要点速览
- 处理本地视频文件，需要先保存到本地再上传
- 知识区、课程类视频语速平稳，识别效果通常较好
- 长视频建议按章节切分，单段控制在 50MB 以内
- 转出的文稿适合按知识点重新组织成笔记
支持的视频格式与转写参数
| 项目 | 说明 |
|---|---|
| 支持格式 | MP4、MOV、WebM |
| 单文件上限 | 50MB |
| 建议时长 | 5 分钟以内 |
| 参考耗时 | 约 1 分钟 |
| 音轨处理 | 浏览器本地提取，画面数据不上传 |
| 输出方式 | 复制到剪贴板、导出 TXT |
| 需先转换 | AVI、MKV、FLV、WMV 需先转 MP4 |
为什么B站视频特别适合转文字
哔哩哔哩的知识区、课程区聚集了大量讲解类内容，这类视频有个共同特点：以单人讲述为主，语速平稳，逻辑清晰，背景音乐很少或者只在片头片尾出现。这些特征恰好是语音识别最喜欢的形式。
相比之下，娱乐类视频的音乐、音效、多人互动会给识别带来更多干扰。所以同样是长视频，知识类内容的转写质量通常明显更好。
长视频的处理办法
| 视频时长 | 处理方式 | 说明 |
|---|---|---|
| 5 分钟以内 | 整条上传 | 等待时间短，结果直接可用 |
| 5 到 20 分钟 | 按章节切分 | 每段控制在 50MB 以内 |
| 20 分钟以上 | 按知识点分段 | 边处理边整理笔记 |
| 系列课程 | 逐集处理并编号 | 便于建立完整笔记体系 |
从文字稿到知识笔记
拿到文字稿之后，不要急着保存成"某某视频文字版"。这样的文件过几天就不会再打开。更好的做法是把内容重组：按知识点拆成若干条，每条用自己的话概括，再把原始表述附在后面作为参考。
重组的过程本身就是一次消化。很多人在看视频时觉得"听懂了"，但真要写下来才发现说不清楚，这种地方就是没真正理解的地方。
系列课程建议建立统一的笔记结构，每集对应一个文件，文件名带上集数和主题，全部转完之后就是一套完整的知识体系。
关于字幕的两种处理路径
如果视频本身已经带有字幕，你可以直接抓取字幕文本，省掉语音识别的步骤——具体思路见字幕提取。
但并非所有视频都有字幕，即使有，机器生成的字幕质量也参差不齐。这种情况下用语音识别从头转写反而更可靠，因为转写引擎用的是完整音频，而不依赖已有的字幕质量。
使用工具时的注意事项
下载视频请通过平台允许的方式，尊重UP主的创作。转写出来的文字用于个人学习没问题，如果要公开发布整理内容，建议注明来源并征得授权。
另外，部分长视频的画面里会有大量板书、PPT、代码示例，这些内容无法通过语音识别获取。需要记录这类信息时，可以截取关键画面，再用截图提取文字补充。
把系列课程整理成知识体系
看系列课程最大的问题是学完就忘。视频看完一遍，过两周再问还能说出多少，通常少得可怜。把课程转成文字并重组，是把"看过"变成"掌握"的关键一步。
整理时不要按视频顺序照搬，而要按知识结构重排。同一个知识点如果分散在三集里讲过，把它们合并到一处，补上中间缺失的部分，知识才是完整的。
全部整理完之后做一份总目录，把每章的核心结论列成一句话。这份目录既是复习提纲，也是判断自己是否真正掌握的标尺——如果哪一条说不清楚，就说明那部分还没消化。
长视频转写的注意力分配
处理长视频最容易出现的问题是走神。等待识别的几分钟里刷了别的，回来就忘了刚才在校对哪一段，效率反而下降。
合理的做法是把长视频处理切成若干个短周期：上传一段、校对上一段、整理上上段。每个周期都有明确动作，注意力不容易断。
另一个做法是挑时段。长视频处理适合安排在整块时间里做，零散的十几分钟用来处理长视频，往往刚进入状态就得停下。
常见问题
能直接输入B站链接转换吗？
不能。工具处理本地视频文件，需要先按平台允许的方式保存到本地，再上传处理。
一小时以上的长视频怎么办？
按章节切成若干段，每段控制在 50MB 以内分别上传。切分同时按知识点命名文件，后续整理笔记会轻松很多。
视频里的板书和PPT能提取吗？
语音识别只能获取说话内容。板书、PPT、代码需要截取画面后，用图片识别功能单独提取。
转出来的笔记可以分享吗？
个人学习使用没有限制。公开分享时建议注明原视频来源，涉及大规模转载应先征得UP主授权。