讲解者
视频中的声音会转换成时间轴文字。
回声口袋 · 视频转文字
从视频音轨生成带时间轴的文字
适合课程、访谈、讲解和自有视频素材。网页准备媒体后提交转写，无需手工先把视频转换成音频。
微信登录后选择文件登录完成将直接打开上传面板，再确认语言、模型和说话人数自动转写可能有误，重要内容请结合原声复核。
课程讲解演示.mp4音轨已准备
00:1802:36
字幕预览
00:00:49,000 → 00:00:54,000
导出
可以继续导出 SRT 或 VTT。
查找文件导出结果创建分享
视频文件怎样变成字幕文字
处理对象是视频中的音轨，画面不会参与识别。
- 01
选择视频
上传包含清晰人声的 MP4、MOV、WebM 等常见文件。
- 02
准备音轨
网页检测媒体，并完成必要的本地兼容处理。
- 03
生成时间轴文字
语音按段落转写，保留定位原视频所需的时间信息。
- 04
校对并导出字幕
结合画面和原声复核，再导出 SRT 或 VTT。
常见视频输入，对应可编辑字幕输出
无需先手工把常见视频转换成音频；字幕发布前仍应检查断句和时间位置。
输入
MP4MOVWebMM4V常见含音轨视频
回声口袋
媒体检查 · 转写设置
时间轴 · 原声校对
输出
SRTVTTTXTDOCXCSV
当前不识别画面中的文字、人物或物体，只处理音轨中的语音。
字幕输出
在导出前选择适合剪辑流程的格式
SRT 与 VTT 保留时间码；TXT 和 DOCX 更适合阅读、搜索和继续整理。
转写已完成
选择适合后续工作的输出
保留连续文字、分段时间信息，或导出可以继续校对的字幕文件。
TXTDOCX表格 DOCXCSVSRTVTT
让不同视频的声音部分可搜索、可复用
课程与讲解
生成文字底稿，定位需要重点校对的知识点。
视频访谈
区分多人发言，为字幕和文字资料保留时间线索。
自有内容归档
将声音内容导出为文档，便于后续检索和整理。
字幕校对
导出之前重点检查这些位置
- 人名、地名、品牌名和屏幕中出现的专有词。
- 背景音乐较强或多人重叠说话的片段。
- 字幕断句是否符合画面节奏。
- 视频是否包含你有权处理和发布的内容。
可信事实
内容留在你的私有空间
国内版使用境内 API 和私有对象存储处理文件。你可以主动删除文件，也可以随时撤销已经创建的公开分享。第一方访问归因不记录文件名、音视频或转写正文。
境内处理私有存储主动删除分享可撤销
视频转文字常见问题
会识别视频画面吗？+
不会，当前仅处理视频音轨中的语音。
能直接生成字幕吗？+
可导出带时间码的 SRT、VTT，仍建议人工校对。
没有声音的视频能处理吗？+
无法从没有可用音轨的文件生成语音转写。
手机拍摄的视频可以吗？+
包含清晰人声的常见视频文件可以直接上传，无需先手工提取音轨。
公开网络视频可以导入吗？+
部分公开单条链接可尝试导入，但付费、登录或 DRM 内容不支持。
开始转写
登录并选择文件从视频音轨得到第一版字幕文字
上传视频后校对重点片段，再导出适合剪辑工具的格式。
内容更新： · 回声口袋