要点速览
- 支持 MP4、MOV、WebM，单文件上限 50MB
- 长视频建议按章节切分后再逐段处理
- 音轨提取在本地完成，不占用额外工具
- 提取结果按段落保存，便于后续检索
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 |
一次性转完整视频的问题
很多人处理长视频的习惯是"整条传上去等结果"。实际体验下来，这种方式有三个不便：等待时间长，中途出错要重来；转出来是一大段连续文字，按章节整理很费劲；单文件超过 50MB 时还得先压缩。
更实际的做法是先把视频按章节切开。大多数课程、访谈、会议视频本身就有自然的分段——老师讲完一个知识点、一个话题讨论结束，都是好的切分点。
长视频切分的实用标准
| 视频类型 | 建议单段长度 | 切分依据 |
|---|---|---|
| 课程讲解 | 10 到 15 分钟 | 按知识点或章节 |
| 访谈对话 | 10 分钟左右 | 按话题转换处 |
| 会议录像 | 15 到 20 分钟 | 按议题 |
| 口播短视频 | 无需切分 | 整条处理即可 |
视频素材的常见来源与处理
课程录像通常由录屏软件生成，输出 MP4，音质取决于设备麦克风，建议用耳机麦单独收音。访谈视频多是相机或手机拍摄，注意收音距离保持一致，否则会出现一段声音大一段声音小的情况。
会议视频如果是远程会议软件录制的，通常已经在服务器端做过音轨处理，质量相对稳定，处理起来最省心。
提取出来的文字怎么用
课程录像的文字稿可以直接整理成讲义或笔记，按知识点重新组织，比反复拖进度条回看高效。访谈稿适合按提问分组，摘出可以直接引用的回答。
如果素材是要用于发布的内容，提取文字只是第一步。后续还要按发布平台的语言习惯改写，比如把口语化的表达整理成书面语，把冗长的铺垫压缩成简短的开场。这一步可以参考视频文案提取里的整理思路。
处理视频素材的几条经验
先检查音轨是否正常。有些视频的画面没问题，但音轨是静音或者只有单声道的一半，这类文件转出来会是空白，上传前先播放几秒确认。
注意视频里的插播内容。课程视频中间常见"休息一下""下节继续"之类与主题无关的段落，切分时可以直接跳过，省掉后期删除的步骤。
保留一份原始文字稿。整理后的版本便于阅读，但原始转写结果更接近说话人的原意，需要引用原话时能派上用场。
长视频处理的时间安排
处理长视频要有心理预期。一段两小时的课程录像，即使切成六段，加上上传、等待、复制和初步校对，前后也得花上半小时以上。把它安排在一段完整的时间里做，比零散穿插效率高。
如果素材不急着用，可以分两次完成：第一次只做转写，把文字稿都拿到；第二次专门做校对和整理。两件事需要的注意力不同，混在一起做容易两头都做不好。
批量处理多个长视频时，建议穿插进行——一段上传等待的时间，用来校对上一段的结果，整体的等待感知会明显降低。
视频素材的前期整理
提取文字的效率，很大程度上取决于素材整理得好不好。同样一批视频，整理过和没整理过，处理时间可能差一倍。
前期整理包括三件事：按主题归类，重命名清楚，标注时长和内容概要。做到这三件，处理时不需要反复打开视频确认内容，直接按文件名就能判断优先级。
标注概要这件事看起来多余，实际很值。视频文件不像文档，光看文件名很难想起内容。一句十来个字的概要，几个月后依然能帮你判断这个文件还有没有用。
常见问题
超过 50MB 的视频怎么办？
先用剪辑工具切分成几段，或者降低分辨率重新导出。切分同时也是整理内容的好时机，建议按章节切。
视频没有声音能提取文字吗？
不能。视频提取文字处理的是音轨内容，如果视频本身没有音轨或者音轨是静音，识别结果会是空的。
提取出来的文字准确率怎么样？
取决于录音质量。单人清晰讲解的视频准确率较高，多人对话或带背景音乐的视频需要更多校对。
能提取视频画面里的文字吗？
不能直接提取。视频画面上的字幕、PPT 文字属于图像内容，需要先截图，再用图片转文字处理。