要点速览
- 支持 MP4、MOV、WebM，单文件上限 50MB
- 先拿到完整文稿，再按段落看结构，比边看边记更准
- 自己的口播视频转成文字可复用为图文素材
- 带背景音乐的短视频识别质量会下降，需要多校对
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 |
为什么要把视频文案提取出来
看视频和读文字，获取信息的效率差别很大。一条三分钟的视频，你可能要看两遍才能理清它的结构；转成文字后，一眼就能看出开头怎么起、中间分几层、结尾怎么收，几百字的内容扫一遍就够。
对自己的内容来说，提取文案的价值是复用。同一套观点，做成视频是一版，整理成文字发在图文平台又是一版，底稿转出来之后改写的成本比重新想低得多。
提取后怎么拆解一条视频的结构
- 先把整篇文案通读一遍，标出所有转折和递进的位置
- 给每个段落写一句大意，看清整体的信息层级
- 找出开场部分承担了什么任务：抛问题、给结论还是制造反差
- 看中间是怎么展开的，用了几个例子、几次对比
- 记录结尾的收束方式，是回扣开头还是给行动指引
口播稿和普通文案的差别
这意味着口播稿转成文字后不能直接用。需要把口语化的重复删掉、把靠语气完成的转折补成明确的连接词、把称呼式表达改写成陈述句，才算完成从"说"到"写"的转换。
| 维度 | 口播稿 | 书面文案 |
|---|---|---|
| 句子长度 | 偏短，一句话一个意思 | 可以长句、可以有从句 |
| 连接方式 | 靠语气和停顿过渡 | 靠关联词和标点 |
| 重复程度 | 会刻意重复关键信息 | 重复要控制在合理范围 |
| 口语成分 | 有语气词、有呼叫式表达 | 以正式书面语为主 |
处理短视频素材的注意事项
短视频普遍带有背景音乐和音效，这会给识别带来干扰。人声和音乐叠在一起时，识别结果会出现漏字和错字，尤其是音乐音量接近人声的段落。转完之后建议对着视频快速核对一遍，重点看开头和结尾——这两处通常是信息最密集的地方。
另外，短视频的语速普遍偏快，加上频繁的口头禅，识别结果会显得很碎。整理时可以先做一轮粗删，把"就是说""你知道吧"这类填充词去掉，可读性会立刻提升。
如果素材是整段课程或访谈，用视频转文字更合适；如果只想取字幕部分，可以看字幕提取的说明。
把提取结果变成自己的内容
拿到文案之后，建议分三步处理。第一步做信息筛选，只保留对自己有用的观点和素材；第二步做结构重组，用自己的逻辑重新排列；第三步做表达替换，用自己习惯的说法把内容讲一遍。
经过这三步处理的内容，才会真正变成你自己的东西。直接搬运别人提取出来的文案，既不长久，也有版权风险。
拆解之后的素材怎么用起来
很多人拆解完一份文案就放下了，笔记里躺着几十条结构分析，自己写东西时却一条也想不起来。问题在于拆解成果没有被转化成可操作的东西。
更有效的做法是每拆解一条，就提炼出一条"可复用的做法"，写成一句话记下来。比如"开场用具体场景代入比用观点好""中间每讲一个道理就配一个例子"。半年下来，这些句子会形成一份自己的写作清单。
清单积累到一定数量，还可以做一次归类整理，把同类做法合并、把重复的删掉，最终沉淀成一份属于自己的方法。这比收藏一百条别人的爆款文案有用得多。
常见问题
视频文案提取能提取到什么程度？
能拿到视频里的全部口播内容，包括语气词和重复表述。整理成可用文案还需要做删减和改写。
带背景音乐的视频能提取准确吗？
可以提取，但准确率会下降。音乐与人声重叠时容易出现漏字，建议转完后对照视频核对关键段落。
提取别人的视频文案用于自己发布合适吗？
直接搬运不合适，涉及版权问题。合理做法是提取后拆解其结构与思路，用自己的语言和素材重新创作。
自己的口播视频能用来做什么？
可以整理成图文稿发在公众号或图文平台，也可以拆出金句做图文卡片，一份内容多平台复用能摊薄创作成本。