抖音视频字幕/文字提取：4 种方法对比

抖音视频的文字有两种来源：画面上压的字幕，和博主实际说出来的口播，两者不一定完全一致。提取方法也分两条路：从画面识别文字（OCR），或从声音转写文字（语音识别）。本文把常见的 4 种方法按耗时和准确度排一遍，你可以按自己的使用频率来选。

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。

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。

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。

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。

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。

诚实说明：导入和识别预览免费，点「生成拍摄脚本」才使用 1 次额度；画面无法证实的内容会标注「（推断）」，不替你脑补。

视频禁止下载，还能提取文字吗？

可以。走「从声音转写」的路线不依赖下载：录屏后导入剪映识别是一种办法；用 Attar 更直接，复制分享链接粘贴到扩展里即可识别口播，不需要保存视频文件到本地。

画面字幕和口播不一致，以哪个为准？

看用途。研究文案表达时以口播为准，因为字幕常被压缩改写；引用金句配图时可以用画面字幕。严谨的做法是两者都提取、对照着看，差异本身往往也反映了博主上字幕时的取舍。

Attar 提取文字收费吗？

导入视频和预览识别结果免费，每月还有 3 次免费的完整生成额度。只有点「生成拍摄脚本」产出结构化笔记时才扣 1 次。会员 ¥99/年含 360 次，加油包 ¥9.9 可加 30 次。

能一次批量提取多条视频吗？

Attar 目前不支持批量逐条生成：一次粘贴多条链接只会处理第 1 条，直播和合集链接也不支持。需要处理多条视频时，逐条粘贴即可。