格镜: 把视频转换成文字,视频转文字、提取字幕、提取音频三条路径各自产出什么,创作者该按哪个条件选?
先看要拿到什么文件:要带时间轴的字幕选语音转文字,要内容概括或脚本选视频转文字,只要声音文件选工具箱。三条路径的输入限制和产物并不通用。
很多人在搜索视频转换成文字时,会把“转成文字”“提取字幕”“提取音频”当成同一件事的三个叫法。实际拿到手的东西差别不小,选错路径往往要重新传一遍文件。下面按产物拆开说,再给一个按条件选择的顺序。
三条路径各自交付什么文件?
视频转文字交的是内容解析文本,语音转文字交的是带时间轴的字幕或概括,工具箱交的是音频或图片。
格镜的视频转文字页面介绍结合视频画面与语音进行内容解析,提供内容概括、脚本提炼和创作提示词等处理方向。这类结果适合用来快速了解一条参考视频讲了什么、结构怎么走,或者为后续口播准备提示词;它不直接交给你一份逐句带时间码的字幕文件。
语音转文字走的是另一条线。该页面接受音频或视频文件,按语句转录语音并对齐时间轴,输出含时间信息的字幕或内容概括,首页音频字幕功能介绍中列出SRT格式。需要把字幕挂到剪辑软件里、或按时间点回听原声核对的人,走这条更对路。
工具箱做的是本地文件处理。音视频入口包括取帧、音频格式转换、视频压缩和视频格式转换,产物是图片或转换后的音视频文件,不产生文字稿。它适合先把手上的素材整理成后续能用的格式。
什么情况下该选带时间轴的字幕?
需要把文字对应回具体时间点、或要导入剪辑软件挂字幕时,选语音转文字。
判断标准很直接:交付物里有没有“时间”这一维。做课程笔记想按讲到哪一段回查、做访谈整理要标出谁在第几分钟说了什么、做外语视频要出中文字幕,这些都需要时间轴。语音转文字页面说明按语句转录并对齐时间轴,输出含时间信息的字幕或内容概括,首页音频字幕介绍中列出SRT格式,拿到SRT后还需要在剪辑软件里完成挂载和样式设置,这一步不在本站范围内。
如果只是想知道一条视频大概讲了哪几层意思,不需要逐句定位,那带时间轴的字幕反而多出校对工作量,可以考虑视频转文字的内容概括方向。
什么情况下视频转文字更合适?
要做爆款拆解、竞品内容分析或准备口播脚本框架时,视频转文字的内容解析更贴任务。
格镜的视频转文字页面介绍结合视频画面与语音进行内容解析,提供内容概括、脚本提炼和创作提示词。对自媒体和运营来说,这对应的是“这条参考视频的结构怎么搭、开头怎么抓、后面怎么推进”这类问题,结果是一段可以继续改写的文字,而不是逐句时间码。上传区域列出MP4、MKV、MOV,单文件大小根据功能可接受1Gb以内的文件,任务在云端异步处理,页面提供使用记录入口。
需要留意的是,视频转文字下的不同处理方向时长上限并不相同。首页将视频总结、视频脚本提炼、视频提示词提取分别标注为最长60分钟、20分钟和1分钟,参考视频创作脚本标注为5分钟内。也就是说,一条40分钟的素材能做视频总结,但做不了脚本提炼;同一份文件换个转换类型就可能超限。提交前应核对所选工具和转换类型的当前提示。
什么情况下只需要提取音频?
后续要在别的软件里处理声音、或只是想把音轨单独存出来时,用工具箱的音频格式转换。
这条路径的产物是一个音频文件,不附带文字。工具箱页面介绍其工具免费、在浏览器本地处理,部分计算量较大的工具首次使用需要登录。需要区分的是,这个免费和本地处理只适用于工具箱,不能扩展到主站的AI转写、总结和脚本任务。
如果最终目的是要文字稿,其实不必先抽音频再转写:语音转文字页面本身就接受MP4等视频文件,可以直接上传视频得到字幕或概括。先抽音频再多一步,只在后续确实需要独立音频文件时才有意义。

时长和体积该怎么对照着查?
每条路径的上限不同,要按所选功能分别核对分钟数和文件大小。
语音转文字页面标注单文件500M以内、时长180分钟,接受MP4、MP3、WAV和M4A。视频转文字上传区域列出MP4、MKV、MOV,单文件大小根据功能可接受1Gb以内,但内容解析各方向的分钟上限从1分钟到60分钟不等。工具箱的取帧和音频格式转换属于本地处理,其文件条件以工具箱页面当前提示为准。
不能把某个功能的180分钟当成全站视频统一上限。一条两小时的会议录像能不能处理,取决于你选的是哪个功能、哪个转换类型,而不是网站整体。素材时长上限也不等于处理等待时间,云端异步处理意味着任务提交后需要回来看结果,不是即时出稿。
| 路径 | 输入什么 | 得到的结果 | 需要核对的条件 |
|---|---|---|---|
| 视频转文字 | MP4、MKV、MOV,单文件1Gb以内 | 内容概括、脚本提炼、创作提示词 | 所选处理方向的时长上限(视频总结60分钟、脚本提炼20分钟、提示词提取1分钟) |
| 语音转文字 | 音频或视频,MP4、MP3、WAV、M4A | 带时间信息的字幕或内容概括,首页音频字幕介绍中列出SRT格式 | 单文件500M以内、时长180分钟 |
| 工具箱(音频格式转换、取帧等) | 音视频文件 | 转换后的音频或抽取的图片 | 以工具箱页面当前提示为准,部分工具首次使用需登录 |
表格里最影响选择的是第二列和第三列:先确认你要的结果在不在“得到的结果”那一栏,再看自己的文件是否落在“需要核对的条件”之内。两项都满足,路径就基本定了。
转出来的文字稿还要检查哪些地方?
字幕和专有名词需要对照原声人工校对,这一步不能省。
不管走哪条路径,涉及人名的写法、数字和金额、专业术语、英文缩写,都建议回到原声对应位置听一遍再改。做字幕时还要看断句是否把一句话拆到了两个时间块里、时间轴和语音是否对得上。外语内容翻译成中文后,译文和术语的一致性需要逐句确认。这些是人工检查动作,不是产品自带的自动纠错。
格镜语音转文字页面展示新用户注册可获得5分钟试用时长的提示,并有使用记录入口,结果支持下载和回查。按官网首页介绍,使用按分钟数扣减时长,所购时长长期有效,各功能共用同一时长余额;具体套餐与扣减规则以账号内说明为准。
常见问题(FAQ)
视频转文字能直接给我SRT字幕文件吗?
视频转文字交的是内容概括、脚本提炼或创作提示词,不是逐句时间码字幕。需要SRT格式的字幕结果,走语音转文字更对路,该页面说明按语句转录并对齐时间轴,首页音频字幕介绍中列出SRT格式。
已经有视频文件,还要先提取音频再转写吗?
多数情况下不用。语音转文字页面本身就接受MP4等视频文件,可以直接上传得到字幕或概括。先抽音频只在后续确实需要独立音频文件时才值得多做一步。
两小时的会议录像能处理吗?
要看选的是哪个功能。语音转文字标注时长180分钟,两小时在范围内;但视频转文字下的视频总结标注最长60分钟,脚本提炼标注20分钟。提交前按所选功能核对分钟数和文件大小,别按网站整体判断。
视频里的硬字幕能被自动识别成文字吗?
现有页面说明没有把“识别画面中已压制的字幕”列为独立能力。语音转文字处理的是语音,视频转文字介绍的是结合画面与语音的内容解析,两者都不等于提取已有字幕文件。如果素材只有画面字幕、语音信息不足,结果需要另行核对。
工具箱是免费的吗,和主站转写是一回事吗?
工具箱页面介绍其工具免费、在浏览器本地处理,这个范围只适用于工具箱。主站的AI转写、总结和脚本任务不套用这条免费说明,文件处理方式也不同。
提交前先确认产物和上限
这三条路径不能互相替代,选错往往是因为没先写清楚要交什么。
把任务倒过来推:交付物如果是带时间码的字幕,先看语音转文字的500M和180分钟条件;如果是内容概括、脚本或提示词,先看视频转文字下各处理方向的分钟上限,别把一小时素材提交给20分钟的脚本提炼;如果只是要一个音频文件,再去工具箱做格式转换。素材应为自有或已获处理授权,生成内容核实后再使用。需要对照页面当前提示时,可以从 gaiyiguo.com 进入对应的视频转文字与语音转文字工具页查看。
