4 Ways to Extract Text and Subtitles from Douyin Videos

Compare manual transcription, CapCut caption recognition, OCR, and auto-transcription tools for extracting text from Douyin videos, including a paste-a-link workflow with the Attar Chrome extension.

方法一：手打逐字稿（零成本但最慢）

最原始的方法：把视频调到 0.5 倍速，边听边打字。优点是完全免费、顺便逼你精听一遍内容；缺点是效率极低，1 分钟口播通常要 5-8 分钟才能打完，长视频基本不现实。适合偶尔提取一条、且内容特别重要需要逐句咀嚼的场景。

小技巧：用手机看视频、电脑打字，比在同一块屏幕上来回切换快；先不管标点一口气打完，再回头断句和分段，整体速度能提升不少。

方法二：剪映「识别字幕」再导出

先把视频保存到本地（作者开启下载权限时可直接保存），导入剪映，用「文字 - 识别字幕」自动生成字幕轨，再逐条复制或导出文稿。中文识别准确率不错，是目前最常用的免费方案。

缺点是链路长：下载、导入、识别、导出要切好几个应用；遇到禁止下载的视频还得先录屏。数字、英文和专有名词容易识别错，用于正式笔记前需要人工核对一遍。

方法三：截图 + OCR 识别画面字幕

如果你只需要画面上压的字幕（比如金句卡点视频），可以逐屏截图，再用微信「提取文字」、手机相册自带的文字识别或其它 OCR 工具转成文本。单张识别速度快，印刷体字幕的准确率也高。

但它只能拿到字幕，拿不到没上字幕的口播内容；长视频需要几十张截图逐张处理，拼接时还容易漏行。适合提取少量金句，不适合完整文稿。

方法四：自动转写工具（粘贴链接直接出文字）

第四类是自动转写工具：输入视频链接，机器直接把口播转成文字。以 Attar 为例，它是一个 Chrome 扩展，复制抖音的分享链接粘贴进去，或打开视频页点「导入当前视频（免费）」，就能免费预览识别出的口播文字，中文识别效果很强，不需要下载视频。

Attar 的定位不只是转文字：确认预览后点「生成拍摄脚本（用 1 次）」，会进一步产出干货知识点、爆款拆解和文案复刻参考，存成本地 Markdown 文件。每月 3 次免费生成额度，导入和预览不扣次；会员 ¥99/年含 360 次，也有 ¥9.9/30 次的加油包。

怎么选：一张对比清单

按使用频率选即可：一个月只提取一两条，剪映足够；只要画面上的金句，用截图 OCR；每周都要拆视频、还想顺手把内容做成笔记，自动转写工具更省时间。

• 手打逐字稿：零成本，1 分钟内容约需 5-8 分钟，准确度取决于你自己
• 剪映识别字幕：免费，链路较长，中文准确率不错，需人工核对数字和专有名词
• 截图 OCR：单张快，但只能拿画面字幕，长视频工作量大
• 自动转写（如 Attar）：粘贴链接即可，免费预览，生成结构化笔记才扣次