什么是TikTok 短视频转文字？
TikTok 短视频转文字，是把已保存到本地的短视频里的说话内容整理成可读、可引用、可修改的文字。识别依据是音轨而不是画面上的花字，所以字幕被压进画面的视频同样能得到干净文稿。快速剪辑、背景音乐和网络用语都按音频处理，每一行保留时间戳，方便回到原片核对。
为什么选择TikTok 短视频转文字？
短视频的节奏和长音频不同：十五秒的片段与三分钟的片段走同一条流程，不必为时长另做设置。输出是按说话人分段、按句断行的文稿，比一整块自动字幕更适合朗读、贴进文案框，或交给剪辑师当口播稿。
画面里的字幕只能看不能选，一句台词要反复暂停抄写？
当字幕被烧进画面，就没有可以选中的文字，想复用一句开场只能暂停、重打，再猜被贴纸挡住的词。热门音效和叠在一起的背景音乐让猜测更难。工具从音轨入手，把说出的话还原成可编辑文本，并给每行标上时间戳，有疑问的句子几秒内就能回到原片确认。
TikTok 短视频转文字有什么不同？
它把竖屏短视频当作常规输入：音乐下的人声、快切镜头、盖住台词的花字，都在同一条处理流程之内。
能分辨音乐下的人声
快切镜头逐行标时间戳
按说话人分段的可编辑文稿
如何用TikTok 短视频转文字，三步完成
- 1
上传短视频文件
先把片段保存到设备，再添加视频文件。竖屏构图和压进画面的字幕，都不影响识别结果。
- 2
确认说话语言
默认自动识别语种；片段混用两种语言，或从半句话开始时，可以手动指定。
- 3
校对并导出文稿
改掉网络用语、人名和产品名，再存成纯文本，用于文案框、口播稿或重新发布。
从一段本地短视频开始。说出的话会整理成可编辑文本，每行带时间戳，可疑句子随时能核对。
转写短视频用户怎么评价TikTok 短视频转文字
“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TikTok 短视频转文字的常见问题
转写会改动原视频吗？
不会。上传的是一份副本，处理只读取音轨，原片留在设备上，画质、封面和发布时间都不受影响。得到的是一份独立文本，可以随意修改，也可以导出后删除，不会回写到视频里，也不会影响已经发布的版本。需要的话，同一段素材还能再转一次，两次结果互不覆盖。
哪些 TikTok 视频可以转写？
只要片段能保存成本地视频文件就可以，无论它是从应用里导出的、聊天中收到的，还是用录屏留下的。竖屏构图、贴纸和压在画面上的文字都不影响结果，因为识别读取的是音轨，画面上叠了什么并不会被当成文字来提取。画面上写了什么，与文稿里写了什么，本来就是两回事。
背景音乐很响，会盖住人声吗？
热门音效常常贴着人声，音量过大确实会损失一些准确度。人声清楚浮在混音之上的片段表现较好；被鼓点压住的说话内容可能需要再校一遍。文稿保留时间戳，每句存疑的话都能回到片段里重听，确认之后再决定要不要修改。
画面上的字幕能直接复制成文本吗？
不能。压进画面的字是像素，不是可以选中的文字，任何工具都无法直接提取。能转写的是说出来的话，这也是本页的做法：从音轨重新听一遍，把语音还原成可编辑文本，而不是从字幕层搬运。两者内容接近，但来源不同，后者还能顺手改错字。
支持哪些语言？
大约一百种口语可以转写，语种由音频自动判断。手动指定在几种情况下更稳：片段从半句话开始、一句话里混用两种语言，或者俚语很重。十几秒的短视频能给判断器的上下文有限，先指定语种，可以少走一轮修改；如果结果明显不对，再换语种重跑一遍即可。
短视频转写的准确率怎么样？
准确率取决于音频条件。安静环境、离麦克风近的片段需要改动最少；有音乐、喊叫或多人叠话时，需要复核的行会变多。人名、产品名和网络用语是最容易出错的部分，编辑器里改起来很快，不必整段重打，改完的文本就是最终导出的版本。
一次能处理多条短视频吗？
一个会话里可以连续添加多段短视频，不必每段都重开页面。处理按顺序进行，前一条完成后接着下一条，赶在拍摄日之前备好一周脚本时尤其省事。同时提交的数量有上限，超出时页面会提示；排队期间可以先做别的事，不必守着进度。
转好的文稿可以用来做什么？
纯文本可以贴进文案框、写进口播稿文档，或放进选题表。文稿保留说话人分段和时间戳，一句台词能被准确引用，也能按平台字数删减；同一份文件还能当成更长视频脚本的底稿，不必再从画面里一句句抄。引用时把时间戳一起写上，读者也能自己回看。