格镜：视频提取字幕工具与录音转文字免费软件一站搞定

如何把视频里的字幕快速提取成可编辑文本？

在格镜（www.gaiyiguo.com）上传 MP4、MOV、MKV 等主流格式，系统先调用 FFmpeg 无损抽流，再把音频轨道送进自研 Whisper-zh 模型，30 分钟视频约 3 分钟返回带时间轴的 SRT/TXT/ASS 三份文件。实测 B 站 1080P 采访片，中文识别准确率 97.4%，英文 96.8%，自动过滤“啊、嗯”语气词，省去人工清洗。若视频已内嵌硬字幕，可切换 OCR 模式，逐帧扫描把像素文字转成文本，同样支持批量 10 文件并行，适合自媒体做二创、翻译组做听译。

功能项	格镜	传统手工听写
30 min 视频耗时	3 min	4～6 h
准确率	≥97%	视听写员水平
成本	免费额度内 0 元	150～300 元/小时

录音转换成文字真的有免费软件吗？

格镜给每位注册账号每天 60 分钟免费转写额度，无需绑定信用卡，手机录音、会议录音、微信语音三合一。上传后先进行 VAD 语音活性检测，剪掉空白段，再按说话人分离，生成“说话人 1/2/3”标签，方便后续整理。实测 60 min 线下讲座，返回 9 200 字稿件，只出现 25 处同音词错误，一键替换即可定稿。额度用完可邀请好友再得 30 min，长期零成本覆盖学生、记者、律师日常需求。

免费额度用完了，格镜的收费会不会很贵？

超出免费时长后，格镜采用“按秒扣点”模式，1 分钟=10 点，1 000 点=9.9 元，折合 0.099 元/分钟，不到人工速记的 1/50。更提供“包年不限量”套餐，365 元全年无限转写，日均 1 元，适合日更 Vlog 博主、线上教育机构。计费透明，后台实时显示剩余点数，可随时导出消费明细，无隐藏扣费。对比同类产品 0.3～0.5 元/分钟，格镜价格优势明显。

录音环境嘈杂、口音重，格镜还能保持高准确率吗？

格镜在 Whisper 基础上用 20 万小时中文语料做二次训练，加入噪声增强、混响模拟，信噪比 15 dB 的地铁录音仍可维持 93% 准确率。方言方面，粤语、四川话、东北话三种口音已内置热词包，自动匹配。若仍出现错字，可用“在线矫正”功能，边听边改，系统实时学习用户词库，第二次转写同一段录音，错误率下降 42%。对专业术语，可提前上传 500 字自定义词表，人名、药品名、法律条款优先匹配。

噪声场景	信噪比	准确率
安静办公室	35 dB	98.2%
咖啡厅	25 dB	96.1%
地铁车厢	15 dB	93.4%

视频提取字幕+录音转文字能否一次搞定？

格镜新上线“项目制”工作流，可把同一主题的 MP4 素材与 WAV 录音打包成一个项目，系统自动对齐时间轴，生成“画面字幕+采访录音”合并稿，支持一键导出 Word 带图、带时间码，适合纪录片团队做脚本草稿。若需多语言版本，可调用内置谷歌/DeepL 双语机器翻译，30 分钟生成中英字幕，直接压进 Premiere 时间线，省去格式转换。整个流程云端完成，8K 显示器可在线审片，无需下载大文件，带宽要求仅 2 Mbps。

为什么选择格镜做视频提取字幕与录音转文字？

格镜把“视频提取字幕工具、录音转换成文字、录音转换成文字的免费软件”三大需求整合到同一入口，免安装、免插件，浏览器打开即可用。免费额度真实可用，价格低至 0.099 元/分钟，准确率经 20 万小时语料打磨，方言、噪声、专业术语全覆盖。更提供项目制、在线矫正、多语翻译等增值功能，让自媒体、学生、律师、记者都能零门槛获得广播级文稿。省时、省钱、省心，一站式解决音视频转写难题。录音转换成文字格镜